使用微信扫一扫分享到朋友圈
使用微信扫一扫进入小程序分享活动
2 天沉浸式学习交流 | 15+前沿分论坛 | 60+真实应用案例
2026年3月,Agent技术正在以惊人的速度进化。OpenClaw发布了最新版本。
作为全球首个面向消费者的AI Agent平台,OpenClaw实现了真正的自主任务执行——不仅能理解复杂指令,还能跨应用协作、自动规划多步骤流程、实时学习用户偏好。行业评论称:"OpenClaw让AI从'工具'变成了'同事'。"与此同时,MCP协议正在成为行业标准。2026年初,Anthropic、OpenAI、Google相继宣布全面支持MCP。工具调用不再是"各自为战",而是有了一个统一的"连接语言"。
2026年,是Agent从概念走向大规模落地的元年,Agent将在金融、制造、零售...行业应用密集爆发。
举办地点为什么选在深圳?深圳是中国科技创新的最前线,硬件生态上,深圳是全球最完整的电子产业链,端侧Agent最先落地。与此同时,深圳拥有最活跃的技术氛围、技术最先传播的开发者社区。在产业落地方面,腾讯、华为、字节、比亚迪...大厂聚集深圳,基于这些天然优势,我们要在深圳举办Agentic AI Summit会议,让深圳成为Agent技术交流的中心。
胡云华,西安交通大学和微软亚洲研究院联合培养博士,先后担任微软亚洲研究院副研究员、阿里巴巴达摩院资深算法专家、支付宝中国首席数据官、智谱华章副总裁,在搜索、广告、推荐、大模型研发、用户产品创新方面拥有丰富经验。
13年+百度产品和研发管理经验,原百度地图场景化业务总经理,具备出色的产品、技术团队管理能力和技术实操经验。
具有多年在传统数据库管理和大数据分布式平台开发与维护的专业背景。熟练掌握大数据技术,能够高效地进行批处理和流处理任务的设计和实施。对数据湖架构的构建和优化也有深入研究,能够帮助企业从海量数据中提取有价值的信息,支持数据驱动的决策制定。
目前在eBay作为数据平台研发总监,带领团队负责云原生的数据湖,分布式搜索引擎,调度系统,存算分离计算引擎,OLAP离线数据库,数据开发平台等技术的实施,优化,开发工作。
石建平先生曾任美国甲骨文全球产品研发负责人、A8音乐CTO,联合创办多米音乐并发展为独角兽企业,投资了PPIO、即时设计等多家高速成长的早期技术公司。
美的集团首席信息安全官兼软件工程院院长,欧洲科学院院士,IEEE Fellow IET Fellow ACM Distinguished Scientist。
吴友政博士,京东科技集团语音语义算法部负责人、高级总监。博士毕业于中国科学院自动化研究所,毕业后在日本情报通信研究机构、英国爱丁堡大学、索尼中国研究院和爱奇艺负责自然语言处理、语音识别、机器翻译等前沿技术研究和产品研发工作,在国际自然语言处理顶会和期刊(如ACL、NAACL、EMNLP、AAAI、ICASSP等)上发表多篇学术论文。曾获得语音识别(IWSLT2012、IWSLT2013)和对话式机器阅读理解(QuAC 2020)比赛的冠军。连续2年主办京东人机对话挑战赛。技术产品化上,带领团队打造了基于多轮对话技术的智能客服平台言犀、基于多模态内容生成技术的品创等产品。曾获得京东集团技术金牛奖等荣誉。
企业架构和数字化转型专家,北京大学理学硕士,银行、保险、车企20年工作经验,《企业架构驱动数字化转型》作者,“金融IT那些事儿”公众号主理人。
AI数据生产(标注、数据集、合成)、AI安全(评测、防御)、AI软硬件一体、AI营销相关领域从业者。
企业数智化领域10余年经验,先后就职于美团点评、阿里巴巴、菜鸟等大型互联网公司,对企业数智化转型、数智供应链、供应链金融等领域有深厚的积累沉淀。多次主导企业级数据中台和数智产品的实施,能够很好地将数智技术&产品与业务相结合,针对不同行业不同场景设计落地行之有效的数智化转型方案。目前负责菜鸟物流科技副总经理,带领团队深耕数智供应链领域,帮助企业级客户在数智时代打造领先的供应链能力。
