当大模型从“会说话”迈向“会办事”，最具标志性的变化不在模型参数规模，而在其是否能深入真实业务系统、完成端到端闭环。阿里千问最新的动作，正试图给出一个更接近产业落地的答案。
阿里旗下千问 App 宣布对外开放“AI 办事”能力，并率先接入中国东方航空，实现从航班查询、机票购买到选座、值机的一体化服务。与以往“信息聚合 + 跳转”的模式不同，这一能力的关键在于：用户无需离开对话界面，即可完成整个出行链路的核心操作。
这标志着大模型正在从“交互层”下沉至“执行层”，向具备真实事务处理能力的 Agent 演进。
传统在线旅游（OTA）或航司 App 的核心逻辑，是以“菜单 + 表单”为中心的结构化交互。用户需要理解产品设计路径：先选城市、再选日期、再筛选航班，最后进入座位选择与支付流程。
而千问此次强调的，是一种“意图优先”的交互方式。用户可以直接提出模糊甚至复合需求，例如：
模型通过语义解析，将自然语言转化为一系列结构化参数，并进一步调用航司系统完成查询与执行。这一过程本质上是一个从 NL（自然语言）到 DSL（领域特定语言）的映射，再到 API 调用的链路重构。
阿里内部人士提到，传统菜单式交互限制了个性化表达，而大模型则天然支持开放式需求输入，这为“非标准化服务”提供了空间。
从工程角度看，这一能力并非简单的“模型 + 插件”，而更接近一个多层结构的 Agent 系统：
用户输入首先经过大模型进行语义理解，拆解为多个子任务，例如：
这一阶段依赖模型的多轮推理能力（reasoning）与上下文记忆。
解析后的任务会映射到具体 API，例如：
flight.searchticket.bookseat.selectcheckin.execute不同于传统 RPA 或脚本式调用，这里更强调动态决策：模型可以根据中间结果调整调用路径，例如在航班价格变化时重新排序推荐。
涉及支付、值机等关键操作时，需要引入“确认机制”，确保用户意图被正确执行。这通常结合：
这一层是 Agent 从“建议系统”走向“执行系统”的关键。
值得注意的是，此次合作并非简单的数据接入，而是“直连航司核心系统”。这意味着：
在 AI Agent 时代，“是否能直接触达源头服务”将成为平台竞争的关键。谁掌握更多一手服务接口，谁就更有可能构建高质量的任务执行网络。
千问还透露，未来将上线出行前提醒与接驳调度能力，例如：
这意味着系统将不再是单一 Agent，而是多个子 Agent 的协同：
通过共享上下文与状态，这些 Agent 可以形成一个连续的用户体验闭环。
这一进展对 AI 技术社区的启示在于：
从流量入口到服务入口
大模型不再只是搜索或问答入口，而是直接成为服务执行入口，改变传统 App 分发模式。
API 经济的重构
未来的 API 不再面向开发者，而是面向模型设计，需要具备更高语义表达能力与可组合性。
Agent 框架的重要性上升
如何构建稳定、可控、可扩展的 Agent 系统，将成为 AI 工程的核心议题，包括工具调用、状态管理与安全机制。
行业数据壁垒的再强化
能否接入核心业务系统（如航司、银行、医疗）将直接决定 AI 应用的深度与护城河。
从聊天机器人到事务执行者，大模型正在跨越一个关键门槛：是否能够真正参与现实世界的决策与操作。
千问接入航司的尝试，本质上是在探索一种新的软件形态——以自然语言为接口、以 Agent 为执行单元、以 API 网络为基础设施的“AI 原生应用”。对于开发者与产业而言，这或许意味着一个更大的问题：当所有服务都可以被对话调用，传统应用形态是否还会存在？