从Agent到Multi-Agentc的智能跃迁-2025深圳站_SECon全球软件工程技术大会-橙柚科技

专场出品人：韩艾

京东集团算法总监

中国科学院与美国康奈尔大学联合培养博士，北京大学双学士。现任京东集团算法总监，京东零售数据与算法通道委员，CCF 大赛专家委员会专家、京东赛题全球发布人，QCon大会优秀出品人和明星讲师。兼任中国科学院大学硕士企业导师、北京工业大学硕士企业导师、西安电子科技大学客座教授。在国际顶级期刊发表学术论文数十篇。专注AI技术创新，主持设计了Multi-Agent Planning算法架构并落地京东商家智能助手，擅长多Agent动态规划与协同训练、LLM微调与强化学习。

专场：从Agent 到Multi-Agent的智能跃迁

在人工智能技术持续突破的浪潮下，单一智能体（Agent）的局限性日益凸显，而基于多智能体（Multi-Agent）协同的下一代智能体系正成为技术演进的核心方向。
本专题以“从单体智能到群体智能的升维进阶”为脉络，深度探讨多智能体协作框架中分布式决策、动态博弈与联合学习等关键能力如何突破复杂任务求解的瓶颈，推动智能系统向更高层次的自主性、适应性与开放性迈进。汇聚全球顶尖学者与产业先锋，结合鲜活案例，揭示多智能体协同如何重构人机协作的边界，为通用人工智能（AGI）的终极目标铺设现实路径。

赵忠杰

从workflow到agent：构建自己的自主智能体

网易技术专家

16年毕业于中南大学，曾就职于美团，现担任网易技术专家。负责过crm、云计算商业化运营平台等领域的架构设计及研发工作。20年初从0到1参与并主导了Codewave智能研发平台的架构设计及落地工作，研发效率提升60%+，研发成本降低50%+。25年转向网易coreagent智能体研发平台的架构设计及落地工作中，包含知识库、智能体编排及自主智能体三部分，旨在作为智能协作中枢帮助企业业务完成AI化智能升级。擅长DDD、复杂领域业务建模、智能研发平台建设、智能体平台建设等。

随着manus的爆火以及openmanus等技术的横空出世，带来了非常惊艳的智能体产品形态，一时间，agent仿佛都迈向了自主决策、自主任务执行、自主记忆的自主智能体时代。本次演讲会从网易自研自主智能体平台coreagent出发，讲解如何通过自主agent，mcp协议，运行沙箱，长短记忆管理等技术构建一个自主智能体产品。

内容大纲
1. 智能体和自主智能体技术的发展
1.1 智能体的概念和智能体的发展
1.2 编排类智能体的劣势和自主智能体的优势
1.3 自主智能体能力展示
2. 自主智能体技术背景
2.1 自主决策介绍-reAct/plan&execute 智能体
2.2 网络化协作 vs. 工作流编排的优劣
2.3 经验、反思与持续学习：驱动agent能力进化的引擎
3. 自主智能体技术实现
3.1 产品整体架构
3.2 模型能力选择
3.3 mcp管理和接入
3.4 运行时沙箱介绍
3.5 工具细节-browser use
3.6 工具细节-文件管理
3.7 记忆的管理和优化
4. 总结

洪思睿

OpenManus：通用Agent设计与实践

DeepWisdom 算法负责人

DeepWisdom（MetaGPT）NLP/AIGC方向算法负责人，负责算法研发、科研及开源工作。曾获NeurIPS 2019 AutoDL-NLP世界冠军，开源多智能体框架MetaGPT论文（ICLR 2024 Oral）一作，及AFLOW（ICLR 2025 Oral）作者之一。OpenManus核心贡献者，目前主要关注智能体（多智能体）系统设计&性能优化，专注智能体在代码生成、复杂数据分析及推理能力增强等应用效果。多篇研究成果已发表于TPAMI、ICLR等国际顶级学术会议与期刊。

随着智能体开发技术的不断进步，对轻量级且多功能的基于LLM的多智能体框架的需求日益增长。我们介绍了OpenManus，一种通用的多智能体框架，旨在支持适应性、自主性和可扩展的智能体。OpenManus基于MetaGPT的技术经验，强调轻量化设计，专为通用智能体应用量身定制。我们概述了关键的架构改进，使其能够在不同环境中高效运行，通过先进的推理和规划增强自主性，并在处理复杂任务时具备良好的可扩展性。实际案例展示了OpenManus如何有效解决当前智能体开发中的挑战，为更加普适的多智能体系统做出贡献。

