专场出品人：雷小平
腾讯 IEGG AI Infra 技术总监
目前负责腾讯 IEGG AI Infra 技术体系建设。拥有十余年大数据研发与架构经验，曾主导 QQ 数据平台、神盾推荐引擎及大数据商业化产品的架构设计与落地，长期深耕大数据与 AI 基础设施方向，致力于打造高可用、可扩展的 AI 基础设施。
Agent Infra与AgentOps
专场定位：Agent大规模部署运行的基础设施、运维体系与成本治理。
内容覆盖维度：
▪ Agent基础设施：运行时环境、调度引擎、弹性伸缩与资源编排
▪ Agent原生云架构：Agent Native Cloud的设计理念与工程实践
▪ Agent可观测性：分布式Agent的追踪、日志、指标与调试
▪ Token经济学与FinOps：Token成本优化、预算控制、模型路由策略
▪ 从POC到生产的工程化挑战：可靠性、延迟、成本与规模化运维
毛文安
AgentSight 的策略引擎与系统级防护
阿里云智能集团 高级技术专家
长期专注于 GPU 与 eBPF 系统级可观测性、AI Agent 运行时观测、诊断方向。主导 AgentSight 项目——一套基于 eBPF 的系统级 AI Agent 可观测与防护方案：通过在内核层直接观测 Agent 的系统调用、文件与网络行为，为自主 Agent 提供绕过 LLM 语义幻觉的真实行为轨迹采集与实时拦截能力。同时参与 AIProfiling（面向 GPU/智算集群的性能诊断与开源）等系统软件的设计和落地，在 CUDA/PTX 底层、容器与 eBPF 权限模型、内核侧数据采集等方向有较深积累。相信 Agent 时代的可信与安全，最终要落到系统层与内核侧的真实观测与强制执行上，而不能只依赖提示词与框架自律。
议题背景：
AgentSight 是一套基于 eBPF 的系统级 AI Agent 可观测与防护方案。不同于依赖框架埋点或提示词审查的路线，它在内核层直接观测 Agent 进程的系统调用、文件与网络行为，天然绕过 LLM 语义幻觉与框架差异。本次演讲将拆解其策略引擎 如何以"观测—检测—拦截"三级机制，借助 BPF-LSM 在系统调用发生的瞬间完成实时防护：既完整记录 Agent 行为轨迹以支撑事后溯源，又能在危险操作（越权文件写、敏感命令执行、异常外联）落地前将其拦截或阻断。我们将结合真实攻防案例，展示如何以极低开销为自主 Agent 建立一道运行时"最后防线"。
AgentSight 是一套基于 eBPF 的系统级 AI Agent 可观测与防护方案。不同于依赖框架埋点或提示词审查的路线，它在内核层直接观测 Agent 进程的系统调用、文件与网络行为，天然绕过 LLM 语义幻觉与框架差异。本次演讲将拆解其策略引擎 如何以"观测—检测—拦截"三级机制，借助 BPF-LSM 在系统调用发生的瞬间完成实时防护：既完整记录 Agent 行为轨迹以支撑事后溯源，又能在危险操作（越权文件写、敏感命令执行、异常外联）落地前将其拦截或阻断。我们将结合真实攻防案例，展示如何以极低开销为自主 Agent 建立一道运行时"最后防线"。
内容大纲：
1. 为什么 Agent 需要系统级防护
1.1 应用层埋点 / 提示词审查的三大盲区：幻觉、可绕过、无源码可依
1.2 从"信任 Agent 会自律"到"在内核假设 Agent 不可信"
1.2 从"信任 Agent 会自律"到"在内核假设 Agent 不可信"
2. AgentSight 架构总览
2.1 用 eBPF 在内核观测 Agent 的系统调用 / 文件 / 网络行为
2.2 本地优先（local-first）的数据面与行为轨迹存储
2.2 本地优先（local-first）的数据面与行为轨迹存储
3. 策略引擎：观测—检测—拦截三级机制
3.1 观测层：全量行为边日志与离线溯源建图