阅文集团技术副总经理,AIGC负责人,腾讯云最具价值专家、复旦大学计算机学院专业硕士导师。有着近15年的人工智能、大数据研发管理经验。在AIGC、个性化推荐、搜索、大数据挖掘、自然语言处理等领域都有丰富的实践经验。目前主导人工智能技术在集团内部的研发和应用落地,带领团队研发了阅文妙笔大模型和多模态大模型,并在作家辅助创作、角色对话、增长素材和机器翻译等大模型应用场景上也取得了不错的成果。对内容业务有深刻理解,也主导推进智能风控、推荐系统、反盗版等公司重点项目落地。曾任百度人工智能事业部技术经理,负责过百度推荐、精准广告、图片搜索、大数据商业化等项目。
Foundation Model 2.0 | 企业级Agent开发工具链 | Agent 记忆工程 |
|
|
|
工具与自动化 | Harness Engineering(Agent执行与控制工程) | 多Agent协作 |
|
|
|
面向Agent数据架构 | 面向Agent的知识与本体语义构建 | 评测基准与安全治理 |
|
|
|
前沿探索与超级Agent | 从DataAgent到Data Engineer Agent | 研发效能Agent |
|
|
|
工业场景Agent实践 | 金融场景Agent实践 | 消费场景Agent实践 |
|
|
|
10 多年 AI 研发与应用经验,主导研发大模型训推一体平台。完成金山办公政务大模型在 GPU 和国产 XPU 两个平台的从头预训练。联合华中科技大学先后发布并开源 Monkey,TextMonkey,MonkeyOCR 等一些列多模态大模型。几十项 AI 发明专利,多篇 AI 相关论文,主导多个 WPS AI 功能的自研和上线。
腾讯数据计算平台部,大数据智能体算法负责人,博士毕业于浙江大学,研究方向为大模型智能体。 在 ICML/NeurIPS/AAAI/ACL/VIS 等人工智能和可视化领域国际顶级期刊会议上发表多篇论文。主导研发腾讯一站式大数据智能体开发平台 LangData。
华为数字化高级技术专家。拥有 15 年深耕企业数智化转型的深厚积淀,职业历程覆盖中石油、SAP等跨行业头部企业,在AI、大数据、数据底座构建及云原生技术领域具备全栈技术能力。曾作为 AI 应用首席架构师,主导推动AI大模型技术在华为云研发体系、全球营销服务网络及智能资产运营等关键业务场景的深度应用,通过技术创新实现业务流程智能化重构,持续为业务增长注入技术动能,显著提升运营效率与服务质量。
毕业后先后就职于两家美企,从事高性能计算和互联网后端研发工作。2007 年开始合伙创业,并任职 CTO,拥有 11 年的社交 App 创业和并购经验。之后于 2018年加入晓黑板,担任 CTO。热爱开源技术,拥有 20+ 年的开发、微服务架构经验以及十多年的技术团队管理经验。在微服务架构、分布式系统、机器学习模型上有深入研究。还是持续学习者,主张系统和架构尽可能保持简单,工具大于文档和约定的理念。
南京理工大学与美国伊利诺伊大学香槟分校(UIUC)联合培养博士,现为腾讯 TEG Agent基础设施平台架构负责人。拥有超过10年大数据和AI系统研发经验,在AAAI和ACM等多个顶级会议和期刊上发表论文10余篇,申请发明专利10余项,主要研究兴趣包括分布式计算、机器学习、联邦学习、可信隐私计算和AI基础设施。
任职于腾讯的工作经历与项目职责:
- Agent基础设施平台架构负责人 (当前职责):负责腾讯 TEG Agent基础设施平台的架构设计,主导构建了包括安全沙箱环境、Agent全链路追踪(Tracing)与评估体系、多智能体编排与调度系统在内的核心基础设施,为上层AI应用提供安全、可靠、可观测的智能体运行与治理能力。
- 数据科学引擎负责人:负责Wedata数据科学引擎的整体搭建与演进,并主导设计面向大模型训练与应用的高效数据管道,解决了海量多模态数据预处理、质量管控与供给的工程挑战,为AI模型研发提供坚实的数据基础。
- PowerFL隐私计算平台负责人:负责平台整体系统整体架构设计,主导并实现了PowerFL核心库SDK、联邦调度引擎、联邦推理引擎、云原生轻量级私有部署及国产化方案的设计与开发。持续提升框架的易用性、算法的安全性与性能,成功赋能腾讯云、AMS、微信支付等在金融、政务、推荐及广告等领域的隐私计算业务落地。
负责领导知鸟的技术产品创新与落地,打造了覆盖“学、练、问、考、管”五大培训场景的AI产品矩阵,构建知鸟的AI核心竞争力,推动AI技术在人才培养领域全面应用与深化。深耕于AI+SaaS领域10多年,在ToB行业的AI应用上有着丰富的产品研发和落地经验,曾发布过营销行业领域大模型MeetGPT,教育行业AI+SaaS的多模态一站式智慧课堂产品溢慧云等。历任飞书深诺集团CTO、溢米教育集团合伙人&CTO、爱奇艺技术总监等。