内容大纲
1. 背景
1.1 智能体开发技术的演进
1.2 OpenManus的背景与目标
2. OpenManus的设计与架构
2.1 OpenManus整体架构
2.2核心组件 & 关键架构改进
2.3 通用能力增强
3. 通用Agent的构建实践
3.1 自主任务拆解与工具决策优化
3.2 动态调整与实时优化机制
3.3 MCP机制如何提升智能体执行能力
4. 实际应用与案例展示
4.1 OpenManus在智能体开发中的应用场景
4.2 案例分析
4.3 案例分析
5. OpenManus的挑战与未来展望
5.1 当前挑战
5.2 未来发展趋势与技术革新
5.3 使命与愿景
6. 结论
6.1 OpenManus的核心优势总结
6.2 对多智能体框架未来的展望
6.3 参与OpenManus开源社区的邀请

听众收益
1. 开源框架OpenManus技术设计
2. 了解智能体自主能力提升关键路径
3. 开源社区实践及开源创新机遇

吴晓菊

火山引擎 Data Agent：智能体驱动数据分析效能跃迁

火山引擎 Data Agent分析智能体技术负责人

南京大学软件工程硕士，10+年大数据领域技术专家，火山引擎Data Agent分析智能体技术负责人。

自 2022 年 GPT-3.5 惊艳亮相，大语言模型与 BI 系统深度融合，实现自然语言查数的探索，成为了各 BI 产品奋力前行的方向。火山引擎于 2023 年启动 ChatBI 项目，历经对多种产品形态的深入钻研与实践，不仅在抖音集团内部成功实现产品与市场的适配，还在外部实现了在多个行业、场景中的广泛应用。
本次演讲将围绕Data Agent分析智能体展开，深入剖析其在产品探索和演进过程中的宝贵经验，探讨项目落地时面临的难点及创新解决方案，展示典型实践案例，并对未来的产品形态进行前瞻性思考与展望。

内容大纲
1. 背景：产品形态演进
1.1 大模型数据分析产品形态，从「传统BI」到「LLM+BI」
1.2 Data Agent 在分析领域的产品探索历程
1.2.1 第一阶段：仪表盘Ai洞察“Copilot”
1.2.2 第二阶段：通⽤ChatBI
1.2.3 第三阶段：专⽤智能体
2. Data Agent 在分析领域的落地实践
2.1 分析智能体的大模型能力矩阵
2.2 落地难点：如何降低使用门槛、如何提升产品使用价值
2.3 对应解决方案
2.4 落地案例
3. Data Agent 分析智能体技术架构
3.1 核心架构解析
3.2 查询流程与技术要点
4. 总结与展望
4.1 持续智能体配置⻔槛
4.2 提升结果可解释性
4.3 提升分析深度

听众收益
1. 洞察 BI 演进趋势：解码从传统 BI 到 LLM+BI 的变革方向
2. 剖析实战案例：掌握Data Agent 分析智能体攻克企业数据分析痛点的策略
3. 拆解技术架构：深挖Data Agent 分析智能体核心构造与数据查询运行逻辑
4. 探索应用场景：把握Data Agent 分析智能体引领的数据分析技术走向

赵泽伟

agentUniverse多智能体框架实现专家级金融分析

蚂蚁集团智能投研架构师

蚂蚁财富智能投研架构师、agentUniverse多智能体框架架构师，曾先后任职于阿里集团业务平台事业部和蚂蚁财富投研团队。近年来专注于金融投研领域与大模型应用技术领域，致力于将两者有机结合，探索AGI在金融与泛金融场景中的新应用与可能性。

金融产业因其高度的复杂性、动态性和不确定性，一直是AI及其相关技术的应用热点。随着大模型与智能体技术的快速发展，多智能体协同模式在在解决复杂金融问题方面展现出巨大的潜力。在实际的业务发展过程中，蚂蚁集团通过使用多智能体协同范式，克服众多技术落地难点取得阶段成果。本演讲将深入探讨基于agentUniverse多智能体框架实现专家级金融分析并分享经产业验证的优秀真实案例。

内容大纲
1. 基于多智能体技术的投研智能助手案例介绍
2. 一种仿金融专家多智能体协同范式PEER介绍
3. DITR动态工具差值推理技术介绍
4. agentUniverse多智能体框架介绍

听众收益
1. 理解多智能体协同机制的优势以及如何解决金融产业问题
2. 理解多智能体协同机制在金融产业落地过程中的挑战与难点
3. 理解一种仿金融专家多智能体协同范式PEER如何提高金融类任务效果
4. 理解面向未来多智能体协同机制在金融产业中如何发挥更大的作用

甘纯

智能博弈与动态优化：AI Agent在京东广告拍卖中的创新实践

京东资深架构师

21年7月加入京东，是集团第五届博士管培生，资深架构师，负责京东广告机制设计。
在此之前，分别于上海交通大学以及美国威斯康星大学麦迪逊分校数学系取得了本科和博士学位，
博士期间研究方向为理论数学、机器学习以及NLP，其中NLP相关工作获得了ACL2021 最佳论文奖。

