富士通近日宣布，已开发出一项能够让多个 AI 代理（AI Agent）协同工作、并在实际业务运用中持续学习和进化的「自我进化多 AI 代理技术」。该技术可在执行任务的过程中，根据执行结果、人类反馈、制度或规格变更等信息，持续、安全地更新自身能力。
这一技术不仅让 AI 代理完成具体业务，还会自动梳理成功与失败的原因，从中提炼可复用的知识和操作要点。其核心特征在于：不会直接把改进方案“照单全收”，而是先对质量与安全性进行验证，仅将被判定为有效、可靠的内容纳入学习，从而降低错误积累和“跑偏”的风险。
自动强化行业特化大模型「Takane」
富士通已将这项自我进化多 AI 代理技术应用到行业特化型大规模语言模型（LLM）的构建流程中。以往由专家负责的数据筛选、训练条件设定、模型评估与改进等步骤，如今由多个 AI 代理协同、自主执行并持续优化。
在制造、医疗、金融、行政等多个领域，富士通利用该技术自动强化其日语特化大模型「Takane」，并在实际运营中不断迭代。官方表示，与行业特化前相比，模型在相关任务上的精度平均提升了 28 个百分点。
在医疗场景中，富士通将该技术用于从诊疗记录、检查结果等非结构化数据中，统一抽取诊断名称、病情进展程度、治疗方针等关键信息。通过这种方式，系统能够以符合医疗业务需求的格式进行信息抽取与结构化整理，有助于提升临床文书处理和信息检索的效率与一致性。
应用于设计规格书的智能检索
富士通还将这项技术应用于面向大中型医院的电子病历系统「HOPE LifeMark-HX」，以及面向地方政府的业务解决方案「MICJET 住民记录」的设计规格书群检索，构建 AI 代理驱动的文档搜索系统。
在应对法律修订或制度变更时，软件往往需要进行相应改造。要准确判断影响范围，既要理解制度与业务本身，又要熟悉系统结构，这在过去高度依赖经验丰富的工程师和业务专家。
引入自我进化多 AI 代理技术后，AI 代理会学习历史检索结果、失败案例以及人工修正记录，自主改进检索范围设定和相关文档的筛选策略。例如：
- 不仅查看直接命中的文档，还会一并确认周边相关文档；
- 对表面上看似无关、但属于同一业务领域的文档，也不会轻易排除在候选之外。
这些“检索技巧”原本多依赖资深人员的经验，如今可以通过 AI 代理在后续任务中自动继承和复用，从而提升文档检索的全面性与准确性。
富士通计划将上述经验与技术整合进「AI-Driven Software Development Platform」，用于提升软件从设计到开发全流程的智能化与效率。早在 2026 年 2 月，富士通就已发布基于 Takane 和 AI 代理技术的 AI 驱动开发平台，让多个 AI 代理协同完成从需求定义、设计、实现到集成测试的一系列开发任务。
纳入 Fujitsu Kozuchi Enterprise AI Factory
富士通还计划把此次开发的自我进化多 AI 代理技术，集成到其专有型 AI 平台「Fujitsu Kozuchi Enterprise AI Factory」中，作为支持企业自建、行业特化 AI 并实现自律运维的核心技术之一。
Fujitsu Kozuchi Enterprise AI Factory 是一套面向企业的专有环境平台，企业可在自身受控环境中完成生成式 AI 模型的开发、部署与增量训练等全流程。平台提供：
- 日语特化大模型 Takane；
- 支持持续改进行业特化模型的内制化微调功能；
- AI 模型轻量化技术；
- 低代码的 AI 代理开发能力等。
此外，富士通还将结合与卡内基梅隆大学的联合研究成果以及其生成 AI 再构成技术，推进让自我进化多 AI 代理系统在更少内存与更低功耗条件下运行的技术开发。目标是在云环境之外，也能在高机密性的本地（On-Premises）环境和边缘环境中，部署能够持续学习业务知识的 AI 团队，为更多对数据安全和实时性要求极高的场景提供支持。