2009年毕业于武汉大学软件工程专业,入职深信服至今,曾担任技术专家、架构师、运营负责人、研发主管等岗位,熟悉AI深度学习、大数据、安全、云计算、终端等领域,拥有专利10余篇,当前对内负责AI驱动公司研发全过程提效,对外负责CoStrict产品(一款面向企业严肃开发的开源AI编程工具)。
目前担任顺丰科技 AI 技术平台负责人,负责顺丰集团 AI 和大模型基础架构,曾任第四范式平台架构师和 OpenMLDB 项目 PMC,过去在小米担任云深度学习平台架构师以及优思德云计算公司存储和容器团队负责人。活跃于分布式系统、机器学习相关的开源社区,也是 HBase、OpenStack、TensorFlow、TVM 等开源项目贡献者。
先后在百度、Bigo、Shopee 工作,拥有 10 余年 AI Infra 经验,专注大规模 AI 系统架构与性能优化,在模型训练、推理加速及端到端工程体系方面积累深厚。当前在 Shopee 负责大模型预训练、后训练和推理基础设施建设,参与大规模 GPU 集群架构设计与性能优化,持续提升资源利用率与系统稳定性,推动大模型在公司内的高效迭代与规模化落地。
现任vivo互联网大数据专家,拥有10年实践经验,专注于多模态数据技术相关的研发工作,对于海量数据场景下关于数据全链路稳定性保障、数据质量提升、数据成本优化等整体方案设计和落地有丰富经验,擅长从业务价值视角出发,提供有效的数智化解决方案。
2006 年毕业于西安交通大学自动化专业,现任 OPPO AI 架构负责人。曾主导多个大型手机操作系统项目的整体架构设计,在跨端操作系统与移动 AIOS 领域深耕多年,具备从底层系统到上层智能体验的全栈架构能力。当前聚焦于打造高效、懂你的 OPPO AIOS,致力于将 AI 能力系统级融入用户体验。
电子科技大学信息安全硕士,专注于人工智能与运筹优化技术在物流供应链领域的落地。
加入顺丰科技以来,先后负责集团智能决策体系与智慧供应链商业化产品体系的构建与管理工作。主导研发物流决策大模型"丰知"、智慧供应链控制塔"丰智云塔"及决策平台"丰智云策"等核心产品,服务数百个SKA客户,实现千万级营收。在运筹优化领域,构建大规模网络规划、路径规划、资源调度等核心算法体系,助力集团累计降本超十亿元。
曾获中国物流与采购联合会科技进步奖二等奖、物流技术创新奖、CCF BDCI最具商业价值奖等多项荣誉,产品入选Gartner SCP亚太榜单。
通义实验室文档智能技术负责人和 GUI 智能体 Mobile-Agent 负责人,主要研究方向多模态智能体、长文本理解和推理、文档智能解析和多模态文档创作等,负责打造文档智能模型产品 QwenLong、Qwen-Doc,以及文档智能解析产品 Document Mind,相关能力应用于千问APP、通义智文以及内外部多个产品线,并主导 Mobile-Agent 开源技术体系影响力建设(8k+ Stars)和创新产品孵化,在 ACL、ICML、ICLR、NeuIPS、CVPR 等国际会议期刊发表100多篇相关学术论文。
硕士毕业于华南理工大学计算机专业,中邮消费金融公司创始团队成员之一,曾任科技发展部总经理助理,资深架构师,曾负责公司两次IT系统规划的制定、整体架构设计和落地实施,成功主导大型金融系统从集中式到分布式、微服务的中台架构转型。现任产品创新部负责人,负责产品创新和研发、数智化转型、企业级业务架构设计等。目前已获得系统架构设计师、信息系统项目管理师等认证,华南理工大学电子与信息专业博士研究生。
长期深耕于大数据及人工智能领域,积累了丰富的数据平台建设和架构设计实践经验。现任阿里国际 AI Business 大模型数据、评估负责人,专注于大语言模型及多模态大模型数据研发、模型评估工作,致力于推动数据与AI技术的迭代融合与创新。重点攻坚大型模型对应的大规模、高质量数据处理技术及优化,大模型在业务领域表现的自动化评估技术。在此之前,曾担任阿里云行业大型模型数据研发负责人、阿里云政务及医疗行业数据负责人、蚂蚁金服国际数据平台架构师。
