专场出品人：张海立
LangChain Ambassador
《LangGraph实战》《LangChain实战》作者，LangChain 官方大使，LFAPAC 开源布道师。B 站万粉 UP 主，开源爱好者，长期关注和致力于 GenAI、云原生和前沿互联网技术的技术落地和推广。曾就职于英特尔亚太研发有限公司，担任高级研发经理和架构师。
专场：Agent 开发框架应用与实践
Agent作为智能体技术落地的核心载体，正成为连接大模型能力与产业场景的关键纽带——其开发框架的成熟度，直接决定了智能应用的落地效率、功能深度与场景适配性，是当前AI工程化领域的核心突破方向之一。本专场内容覆盖深度智能体的能力升级 ，以及相关工具生态加速Agent开发运营的前沿视角，再到垂类场景的实践路径（含技术踩坑、效果优化）展现AI从“工具级应用”到“体系化智能”的演进思路。
付铖
Agent的"淘宝"MuleRun: 如何加速Agent的开发运营
MuleRun CPO
CPO, MuleRun
Serial entrepreneur，Led the company in developing Al products thatgenerated over 10 million in annual revenue.
Serial entrepreneur，Led the company in developing Al products thatgenerated over 10 million in annual revenue.
1. Agent带来的变化
1.1 Agent正在快速改变企业内软件生态
1.1.1 以Coding Agent为例（coding agent 让内部软件的开发变得更简单和高效）
1.1.2 以boss直聘自动化为例（agent这个新类型的软件正在替代企业内一些重复劳动岗位）
1.1.3 很多‘临时软件’得以诞生
1.2 Agent开发者与传统软件开发者产生了分野（‘开发者’通货膨胀）
1.2.1 Agent开发者不再硬性要求软件工程技术，而是行业和流程 （以N8N为例）
1.2.2 Vibe coding的发展也显著扩大了开发者群体的人数
2. MuleRun的产品洞察与机遇
2.1 通胀后的开发者人群意味着必须有更低的门槛
2.2 通胀后的开发者人群更不懂技术运维和商业运营
2.3 大量‘临时软件’占有了一些低端白领工作的劳动价值
2.4 因此，Agent需要有相配套的基础设施和平台
3. Agent需要什么样的Infra以及我们的实践
3.1 Agent需要什么样的工具
3.1.1 mulerun的一些实践
3.2 Agent需要什么样的框架和运行时环境
3.2.1 现在框架太多了，迎来淘汰赛
3.2.2 mulerun的框架中立实践案例
3.3 Agent需要什么样的运行时环境
3.3.1 以E2B和scrappybara为例
3.4 Agent需要什么样的交互协议标准
3.4.1 mulerun的API和运行端实践
3.5 Agent开发运营还缺乏哪些设施
3.5.1 好的观测工具，能帮助开发者运维
3.5.2 好的评估反馈系统，能帮开发者优化Agent
3.5.3 好的变现渠道，能帮助开发者赚钱
1.1 Agent正在快速改变企业内软件生态
1.1.1 以Coding Agent为例（coding agent 让内部软件的开发变得更简单和高效）
1.1.2 以boss直聘自动化为例（agent这个新类型的软件正在替代企业内一些重复劳动岗位）
1.1.3 很多‘临时软件’得以诞生
1.2 Agent开发者与传统软件开发者产生了分野（‘开发者’通货膨胀）
1.2.1 Agent开发者不再硬性要求软件工程技术，而是行业和流程 （以N8N为例）
1.2.2 Vibe coding的发展也显著扩大了开发者群体的人数
2. MuleRun的产品洞察与机遇
2.1 通胀后的开发者人群意味着必须有更低的门槛
2.2 通胀后的开发者人群更不懂技术运维和商业运营
2.3 大量‘临时软件’占有了一些低端白领工作的劳动价值
2.4 因此，Agent需要有相配套的基础设施和平台
3. Agent需要什么样的Infra以及我们的实践
3.1 Agent需要什么样的工具
3.1.1 mulerun的一些实践
3.2 Agent需要什么样的框架和运行时环境
3.2.1 现在框架太多了，迎来淘汰赛
3.2.2 mulerun的框架中立实践案例
3.3 Agent需要什么样的运行时环境
