9 月 24 日，Qwen 团队提交论文 Qwen-Planner-Agent（arXiv 2609.29892），抛出一个有点元的问题：AI 能不能既当被开发的对象，又当参与造下一代 AI 的活跃角色？他们给出的答案是一套闭环的 AI-for-AI 框架，并用「移动端规划智能体」这个极难的考场来逼出它的价值——移动规划任务长程、复杂，对可靠性要求高，而真机交互又贵又慢，传统开发很难规模化。
框架用一份「动作—反馈—验证」的共享契约，把数据生产、模型训练与部署串成闭环，分成三段发力。其一，AI for Data：用一个有人工把关的数据飞轮，让专门的智能体去构造任务、采集交互轨迹、整理并平衡训练数据，再用训练反馈指导下一轮数据生成。其二，AI for Training：以监督式规划冷启动，叠加混合环境的在线 agentic 强化学习；其中引入的 CARE（Competence-Aware Reward-and-Advantage Engineering）机制，目标是压低推理与工具调用成本，同时不掉任务表现。
第三段最特别：让模型与 harness 一起进化
其三，AI 驱动「模型—harness 协同进化」：一个由执行证据驱动的回路，在运行时编排记忆、技能与工具，并把结构化的动作反馈与保留下来的失败轨迹，反哺回模型与 harness 的协同适配。换句话说，不只是模型在学，包着模型的执行外壳（harness）也在根据真实跑出来的证据一起长。这正是它区别于「单纯训个大模型」的地方。
在 MobilePA-Bench 上，Qwen-Planner-Agent 在工具使用、记忆、技能与子智能体协作等维度，全面超过其基础模型；在若干非移动端的 agentic 基准上也有提升，且大体保住了通用能力。对一支要做端侧规划智能体的团队，这个信号很关键：把数据飞轮、训练策略与 harness 协同放进同一个闭环，或许比单点堆参数更能撬动真实场景的可靠性。
它和「程序图」不是一回事，别撞车
同期北大等提出的 Procedural Graphs（PG）也在讲「让 harness 自我进化」，但路径不同：PG 侧重把工具、技能、记忆连成一张带条件与避坑指引的程序图，偏静态结构；Qwen-Planner 侧重用 AI-for-AI 的闭环，让数据与训练反哺模型与 harness 共同演进，偏动态迭代。两者一个是「把经验画成图」，一个是「让经验滚成环」，互补空间大于竞争。当然，移动场景的真机成本、闭环里人工把关的尺度，仍是决定它能否走出论文的关键变量。
值得注意的是，闭环里「人工把关的数据飞轮」仍是关键阀门：完全放开让智能体自产自训，容易在放大能力的同时放大偏差与错误。Qwen-Planner 把人留在数据质量与训练反馈的环上，而不是把环彻底交给模型，这个分寸值得其他 AI-for-AI 尝试借鉴。对做端侧智能体的团队，真正可抄的是「飞轮 + 协同进化」的组合，而非追逐更大的底座。
对行业更大的意味在于：当「AI 造 AI」从愿景变成可工程化的框架，智能体研发本身的效率会被重写——数据不再全靠人标，训练不再单点调参，harness 也不再写死。值得持续观察它能否跨出移动端、在更通用的 agent 训练里复现这套闭环。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。