本科毕业于清华大学电子工程系,在美国宾夕法尼亚大学攻读程序语言专业博士,现任粤港澳大湾区数字经济研究院(IDEA研究院)基础软件中心首席科学家、MoonBit团队负责人。
曾任OCaml语言核心开发人员,其主导开发的ReScript语言(原BuckleScript)是首个由中国人主导的国际通用程序语言,官方文档支持多国语言版本。2013年受彭博社邀请开发函数式语言编译器,创建的BuckleScript项目后被Meta等公司采用。2017年回国后成为Meta中国大陆唯一软件工程师,维护BuckleScript并参与Flow语言开发。
2022年加入IDEA研究院创立基础软件中心,带领团队开发MoonBit编程语言及工具链,该语言基于WebAssembly设计,支持云计算与AI开发,已适配RISC-V指令集并进入北京大学、清华大学课程体系。OCaml语言项目获2023年SIGPLAN软件大奖。截至2025年,MoonBit用户已超过10万,预计2027年初达到近100万用户。
二十年研发和互联网行业经验,先后任职于金蝶、淘宝/天猫、OnePlus、超级猩猩等企业,一直从事和负责产品研发、数字化和智能硬件等相关岗位,对数字化、高性能计算、云平台、智能 IoT等领域有深入的积累和经验,并擅长于将技术融入商业场景和模式中。
清华大学智能技术与系统国家重点实验室信号与信息处理专业硕士,26年人工智能和大数据经验。现任平安科技算法平台部负责人,全面统筹智能体平台及模型训推平台从技术研发到体系化建设的全链条工作。曾获2020年度吴文俊人工智能科技进步一等奖、2022年度广东省科技进步一等奖、2022年度中国人民银行金融科技发展奖二等奖、2024年度中国人民银行金融科技发展奖二等奖等重要荣誉。
曾任职百度、搜狗、腾讯等知名企业,深耕AI算法、搜广推算法等领域。现任平安知鸟AI负责人,专注于AI技术在企业培训场景的落地与创新,助力企业在AI时代实现组织能力跃迁。
拥有丰富的NLP算法与大模型跨场景业务落地经验,专注于通过AI Agent技术提升业务效率。擅长将大模型与客服、私域、判责、舆情等场景融合,推动 AI 在实际业务中可控、可用、可落地。
深耕中间件与大数据研发15年,主导vivo公司级大数据平台BDSP从0到1落地,覆盖数仓、开发与分析全链路。近年专注AI大模型与数据平台融合创新,持续赋能业务,创造惊喜与价值。
瓴岳科技(洋钱罐)数据平台工具组负责人,拥有多年大数据领域相关工程化经验。主导设计并落地 DataPilot 一站式数据开发平台以及 AI Agentic 架构,深度参与基于 AgentScope 的生产级 Data Agent 集成实践。
清华大学毕业,高级算法研究员。研究方向涵盖信息检索、推荐系统与多模态内容理解。2019年加入腾讯,专注于用户增长场景的算法研发;近年研究重心聚焦生成式推荐(GenRec)、大模型推荐(LLM4Rec)与智能体推荐(Agent4Rec)等前沿方向。研究成果发表于 ICML、ACL、WWW、SIGIR、KDD、RecSys 等领域顶级会议,相关算法已在十亿级推荐场景中成功落地。
安克 AI 创新和应用演进之路(暂定)
Agent 从“写代码”到“建系统”——技术演进、能力边界与可信工程的挑战
随着大模型与Agent框架的爆发,软件生成的成本正在趋近于零。真正限制 AI 编程落地的瓶颈,正在从“能不能写代码”转向“生成的代码是否正确、可验证、可维护”。
本次演讲将首先回顾Agent智能体在编程领域的技术演进:从代码补全、单文件生成,到当前的多文件修改、工具调用、自主调试,再到未来可能实现的规格驱动开发。在此基础上,重点分析Agent能力发展过程中被忽视的技术瓶颈——不是模型参数量不够大,而是缺乏对生成代码的可验证、可维护、可演化的工程约束。
最后,以IDEA研究院的MoonBit语言作为案例,简要展示一种“面向Agent的编程语言”如何通过语法设计、类型系统、形式化验证接口,让Agent从“写代码的助手”升级为“可信系统的共同构建者”。
演讲提纲:
一、Agent编程能力的真实水位
- 从Copilot到Devin、SWE-Agent:Agent能做什么,不能做什么
- 公开基准(SWE-bench等)的局限性与误导性
- 提出核心问题:为什么Agent写的代码在Demo里惊艳,在真实项目中翻车?