3.2 检测层：策略 DSL 与标签 / 污点传播
3.3 拦截层：BPF-LSM 在系统调用瞬间 block / kill
3.2 检测层：策略 DSL 与标签 / 污点传播
3.3 拦截层：BPF-LSM 在系统调用瞬间 block / kill
4. 系统级防护实战
4.1 越权文件写与敏感命令执行的实时拦截
4.2 危险外联与数据外泄的边界管控
4.3 开销与误报：生产可用性的工程权衡
4.2 危险外联与数据外泄的边界管控
4.3 开销与误报：生产可用性的工程权衡
5. 总结与展望：把防护做到 Agent 运行时的"最后一公里"
听众受益：
1. 看清应用层 Agent 防护的根本盲区，理解为什么系统级 / 内核级观测是绕不开的一环
2. 掌握"观测—检测—拦截"三级防护的设计思路，可迁移到自研 Agent 平台
3. 了解 eBPF / BPF-LSM 做实时拦截的能力边界与工程开销：哪些能做、哪些做不到
4. 获得一套可落地的 Agent 运行时安全策略参考（文件、命令、网络三类边界）
1. 看清应用层 Agent 防护的根本盲区，理解为什么系统级 / 内核级观测是绕不开的一环
2. 掌握"观测—检测—拦截"三级防护的设计思路，可迁移到自研 Agent 平台
3. 了解 eBPF / BPF-LSM 做实时拦截的能力边界与工程开销：哪些能做、哪些做不到
4. 获得一套可落地的 Agent 运行时安全策略参考（文件、命令、网络三类边界）
陈琛
Agentic AIOps 落地：端到端 RCA Agent 驱动的故障处理全流程闭环实践
vivo 监控与运维平台负责人
vivo 互联网基础平台部监控与运管平台负责人，负责监控可观测、AI 运维与 AI FinOps 三个方向的产品研发。 在 AIOps 领域深耕多年，主导构建 vivo 的 RCA（根因分析）Agent 体系，覆盖应用、日志、域名、主机、容器、自定义指标与端侧 crash 全场景，从服务端延伸至端侧形成完整的根因分析闭环，服务公司互联网业务的日常稳定性保障。 在 AI 时代基础设施方向，主导 AI FinOps 平台建设，实现 AI 工具与模型的全生命周期管理，覆盖成本洞察、预算与配额管控、效能分析，探索大模型时代模型作为新资源品类的计量、分摊与治理路径。 擅长将复杂业务问题转化为可工程化的技术方案，注重从"能用"到"好用"的演进，在 Agent 落地、告警治理与成本运营方向有较多实战沉淀。
议题背景：
在 AIOps 从算法驱动向 Agentic 系统化演进的当下，告警收敛、故障定位、自动修复等运维智能体密集涌现，Agent 正在重塑运维作业方式。但故障处理全流程——从问题发现、召集到根因定位——场景天然开放：故障信号难以穷尽、根因路径无法预先枚举、业务语义难以标准化，把全部数据"喂"给大模型的做法在实践中必然失效。这让故障处理成为 Agent 落地中最难啃、也最有价值的战场。作为 vivo 监控与运维研发团队，我们依托海内外几十万移动拨测节点，以 RCA Agent × OnCall 助手双 Agent 协同，构建了覆盖问题发现、召集、根因分析、修复与复盘的故障处理全流程闭环。本次分享聚焦这一闭环的架构设计、工程细节与真实成效，并探讨运维 Agent 的下一步演进。
在 AIOps 从算法驱动向 Agentic 系统化演进的当下，告警收敛、故障定位、自动修复等运维智能体密集涌现，Agent 正在重塑运维作业方式。但故障处理全流程——从问题发现、召集到根因定位——场景天然开放：故障信号难以穷尽、根因路径无法预先枚举、业务语义难以标准化，把全部数据"喂"给大模型的做法在实践中必然失效。这让故障处理成为 Agent 落地中最难啃、也最有价值的战场。作为 vivo 监控与运维研发团队，我们依托海内外几十万移动拨测节点，以 RCA Agent × OnCall 助手双 Agent 协同，构建了覆盖问题发现、召集、根因分析、修复与复盘的故障处理全流程闭环。本次分享聚焦这一闭环的架构设计、工程细节与真实成效，并探讨运维 Agent 的下一步演进。