1. 背景和问题抽象定义
在线广告拍卖
在线广告拍卖是电商平台的主要收入来源。目前广泛采用的是全站营销系统。在此系统中不会显示地区分广告流量和自然流量，平台通过统一的系统对所有流量进行分配与计费。广告主在全局流量中表达其达成目标，平台负责在各广告位根据实时达成进行分配计费。
由于系统需要对所有流量进行统一中心化的分配与计费，因此需要实时针对在线流量特征，以及不同广告位的实时信息进行自适应调整。
有哪些agent：平台和广告主
广告主角度：介绍智能出价系统。其理论上可以看作一个以价值最大化为目标，且包含ROI约束以及预算约束。从实际应用中看，目前智能出价系统广泛采用的几类算法包括传统基于目标误差的控制算法以及基于强化学习的算法。
平台角度：平台视角下的机制包含两个部分。第一部分是微观视角下的机制，它决定了每次拍卖的分配结果。第二部分是广义视角下的机制，它决定了一段时间内机制的宏观切换，以及针对不同目标的偏好，不同广告主达成情况进行的相应改变。
博弈的问题是什么
博弈的含义是平台与众多广告主在互动中，需要通过建模广告主行为以及拍卖均衡进行对应的机制设计。由于平台在进行机制切换时，广告主也会作出对应的反应，因此需要作为一个博弈环境讨论。
在智能出价驱动的广告主系统中，博弈均衡不同于传统的IC机制。因此需要重新建模广告主目标达成对其出价策略的影响。
2. RL-Agent formulation
状态、动作、奖励等的定义
状态：当前流量特征、广告主的当前状态信息等
动作：机制的宏观调节
奖励：累计多目标收益：Revenue、GMV、ADV等
3. 训练算法和应用
Bid Agent的训练
强化学习（多智能体系统）
4. 效果

薛明

MemFuse：构建智能体（Agent）记忆与认知新范式

Percena AI 创始人兼 CEO

Percena AI 创始人兼 CEO，拥有10年以上医疗和零售领域应用机器学习和人工智能的经验。曾就职于通用电气、复星等知名企业。长期专注于医学图像、自然语言处理以及数据科学的研发，包括训练/推理框架、数据挖掘与分析等领域。于2024年7月创立AI产品团队，负责基于大模型的应用产品开发，如 RAG & Agent 等。

我们近期开源的MemFuse框架，其设计灵感源⾃⼈类认知过程与计算机体系架构，致⼒于为AI智能体（Agent）构建⼀套更⾃然、⾼效且强⼤的记忆体系。本次演讲将深⼊剖析MemFuse的创新架构⸺它如何巧妙融合分层记忆、缓冲（Buffer）系统以及多路召回与融合机制，从⽽⾰新AI系统信息存储、处理与检索的范式。

我们将逐⼀解析MemFuse架构的核⼼组件：
• 其三位⼀体的分层记忆系统，精妙模拟了⼈类的情景记忆、语义记忆与概念记忆的协同运作；
• 其模块化的缓冲（Buffer）系统，借鉴计算机系统缓存思想，⾼效优化数据写⼊流、实现预测性预取，显著提升系统运⾏速度与效率；
• 其智能多路召回与排序引擎，有机结合向量、图谱与关键词等多元检索技术，并辅以⾼效的融合排序算法，⼤幅提升信息检索的精准度与覆盖⾯。

同时，我们还将展望MemFuse的未来发展蓝图，计划引⼊记忆巩固、注意⼒机制及智能遗忘等仿⽣学设计。本次演讲，您将深刻洞悉MemFuse这⼀开源框架的设计哲学与核⼼优势，理解其不仅是对现有AI记忆系统的增量改进，更是在性能、可扩展性及类⼈智能的理解与交互层⾯，对未来可能性边界的一次⼤胆重塑与前瞻探索。

内容大纲

1. 引⾔：AI 智能体记忆的挑战与认知启⽰
1.1 AI系统中记忆核⼼地位的凸显
1.2 传统记忆架构的瓶颈与不⾜

1.3 ⼈类记忆的认知机理与仿⽣价值
2. MemFuse：架构哲学与核⼼设计
2.1 整体架构蓝图解析
2.2 模块化与可扩展性设计
3. 分层记忆系统：师法⼈类，逐层构建认知
3.1 L0 瞬时记忆层：原始数据印刻 (类⽐情景记忆)
3.2 L1 语义记忆层：结构化事实提炼 (类⽐语义记忆)
3.3 L2 概念知识层：深度知识图谱构建 (类⽐概念记忆)
4. ⾼效缓冲（Buffer）系统：优化数据链路，提升响应效率
4.1 写⼊缓冲区（WriteBuffer）：聚合写⼊，提升吞吐
4.2 推测缓冲区（SpeculativeBuffer）：智能预取，加速读取
4.3 查询缓冲区（QueryBuffer）：缓存热点，优化复查
5. 智能检索与排序引擎：精准触达，优化呈现
5.1 多路召回策略：向量、图谱与关键词协同发⼒
5.2 智能融合与重排：提升检索结果质量与多样性
6. 未来展望：迈向更智能的记忆与认知
6.1 深度仿⽣：融合记忆巩固、注意⼒与智能遗忘