二、Agent技术演进路线:三代能力跃迁
1、第一代:代码补全 & 单函数生成(2021-2023)
- 技术特征:基于上下文填充,无规划能力
2、第二代:多文件编辑 & 工具使用(2023-2024)
- 技术特征:Agent+检索增强(RAG)+ 简单的错误反馈循环
- 代表工作:SWE-agent、OpenDevin、AutoCodeRover
3、第三代:规格约束下的自主构建(2024-现在)
- 技术特征:Agent读取形式化规格(spec)、生成证明、与验证工具协作
- 关键进展:自然语言→形式化规约的自动生成(GPT-4o、Claude 3.5等)
- 技术深度剖析:为什么类型系统、合约、前置/后置条件对Agent至关重要
三、当前技术的瓶颈:从“能写”到“可信”
1、实证数据:Agent生成的代码在Python/JS等动态语言中的长期维护问题
2、技术观察:
→ 验证成本远大于生成成本,这是被行业严重低估的瓶颈
→ Agent缺乏“反事实推理”:能写实现,不能写为什么实现是对的
→ 真实工程需要:可重现构建、跨环境兼容、团队可读性——这三项Agent几乎都做不到
3、行业探索方向:
- 基于强类型语言的Agent生成(Rust、Haskell)
- 引入轻量级形式化验证(Liquid Types、Refinement Types)
- AI 辅助生成规格(spec)与不变量(invariant)
四、案例:MoonBit如何尝试解决上述问题
1、MoonBit 的设计目标:面向AI生成+人工审核+自动化验证的编程语言
2、三个关键技术回应:
- 面向Agent友好的语法:减少歧义,减少LLM的token浪费,提高生成成功率
- 一等形式化验证(moon prove):让Agent可以生成前置/后置条件,自动验证
- 多后端与可重现构建:解决“在这里能跑,在别处不行”的Agent通病
3、初步数据:在内部SWE-AGI基准中,可验证代码的接受率提升2-3倍
五、总结与展望:Agentic Software Engineering 的未来
1、未来的Agent不是更大的语言模型,而是语言模型+验证器+类型系统+构建系统的紧耦合体
2、编程语言的角色从“给人写”转向“给人+Agent+机器验证器”三方协作
3、开放问题:规格的自动生成、验证的及时性、人机协同的交互范式
听众收益点:
1、重新理解 Agent 编程的核心瓶颈,听众将看到 Agent 落地的关键问题不是“模型会不会写代码”,而是生成代码如何在规格、测试、类型系统和形式化验证约束下进入真实工程。
2、获得一套 AI 原生软件工程的架构思路,通过 MoonBit 的语言设计、工具链、包管理、SWE-AGI 评测和 moon prove 验证实践,理解如何把 Agent 从“代码助手”升级为“软件构建参与者”。
3、了解可验证代码在 Agent 时代的实际价值,听众可以理解形式化验证为什么会因为 AI 而重新变得实用:AI 降低了写规格和证明的成本,而验证工具负责把“看起来对”推进到“性质上可检查”。
三层解耦 × 三大Agent:货拉拉私域营销的多模态引擎实战
本次分享基于货拉拉私域营销实践,针对传统私域依赖人工、素材生产效率低、转化难的痛点,介绍多模态Agent落地的全链路技术方案。我们采用三层解耦的Multi-Agent架构,打造AI质检、多模态素材生成、问答交互三类专属智能体,落地过程中解决了大模型素材品牌一致性弱、Agent规则引擎灵活性不足、多系统对接时延高等核心问题。上线后实现私域质检覆盖率100%、人工复核成本降低70%、用户异议处理成功率提升65%、私域整体转化率翻倍,沉淀的可扩展框架可快速适配多行业私域场景。
演讲提纲:
一、开场:为什么我们要做私域多模态Agent?
私域运营的普遍痛点:从我们转化率不足2%的真实困境说起
多模态Agent的价值:不是技术炫技,是真刀真枪解决效率+转化问题
本次分享核心价值:可落地、可复制的货拉拉实践经验
二、方案逻辑:Multi-Agent架构的核心设计思路
整体架构定位:三层解耦的全链路闭环设计,兼顾灵活性与可复用性
三大核心Agent的协同逻辑:
AI质检Agent:守住合规与运营标准的底线
多模态素材生成Agent:搞定高效精准的内容生产
问答交互Agent:承接用户全场景实时交互
三、关键实践:我们踩过的核心坑与解决方案
内容一致性问题:大模型生成素材忽上忽下,怎么对齐品牌调性?
灵活性与标准化的平衡:Agent太死板卡壳、太灵活违规,怎么权衡?
业务接受度问题:运营不愿意用AI工具,怎么推进落地?
性能与成本的平衡:多模态生成慢、成本高,怎么优化?