内容大纲：
1. Agent 重塑运维的当下，故障处理为何是最难啃的战场
2. 双 Agent 驱动的故障处理全流程闭环设计
3. 实践
4. 效果与演进
听众收益：
1. 了解 Agent 在根因分析场景落地的业务资产构建方法论，以及从服务端延伸到端侧的 RCA 闭环设计思路。
2. 了解对抗噪声与幻觉的工程化手段（置信度评估、算子进化、Benchmark 评价）及其在具体业务场景中的实践经验。
李光水
SysAgent：AI Profiling 与 AI 基础设施智能诊断实践
阿里云 技术专家
阿里云技术专家，现从事 AI 基础设施可观测方向研发，聚焦大规模 GPU 集群的性能剖析、异常发现、故障诊断与工程化落地。参与 SysAgent 的建设，将 AI Profiling 采集与分析、多源观测数据、领域诊断能力和大模型推理结合，为训练与推理任务提供从异常发现、证据采集到根因分析和处置建议的完整诊断链路。相关能力已应用于万卡GPU 集群，目标是把依赖少数专家的复杂排障经验沉淀为可复用、可持续演进的智能诊断能力。
议题背景：
大规模 AI 训练与推理涉及 GPU、网络、系统及训练框架等多层信号，传统监控往往只能呈现数据，复杂问题仍依赖专家跨系统排查。本次演讲将介绍 SysAgent 在 AI 基础设施可观测与诊断方面的实践：一方面分享 AI Profiling 的采集技术、部署方式与数据分析链路；另一方面结合真实 AI 基础设施系统，讲解如何组织性能剖析、异常感知与融合研判能力，让 Agent 基于真实观测证据完成异常分析、根因判断和处置建议输出，并通过典型故障场景说明其工程价值与能力边界。
大规模 AI 训练与推理涉及 GPU、网络、系统及训练框架等多层信号，传统监控往往只能呈现数据，复杂问题仍依赖专家跨系统排查。本次演讲将介绍 SysAgent 在 AI 基础设施可观测与诊断方面的实践：一方面分享 AI Profiling 的采集技术、部署方式与数据分析链路；另一方面结合真实 AI 基础设施系统，讲解如何组织性能剖析、异常感知与融合研判能力，让 Agent 基于真实观测证据完成异常分析、根因判断和处置建议输出，并通过典型故障场景说明其工程价值与能力边界。
内容大纲：
1. AI 基础设施排障面临的新挑战
1.1 跨应用、系统、网络与 GPU 的复杂问题
1.2 告警、指标、日志、调用栈与 Profiling 数据分散
1.3 从展示数据走向结论 + 证据 + 建议
1.2 告警、指标、日志、调用栈与 Profiling 数据分散
1.3 从展示数据走向结论 + 证据 + 建议
2. AI Profiling 的采集与自动分析
2.1 从任务发起、Trace 采集到瓶颈归因
2.2 AI Profiling、Python 栈与火焰图的组合分析
2.3 将海量原始数据转化为结构化诊断结论
2.2 AI Profiling、Python 栈与火焰图的组合分析
2.3 将海量原始数据转化为结构化诊断结论
3. SysAgent 的 AI 基础设施观测与诊断实践
3.1 性能剖析、异常感知与融合研判
3.2 领域观测能力与大模型推理结合
3.3 从异常发现到处置建议的诊断闭环
3.4 任务级巡检、告警分级与根因分析
3.2 领域观测能力与大模型推理结合
3.3 从异常发现到处置建议的诊断闭环
3.4 任务级巡检、告警分级与根因分析
4. 用户实践案例
听众受益：
1. 了解 AI Profiling 在 Kubernetes 与 GPU 集群中的采集对象、部署方式和完整分析链路。
2. 理解如何在真实 AI 基础设施系统中组织性能剖析、异常感知与融合研判能力。