3.3.1 以E2B和scrappybara为例
3.4 Agent需要什么样的交互协议标准
3.4.1 mulerun的API和运行端实践
3.5 Agent开发运营还缺乏哪些设施
3.5.1 好的观测工具，能帮助开发者运维
3.5.2 好的评估反馈系统，能帮开发者优化Agent
3.5.3 好的变现渠道，能帮助开发者赚钱
张海立
从 LangChain V1 Agents 看深度智能体革命
LangChain Ambassador
《LangGraph实战》《LangChain实战》作者，LangChain 官方大使，LFAPAC 开源布道师。B 站万粉 UP 主，开源爱好者，长期关注和致力于 GenAI、云原生和前沿互联网技术的技术落地和推广。曾就职于英特尔亚太研发有限公司，担任高级研发经理和架构师。
当前 AI 应用多停留在“浅层”阶段 —— 简单工具调用循环，难以处理复杂长期任务。Claude Code、Manus、Deep Research 等展现出“深度智能体”强大能力，能够规划、协作和深度思考。本演讲解析深度智能体四大支柱：规划工具、子智能体、文件系统、详细提示工程，揭示它们如何协同突破传统限制，并介绍 LangChain DeepAgents 开源框架实践路径。这是 AI 应用从“反应式”到“主动式”的质变革命。
内容大纲
1. 引言：智能体能力的分水岭
1.1 浅层智能体的局限性分析
1.2 深度智能体的成功案例
2. 深度智能体的四大核心支柱
2.1 规划工具：Todo List 设计哲学
2.2 子智能体：上下文隔离与专业分工
2.3 文件系统：外部记忆与认知卸载
2.4 详细提示工程：系统提示复杂度演进
3. 技术对比与应用场景
3.1 浅层 vs. 深度智能体能力对比
3.2 典型应用：研究、编程、内容创作领域
4. 开发实践与框架应用
4.1 LangChain DeepAgents 框架解析
4.2 构建自定义深度智能体最佳实践
5. 未来展望与行动指南
5.1 技术演进趋势
5.2 开发者实践建议
听众收益
1. 掌握架构演进逻辑：理解深度智能体四大支柱协同机制
2. 获得开发实践能力：学会使用 LangChain DeepAgents 框架
朱孙伟
体育智能体的演进思路
咪咕视讯研发中心 技术总监
程序员，后端+前端架构开发和敏捷管理；24年开始专注AI产品设计和开发，结合内容理解和大模型演进体育领域智慧观赛和智能体产品，对AI技术应用及智能体架构设计开发有深度的理解和实施经验。
真实、精准的意图理解和体育场景还原是体育智能体的核心基础。两大关键支柱在于：其一，打造内容丰富、结构严谨、覆盖全面的专业体育知识库；其二，精准理解用户意图，实现高效的数据驱动辅助与深度专业分析。架构上多技术栈协同演进，持续优化检索增强生成（RAG）机制，强化意图识别模型的训练与泛化能力，构建面向体育垂直领域的MCP工具集，完善推理-行动（ReAct）范式的决策与交互机制。
内容大纲
1. 智能体架构及场景分析
1.1 智能体通用架构和核心组件
1.2 智能体技术演进分析
2. 咪咕体育智能体技术演进之路
2.1 体育知识结构特点
2.2 RAG在体育场景下的踩坑和避坑
2.3 MCP工具实现体育结构化知识的高效检索
2.4 体育场景复杂分析解决方案平衡算力和效果
2.5 多智能体构建高阶体育智能解说
2.6 观赛陪伴交互模式的探索
3. 垂类场景的智能体评测体系探索
3.1 评判智能体能力的指标体系
3.2 如何应对知识的快速变化和评估体系的稳定性
听众收益
内容大纲
1. 智能体架构及场景分析
1.1 智能体通用架构和核心组件
1.2 智能体技术演进分析
2. 咪咕体育智能体技术演进之路
2.1 体育知识结构特点
2.2 RAG在体育场景下的踩坑和避坑
2.3 MCP工具实现体育结构化知识的高效检索
2.4 体育场景复杂分析解决方案平衡算力和效果
2.5 多智能体构建高阶体育智能解说
2.6 观赛陪伴交互模式的探索
3. 垂类场景的智能体评测体系探索
3.1 评判智能体能力的指标体系
3.2 如何应对知识的快速变化和评估体系的稳定性
听众收益
构建智能体全局认知和知识图谱；了解智能体开发中的常见问题和解决方案；探讨智能体的演进。
SECon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 马静
E-mail：speaker@secon.com.cn
关注SECon公众号
添加SECon小助手，获取
会议最新资讯