四、落地效果与可复用经验
真实数据结果:效率、效果、成本三个维度的落地收益
轻量化落地路径:不需要大团队也能快速复用的分步落地方法
跨行业适配思路:这套框架怎么快速迁移到其他私域场景
听众收益:
多模态运营体系:掌握邀约场景下企业微信多模态素材的系统化运营思路,搭建高效邀约体系
如何精准匹配:学会针对不同客户精准匹配素材类型,让邀约信息更具吸引力与转化力
运营标准:获取可直接落地的多模态素材运营标准,实现从内容到结果的闭环增长
Agentic4Rec:理论、算法、大规模工业落地应用与挑战
理论层,梳理 Agentic Recommendation 所面对的三个根本性问题;推理监督信号的来源、协同信号的注入方式、以及训练目标与推理过程之间的一致性,并从信息论视角阐明该范式与传统推荐、生成式推荐之间的本质差异。
算法层,剖析当前主流技术路线,对代表工作进行结构化对比,明确其解题边界、相互依赖与未解难题。
工业落地层,分析 Agentic Recommendation 在大规模生产环境中所面临的延迟与成本、长尾分布、分布漂移等结构性约束,并给出当前条件下具备工程现实性的整体方案。
演讲提纲:
1、Agentic4Rec 范式的提出背景
2、Agentic4Rec 的范式定位与角色框架
3、理论层:推理监督、协同信号、训推一致性
4、算法层:主流技术路线、解题边界与代价权衡
5、应用层:大规模工业落地的结构性约束与可行方案
6、趋势判断与开放问题
听众收益:
1.理论层面:建立对该范式三个根本性问题的清晰理解——推理监督信号的来源差异、协同信号在大模型 Agent 中的注入方式、训练目标与推理过程之间的一致性问题。
2.算法层面:掌握当前主流技术路线的解题边界与相互依赖关系,理解算法设计的出发点、当前局限与未解问题,从而在工程或研究选型时具备结构化的判断依据。
3.应用层面:获得 Agentic Recommendation 在大规模生产环境中所面对的五项结构性约束的完整视图,以及当前条件下具备工程现实性的整体方案。
vivo数据研发治理平台DataAgent能力落地实践
本次分享将揭秘vivo大数据研发治理平台通过DataAgent实现数据研发的智能化转型。我们将聚焦数据开发智能体(DataDev Agent)与数据分析智能体(DataAnalysis Agent)两大核心实践:前者通过Text-to-sql与任务自动编排,测试,将开发从“手写代码”解放为“逻辑编排”;后者基于对话式分析到深度研究,让业务从“找数”升级为“对话即洞察”。
演讲提纲:
一、痛点与目标
从“人适配数据”到“数据适配人”
开发侧:重代码、重运维、经验难以沉淀。
分析侧:门槛高、周期长、洞察不够深入。
二、数据开发智能体
重塑研发链路:从“手工编码”到“智能生成”,Agent驱动全链路任务创建于编排,自动化测试与发布校验。
三、数据分析智能体
重塑消费链路:从“被动取数”到“主动洞察”,对话式分析,智能归因,异动检测,自动生成分析报告。
四、技术架构与保障
统一的Agent技术底座,驱动不同场景的Agent能力,基础夯实,赋能提效,自动测试,安全可控。
五、总结与展望
构建端到端的数据自动驾驶体系
听众收益点:
1- 掌握从“手工编码”到“智能生成”的数据开发提效路径
2- 体验“对话即洞察”的分析新范式,降低数据消费门槛
3- 获取企业级数据平台智能化落地的架构与安全实践
基于AgentScope的金融数据平台Agentic进化之路
金融数据平台进入 Agentic 化深水区,挑战已不再是“能不能生成 SQL”,而是如何打通任务开发、数据探查、任务发布、数据质量、调度运维的全链路闭环。领岳科技基于 AgentScope Java 打造统一的生产级 Agentic 架构,围绕多 Agent 协同编排、平台能力接入、质量与安全治理、状态管理与可观测运维,沉淀可复用的工程化底座,实现从“需求理解-方案生成-发布执行-质量保障-运行处置”的平台级协同。分享将重点拆解从单点 AI 助手走向平台化 Agentic 系统的关键实践,帮助企业建立可治理、可扩展、可持续演进的数据平台智能能力。
演讲提纲:
1- 金融数据平台的全链路痛点:全球化部署复杂、协作链路长、准确度要求高、治理约束严
平台 Agentic 的质变:从单轮问答升级为“推理-工具调用-执行反馈-自动纠偏-持续记忆”的跨环节编排闭环
金融场景附加约束:高危操作拒答、权限门控前置、全链路可审计、跨 Agent 协同不越权,并在闭环中持续优化生成准确度