6.2 多模态信息处理与理解能⼒的拓展
6.3 分布式架构与持续性能优化探索
7. 总结：MemFuse⸺开启AI记忆新纪元
7.1 核⼼创新与价值贡献
7.2 应⽤前景展望与潜在影响
7.3 仿⽣记忆系统的未来发展⽅向

黄闻欣

腾讯云可观测智能体进化：实践与沉思

腾讯技术总监

自 2009 年加入腾讯以来，曾管理系统测试团队，性能专项工程团队和可观测 RUM 的业务团队，深耕技术管理和团队效能提升、 AI 赋能。当前，腾讯云性能工程建设之外，还负责腾讯云可观测 AI 产品和业务，期望 AI 可以让专家经验普惠到每一个研发，让企业通过开放式的 AI 打造自己独有的竞争力。

本次演讲从腾讯云可观测平台实践出发，深入探讨智能体技术在云原生可观测领域的应用进程与思考。作为前沿实践者，将分享我们从工作流驱动的确定性方案到拥抱AI灵活性的技术演进历程，剖析实际落地中遇到的挑战与解决方案。通过真实案例展示可观测智能体如何应对数据噪声、上下文限制等技术难题，同时探讨AI能力从召回到创作的进化路径。这不仅是技术分享，更是对云原生时代智能运维发展方向的深度思考。

内容大纲
1. 从工作流开始的实践
1.1 选择工作流的绝对优势：确定性和成本效益分析

1.2 是起点不是终点：工作流与自然语言构建的协同进化策略
1.3 可观测上的实践：APM/RUM微解决方案的实际应用与效果评估
2. 可观测AI的技术转向
2.1 从确定性到灵活性：重新评估AI在全局可观测中的潜力与限制
2.2 可观测AI工作台实践：数据噪声抑制与上下文长度优化的技术突破
2.3 可观测验证体系构建：测试用例、数据集与用户场景的三位一体验证方法
3. 沉思：可观测智能体的演进方向
3.1 初代AI的召回价值：搜索、广告与推荐的技术启示
3.2 AI能力六阶进化路径：从召回到理解、应用、分析、评估与创作
3.3 知识到经验：AI在可观测领域从理论到实践的转型
3.4 Agent作为探索起点："探索-固化"的功能演进机制设计

听众收益
1. 获取可观测智能体实践经验，提升AI快速发展环境下的技术决策能力
2. 掌握Agent效果评估的系统方法与关键指标
3. 了解ReAct Agent、MCP等前沿技术在实际落地中的挑战与解决方案

高原

金融领域Agent的进化之路

宇信科技总工办总经理

宇信科技集团总工办总经理，目前负责宇信集团在大语言模型方向的研究与应用规划。深耕于大数据与AI应用领域，具有深厚的研究积累与丰富的实践经验。

其主持研发的城市大脑产品成效显著，获央视新闻重点报道。在金融大模型应用这个新兴领域，成功带队孵化出智能尽调、智能流水分析、ChatBI等多款创新产品，已在国有银行，股份制银行等多家机构落地。

在金融大模型的业务价值发掘，技术路径规划，算法设计以及端到端工程实现等方面具有系统性认知与实践沉淀。

近期金融行业对大模型的需求呈现出爆发性增长，与此同时金融行业对大模型应用也有自身严苛的要求。本次演讲将介绍Agent技术在金融领域多个业务场景的业务价值与实际实现方法。内容涵盖Agent技术在金融行业这类强管控业务模式中的实现要点，多智能体机制在规则解读，业务审核等方面的实际应用。同时也讲分析Agent技术在金融生产领域应用所面临的挑战。

内容大纲

1. Agent技术在金融行业的应用综述

1.1 智能尽调应用

1.2 智能流水分析

1.3 合同审核

2. 金融Agent技术应用的关键技术要点

2.1 上下文(Context)与边界(Boundary)

2.2 提升Agent行为的遵从性与可解释性

2.3 提升Agent的可控自主性

3. 数据集成能力是智能应用的关键

3.1 非结构化数据处理能力

3.2 MCP在系统集成中的作用