3. 掌握多源观测信号交叉验证、减少误报并形成可执行诊断结论的方法。
4. 通过分布式训练变慢、模型启动缓慢和大规模建连失败等案例，获得可复用的排障思路。
5. 了解大模型进入基础设施诊断链路后的适用边界、工程代价与评测方法。
听众受益：
1. 了解 AI Profiling 在 Kubernetes 与 GPU 集群中的采集对象、部署方式和完整分析链路。
2. 理解如何在真实 AI 基础设施系统中组织性能剖析、异常感知与融合研判能力。
3. 掌握多源观测信号交叉验证、减少误报并形成可执行诊断结论的方法。
4. 通过分布式训练变慢、模型启动缓慢和大规模建连失败等案例，获得可复用的排障思路。
5. 了解大模型进入基础设施诊断链路后的适用边界、工程代价与评测方法。
高飞 Feyn
GUI Agent 如何可靠完成任务？从多模态模型到跨端应用的系统设计与实践
AUUO.ai Pure-Vision QA Agent 技术负责人
1. AUUO.ai Pure-Vision QA Agent 技术负责人
2. 前快手资深架构师，负责 App 架构方向，支持近 4亿日活 App 的稳定性保障和近千人工程师团队开发效率提升
3. 爱奇艺资深工程师 负责游戏直播、移动客户端弹幕开发，领先应用 AI 技术于产品中，获得媒体关注，业界领先渲染技术
4. 同济软件工程
2. 前快手资深架构师，负责 App 架构方向，支持近 4亿日活 App 的稳定性保障和近千人工程师团队开发效率提升
3. 爱奇艺资深工程师 负责游戏直播、移动客户端弹幕开发，领先应用 AI 技术于产品中，获得媒体关注，业界领先渲染技术
4. 同济软件工程
议题背景：
随着多模态大模型的发展，GUI Agent 正从界面理解与单步操作，走向浏览器、桌面和移动端的复杂任务执行，为信息采集、表单填写、文件处理和跨应用协作提供新的自动化路径。但要将模型能力转化为实际应用，仍需解决目标定位、多步规划、状态管理、失败恢复和结果验证等工程问题。
本次分享将围绕 GUI Agent 的完整技术链路，结合 Qwen-VL、UI-TARS 等模型，以及 Pi、mobile-use、Midscene 等系统的设计思路，拆解从视觉感知、任务编排到跨端执行的关键架构。在此基础上，通过典型应用场景，讨论如何选择有价值的任务、构建可验证的业务闭环，并通过评测和数据回流持续提升系统的可靠性与应用效果。
随着多模态大模型的发展，GUI Agent 正从界面理解与单步操作，走向浏览器、桌面和移动端的复杂任务执行，为信息采集、表单填写、文件处理和跨应用协作提供新的自动化路径。但要将模型能力转化为实际应用，仍需解决目标定位、多步规划、状态管理、失败恢复和结果验证等工程问题。
本次分享将围绕 GUI Agent 的完整技术链路，结合 Qwen-VL、UI-TARS 等模型，以及 Pi、mobile-use、Midscene 等系统的设计思路，拆解从视觉感知、任务编排到跨端执行的关键架构。在此基础上，通过典型应用场景，讨论如何选择有价值的任务、构建可验证的业务闭环，并通过评测和数据回流持续提升系统的可靠性与应用效果。
内容大纲：
1. GUI Agent 与 Computer Use：技术演进与核心挑战
1.1 从传统 UI 自动化到 GUI Agent：交互方式、任务范围与适用场景
1.2 浏览器、桌面和移动端的差异：界面观测、操作能力与环境约束
1.3 可靠执行的关键难点：动态界面、长程任务、状态变化与结果判定
1.2 浏览器、桌面和移动端的差异：界面观测、操作能力与环境约束
1.3 可靠执行的关键难点：动态界面、长程任务、状态变化与结果判定
2. VLM 能力底座：从看懂界面到生成操作
2.1 核心能力拆解：界面理解、目标定位（Grounding）、视觉推理与动作生成
