Thomas Li

01 — 故事

从 Chat 到 Loop，
从单页面到整个 M365。

作为 Edge AI 团队 Architect Leader Team 一员，自 2023 年起把 Edge Copilot 从 0 做到百万级；基于 LLM 能力开发自动标签分组等核心功能，带动浏览器核心业务（千万级盘子）实现 3× 增长。 4 年下来沿着一条主线推进：让浏览器从"被动响应"演进为"主动陪伴"。

2023

浏览器内完成 contextual chat + RAG 原型；引入 router（意图识别），把历史与多标签页上下文纳入模型；将模型输出映射为函数参数触发系统动作（tool calling 前奏）。

2024

早期 Browser Agent（"Browse for me"），把检索、阅读与执行串接；完成 Tabs / Favorites / History 的自动内容治理。

2025

Copilot 算法、工程升级，Text / Vision / CUA 统一成 React Loop；提出并落地 Vision Action（免手操控的对话式动作）；孵化 Office Agent（类似 Manus）。

2026

从「被动响应」到「主动陪伴」—— Lead Intent / Journeys / Blueprints 三条主线，让浏览器同时在三个维度跃迁：输入信号从「当前页面」扩到「全 M365 + Copilot」，架构从 Chat → Loop，产出从 Text 扩到 Image / 网页 / Action。

02 — 工作

主动式浏览器的三轴跃迁

2026 主导推进的 Intent / Journeys / Blueprints 三条主线，本质是同一件事的三个维度演进。

Axis 1 输入信号

当前页面 → 多页面 + 浏览历史 + M365 + Copilot 记忆

Axis 2 架构形态

Chat (被动) → Loop (主动观察 / 触发 / 执行)

Axis 3 产出形态

Text → Image · 网页 · Action

Text

Copilot Contextual Chat

统一"多页面/历史/收藏"为模型上下文，router 长期演进 (gpt3.5 → BERT → SLM → GPT-4.1-mini)。 SSR 76% → 90%，Action 成功率 50% → 90%，动作链路延迟 10s → 1s。

Image · Journeys 🌍 全球首发

Edge Copilot Mode 旗舰功能 · C5 GA

什么是 Journeys：基于用户浏览历史做主题自动分组（一个 group = 一个 journey），每个分组生成 1 张视觉任务卡 + 2 个 suggested action，让用户在 SNTP 一眼接着干。

作为 Tech Lead，主导 Journeys backend 在 C5 GA —— 端到端拿下架构、可靠性、交付全权 ownership。并行作为 Edge SAI 服务 owner，业务结果： +3.9% conversion · +4.3% CTR · +24% coverage。

网页 · Web Blueprints

Edge 148 Canary · 浏览器原生

什么是 Blueprints：让浏览器为用户"长出"网页能力 —— 根据用户当前页面或浏览历史自动生成一个 mini-app（一组工具卡 / 操作面板）；对当前页面，还可以用自定义脚本或模板化脚本定向改造（隐元素、加按钮、抽数据…）。把扩展商店里需要 CSS/JS 才能改造网页的能力，门槛降到自然语言。

Action · Browser Agent

Vision Action · React Loop

由 Intent 决定何时主动执行，结合 React Loop 与 Vision Action 实现"说一声就办了"。打通视觉理解 + 动作触发，让用户"只说不点"完成复杂 UI 操作。

从 Multi-Agent 到数字员工

一条平行主线 —— 先从 0 搭建 multi-agent 技术基座（Societas），再让它"长在团队工作场域里"成为 AI 同事（Sociemate）。

Societas Multi-Agent 0→1

技术基座 · Office 工作流

早期主导从 0 搭建 Societas —— 对标业界 Suno / Manus 的 multi-agent 技术路线，结合 EdgeML 现有能力孵化覆盖 Office 工作流（PPT / Doc 等）的 agent team 并推动上线，成为后续数字员工方向的技术基座。

Sociemate 数字员工 · 负责人

团队优先 · 主动感知 · 长在 Teams

在 Societas 基础上的进一步思考：让 multi-agent 不只是"完成任务的工具"，而是"长在团队工作场域里的 AI 同事"。结合 OpenClaw / Hermes Agent 的本地大脑能力，0→1 设计并主导研发 Sociemate —— 一个 团队优先 + 主动感知 的 agent harness，落地在 Teams。

Tabs Auto Grouping
2023 全球首发，领先 Google ~12 个月

唯一同时负责 Client（Chromium C++/JS）+ 后端 + 算法的 0→1 项目。 Google Chrome 的同类功能 Tab Organizer（Gemini 驱动）于 2024 年 1 月才随 Chrome 121 推出。