2- 方案选型
核心约束:严格单向依赖,禁止环依赖;扩展新业务场景以增量 Agent / 工具实现,不改编排内核。
AgentScope 在系统中的落点:仅收口在编排层适配包中,业务 Agent 不直接接触框架内部 API,为未来框架升级预留缓冲。
3- 落地挑战
挑战一:ReAct 链路可靠性
挑战二:生产级工程集成
挑战三:金融场景的评测量化
4- 解决思路
4.1 三层意图路由:稳定性的第一道防线
4.2 工具链质量门控:从设计时到运行时
4.3 结构化代码协议:告别 Markdown 解析
4.4 上下文装配优先级与 Token 预算
4.5 生产级工程方案
听众收益:
收益一:获得数据平台全链路 Agentic 化的方法论
不再局限于 Text2SQL 或单一任务开发,而是理解“数据探查-任务开发-发布上线-质量保障-调度运维”如何在统一 Agentic 架构下协同运转,明确平台化建设的分层边界与演进路径。
收益二:拿到可复用的生产级工程实现模板
掌握多 Agent 协作中的关键工程件:意图路由、工具门控、流式编排、状态持久化、权限审计、失败恢复等,并理解这些能力如何在不同业务环节复用,而非为每个场景重复造轮子。
收益三:建立可量化的价值评估与迭代框架
学习如何从“任务成功率”扩展到“平台端到端收益”指标体系(开发提效、发布稳定性、质量拦截率、运维响应时效),把 Agentic 建设从技术试验升级为可持续运营的业务能力。
守矩驭智:知鸟企培智能体技术体系赋能金融企业高质量发展
企业当前面临合规与业务的双重挑战:
合规管理痛点:员工规模化调度难、监管知识更新不及时、培训效果缺乏量化评估、审计追溯链路不完整,导致合规风险管控成本高、效率低。
业务增长瓶颈:合规要求与销售转化存在天然张力、新人培养周期长、培训内容与业务场景脱节、培训投入的业务价值无法量化,制约组织效能提升。
知鸟依托 AI 智能体构建一体化解决方案,实现合规管控与业务赋能的深度融合,系统性破解双重难题,为金融企业高质量可持续增长提供核心支撑。
演讲提纲:
一、业务痛点:双维度核心矛盾
合规保底线:四大难题
百万级员工规模化调度难
金融监管知识更新滞后
培训效果难以评估、防作弊难
培训记录不规范、审计追溯不达标
销售提效能:四大瓶颈
合规与销售转化存在冲突
新人上手慢、能力复制低效
培训与实战脱节、学用转化率低
培训价值无法量化、ROI 难衡量
二、技术拐点:双难题同步破解的核心支撑
垂直领域大模型语义处理
AI 原生多 Agent 协同框架
知识图谱 + RAG 深度融合
多模态感知与行为分析
三、知鸟智能体落地方案:AI 原生一体化架构
底层支撑
平安金融大模型・知鸟企培大模型
统一治理、脱敏安全的 AI 数据底座
中间层:企业知识库
知识自动更新、冲突检测、合规检查
合规 + 销售融合知识图谱 + RAG 检索增强
应用层:AI原生多 Agent 平台(7 类核心 Agent)
智能总调度、合规知识管家、内容生成、实战陪练
学习督导、销售诊断、合规审计风控
优势:自主决策 / 分布式协同 / 个性化 / 持续演化
交互层:员工端 / 管理员端 / 监管端
双闭环管控
闭环1:合规学习全流程(计划-执行-检查-处理)
闭环2:销售能力提升全流程
双闭环融合:数据互通、任务协同、考核一体化
四、效果与展望
核心价值
保底线:效率提升、风险下降、处罚减少
提效能:新人周期缩短、合规率 / 转化率提升、ROI量化
五、未来展望
被动合规→主动合规→预测式合规
培训工具→业务赋能平台
听众收益:
1- 明晰AI如何让金融合规培训更高效、易落地,降低监管与操作风险
2- 掌握守规矩、控风险前提下,实现业务稳健增长的方法
3- 借助智能培训体系提升员工能力,降本增效,支撑企业高质量发展
Agentic AI重塑金融生产力:平安集团智能体平台的探索与实践
金融行业正在从“可用的大模型”迈向“可落地、可治理、可规模化复制的智能体体系”。平安集团依托自研智能体平台,围绕保险、银行、投资、证券等多类业务场景,构建了覆盖业务咨询、流程执行、经营分析、风险识别、投研辅助、知识服务等方向的智能体应用矩阵,实现了效率提升、体验优化与经营价值释放。
本次分享将结合平安在平台建设与业务落地中的一线经验,介绍金融智能体在真实生产环境中的架构设计、部署模式、治理机制与推广方法,探讨如何打通“模型能力—平台能力—场景能力—业务价值”的完整链路,为金融行业Agentic AI应用提供可复制的参考范式。