2.2 Qwen-VL 与 UI-TARS：通用视觉能力与 GUI 专项能力的设计思路
2.3 模型选型与组合：规划和定位的分工，以及准确率、延迟和成本的权衡
2.2 Qwen-VL 与 UI-TARS：通用视觉能力与 GUI 专项能力的设计思路
2.3 模型选型与组合：规划和定位的分工，以及准确率、延迟和成本的权衡
3. Agent Harness 工程：如何组织可靠的执行闭环
3.1 以 Pi 为例：模型接入、工具扩展、会话状态与上下文管理
3.2 核心循环设计：观察界面—规划步骤—执行动作—验证状态—调整计划
3.3 长任务可靠性：进度记录、超时重试、失败恢复与人工接管
3.2 核心循环设计：观察界面—规划步骤—执行动作—验证状态—调整计划
3.3 长任务可靠性：进度记录、超时重试、失败恢复与人工接管
4. 跨端 Agent 系统设计：mobile-use、Midscene 与 Cua
4.1 mobile-use：移动端任务分解、设备交互与执行编排
4.2 Midscene：自然语言操作、视觉断言与自动化流程编排
4.3 Cua 等基础设施：操作接口、隔离环境与执行轨迹，连接模型、Harness 和设备
4.2 Midscene：自然语言操作、视觉断言与自动化流程编排
4.3 Cua 等基础设施：操作接口、隔离环境与执行轨迹，连接模型、Harness 和设备
5. GUI Agent 应用落地：从任务执行到业务闭环
5.1 场景选择：识别适合 GUI Agent 的任务，评估自动化价值、实施难度与应用边界
5.2 典型应用：信息采集、表单填写、文件处理与跨应用流程协作
5.3 落地案例：从用户目标、执行过程到结果验收，分析成功经验、失败原因与改进路径
5.2 典型应用：信息采集、表单填写、文件处理与跨应用流程协作
5.3 落地案例：从用户目标、执行过程到结果验收，分析成功经验、失败原因与改进路径
6. 评测体系、数据闭环与未来演进
6.1 分层评测：模型感知与定位能力、Agent 任务执行能力、应用结果与业务价值
6.2 评测集与指标：参考 OSWorld、AndroidWorld，结合业务任务衡量完成率、结果正确率、人工干预率、执行耗时与单任务成本
6.3 持续迭代：失败轨迹回流、可复用 Skills、任务记忆与人机协作
6.2 评测集与指标：参考 OSWorld、AndroidWorld，结合业务任务衡量完成率、结果正确率、人工干预率、执行耗时与单任务成本
6.3 持续迭代：失败轨迹回流、可复用 Skills、任务记忆与人机协作
听众收益：
1. 理解 GUI Agent 的技术分层，明确 VLM、Agent Harness、操作框架与运行环境的职责。
2. 掌握跨端 GUI Agent 的设计方法，以及多步执行、失败恢复和结果验证的工程思路。
3. 了解 GUI Agent 的典型应用与场景选择方法，建立从任务设计、结果验收到效果评测的落地路径。
1. 理解 GUI Agent 的技术分层，明确 VLM、Agent Harness、操作框架与运行环境的职责。
2. 掌握跨端 GUI Agent 的设计方法，以及多步执行、失败恢复和结果验证的工程思路。
3. 了解 GUI Agent 的典型应用与场景选择方法，建立从任务设计、结果验收到效果评测的落地路径。
Agentic AICon 组委会是由业界多位资深技术专家发起，负责组织技术指导委员会，并和委员会的专家一起挖掘全球软件工程领域的创新技术，同时依托智盟创课国内领先的人才能力提升服务供应商，组织专业的会务服务团队，全面推进会议的顺利落地，保证参会者体验。
服务总线：400-183-9980
商务合作：151-2264-3988 木子
票务联系：185-1306-7287 静秋老师
E-mail：speaker@qecon.com.cn
关注SECon公众号
添加SECon小助手，获取
会议最新资讯