从"内容回访"到 Jobs To Be Done
—— 一人三栖，从 0 推全栈

Client + Backend + Algorithm · Microsoft Edge

算法 · Algorithm

自研 Tab 语义相似度 + 主题聚类 pipeline；router 选型从 GPT-3.5 → BERT → SLM → GPT-4.1-mini 长期演进，平衡延迟、成本与效果。

客户端 · Client

Chromium 内核改造（Tab Strip / Group 模型扩展、Mojo IPC、UI 渲染），与浏览器原生组件深度集成。

后端 · Backend

从 0 搭建 Tab 内容预处理与 LLM 调用服务，含 prompt 编排、限流、缓存、降级。

业务影响 · Impact

Tabs 业务千万级盘子，AI + Tabs 从 0 → 百万级 DAU，带动 Tabs 业务 3× 增长，BSOM +1%。

🔗 作为 Edge 官方 Tab Groups 功能页持续主推。

03 — 研究

论文 · 模型 · 专利

把工程问题抽象成可发表的 research，把 research 灌回产品 —— ICASSP 2026 的 WebRouter 就是 Edge Copilot 线上意图路由的关键一环。

2026

WebRouter: Query-Specific Router via Variational Information Bottleneck for Cost-Sensitive Web Agent

一作 ICASSP 2026 · IEEE Signal Processing Society

面向 Web Agent 的 query-specific 路由：基于变分信息瓶颈（VIB）对 query 编码做信息压缩，在保证任务效果的前提下显著降低单 query 平均推理成本。落地 Edge Copilot 线上意图路由（GPT3.5 → BERT → SLM → GPT-4.1-mini 演进路径中的关键一环）。

2024

Mixture of Rationale: Multi-Modal Reasoning Mixture for Visual Question Answering

ICONIP 2024

多模态推理混合架构，提升 VQA 任务的可解释性与准确率。

2026

Fara1.5 (Microsoft Research) — Edge × MSR 合作贡献

Microsoft Research · Computer Use Agent Models

作为 Edge 侧合作方，为 MSR Fara1.5 (4B/9B/27B) CUA 模型贡献训练数据 —— 交付 38,384 对多语言任务，覆盖德 / 西 / 法 / 葡 / 意 / 日 / 中 7 种语言，补全 Fara backbone 在非英语 Web 上的 coverage。 Fara1.5-27B 在 Online-Mind2Web 上达到 72% 任务成功率， 超过 Gemini 2.5 Computer Use、OpenAI Operator、Yutori Navigator n1。

— Patents

已申请微软发明专利 2 项（均含中国发明专利申请），覆盖 AI 浏览器核心交互能力。

2023 · Providing An Activeness Indication Of A Tab 基于 LLM 的标签活跃度感知与提示
2024 · Efficient Webpage Saving And Visiting 高效网页保存与访问机制

04 — 经历

从推荐系统到 AI 浏览器

微软之前 9 年在腾讯音乐 / 网易云 / 阿里 / 华为，从 GNN 社交推荐到 push 投放，再到 HDFS 数据基建。

腾讯音乐

2018/09 – 2022/04

社交推荐负责人

整体负责实时社交（直播 / 声动合唱）与异步社交（关系链 / 家族推荐）的 算法 / 工程 / 团队。直播：DSSM softmax in batch + bitwise FM/autoint + CGC + PCGrad + GradNorm + ESMM，关注渗透 +17%； 家族推荐：二部图 GraphSAGE + GNN + Attention + SSL，家族业务次留 +3.4%、关注渗透 +100%。

网易云音乐

2017/11 – 2018/09

社交推荐负责人

从 0 搭建"网易音乐人推荐"（w2v + LR），关注率与关注量 +100%；基于 itemCF + GBDT 搭关注 feed，播放量 +10%。

阿里 · iDST

2015/04 – 2017/11

资深算法工程师

天合计划：在线匹配业务逻辑（PID）与算法，实现保量。 手淘 Push：数据分析 + 在线投放工程 + 运营管理平台建设；对比原有圈人 +100%。

华为 · 2012 实验室

2013/01 – 2015/04

西安研究所

数据采集组：本地数据转发至 HDFS 集群，转发效率 ×10。Web 开发 + C++ 后端：网元创建与维护软件设计。

教育背景

西安理工大学

模式识别与智能系统 · 硕士

2009.09 – 2012.12

空军工程大学

电子信息工程 · 本科

2005.09 – 2009.07

从 Chat 到 Loop，
从单页面到整个 M365。

主动式浏览器的三轴跃迁