演讲提纲:
一、平安AI战略布局
核心战略:"AI in All"与"五智"布局
智能体平台:战略底座,支撑全集团AI应用
二、智能体平台:企业级AI引擎
-智能体平台核心定位
-产品层:"3+1"端云协同体系
-技术层:五大核心能力介绍
三、平安ONE介绍
-产品定位:桌面智能体,职场全能AI助手。依托平安智能体平台,灵活调度全栈技能,自动完成复杂任务
-产品优势:以极简交互、安全可控与平安智能体生态互联,重塑桌面生产力新范式
-全能助手及编程专家功能介绍
四、标杆案例分享
五、安全合规十大管控体系保障
听众收益:
- “让每个人拥有数字军团、超能团队”
- 推动AI从"会说"到"会做"的跨越
- 人人共建 · 人人可用 · 人人受益
安克 AI 创新和应用演进之路(暂定)
二十年研发和互联网行业经验,先后任职于金蝶、淘宝/天猫、OnePlus、超级猩猩等企业,一直从事和负责产品研发、数字化和智能硬件等相关岗位,对数字化、高性能计算、云平台、智能 IoT等领域有深入的积累和经验,并擅长于将技术融入商业场景和模式中。
Agent 从“写代码”到“建系统”——技术演进、能力边界与可信工程的挑战
本科毕业于清华大学电子工程系,在美国宾夕法尼亚大学攻读程序语言专业博士,现任粤港澳大湾区数字经济研究院(IDEA研究院)基础软件中心首席科学家、MoonBit团队负责人。
曾任OCaml语言核心开发人员,其主导开发的ReScript语言(原BuckleScript)是首个由中国人主导的国际通用程序语言,官方文档支持多国语言版本。2013年受彭博社邀请开发函数式语言编译器,创建的BuckleScript项目后被Meta等公司采用。2017年回国后成为Meta中国大陆唯一软件工程师,维护BuckleScript并参与Flow语言开发。
2022年加入IDEA研究院创立基础软件中心,带领团队开发MoonBit编程语言及工具链,该语言基于WebAssembly设计,支持云计算与AI开发,已适配RISC-V指令集并进入北京大学、清华大学课程体系。OCaml语言项目获2023年SIGPLAN软件大奖。截至2025年,MoonBit用户已超过10万,预计2027年初达到近100万用户。
三层解耦 × 三大Agent:货拉拉私域营销的多模态引擎实战
拥有丰富的NLP算法与大模型跨场景业务落地经验,专注于通过AI Agent技术提升业务效率。擅长将大模型与客服、私域、判责、舆情等场景融合,推动 AI 在实际业务中可控、可用、可落地。
Agentic4Rec:理论、算法、大规模工业落地应用与挑战
清华大学毕业,高级算法研究员。研究方向涵盖信息检索、推荐系统与多模态内容理解。2019年加入腾讯,专注于用户增长场景的算法研发;近年研究重心聚焦生成式推荐(GenRec)、大模型推荐(LLM4Rec)与智能体推荐(Agent4Rec)等前沿方向。研究成果发表于 ICML、ACL、WWW、SIGIR、KDD、RecSys 等领域顶级会议,相关算法已在十亿级推荐场景中成功落地。
vivo数据研发治理平台DataAgent能力落地实践
深耕中间件与大数据研发15年,主导vivo公司级大数据平台BDSP从0到1落地,覆盖数仓、开发与分析全链路。近年专注AI大模型与数据平台融合创新,持续赋能业务,创造惊喜与价值。
基于AgentScope的金融数据平台Agentic进化之路
瓴岳科技(洋钱罐)数据平台工具组负责人,拥有多年大数据领域相关工程化经验。主导设计并落地 DataPilot 一站式数据开发平台以及 AI Agentic 架构,深度参与基于 AgentScope 的生产级 Data Agent 集成实践。
守矩驭智:知鸟企培智能体技术体系赋能金融企业高质量发展
曾任职百度、搜狗、腾讯等知名企业,深耕AI算法、搜广推算法等领域。现任平安知鸟AI负责人,专注于AI技术在企业培训场景的落地与创新,助力企业在AI时代实现组织能力跃迁。
Agentic AI重塑金融生产力:平安集团智能体平台的探索与实践
清华大学智能技术与系统国家重点实验室信号与信息处理专业硕士,26年人工智能和大数据经验。现任平安科技算法平台部负责人,全面统筹智能体平台及模型训推平台从技术研发到体系化建设的全链条工作。曾获2020年度吴文俊人工智能科技进步一等奖、2022年度广东省科技进步一等奖、2022年度中国人民银行金融科技发展奖二等奖、2024年度中国人民银行金融科技发展奖二等奖等重要荣誉。