专场出品人：李岩博士
京东零售 多模态与AIGC部负责人
京东零售多模态与 AIGC 部负责人，京东 AIGC 内容生成平台Oxygen Vision负责人，在京东主导构建全场景 AI 内容生成能力，推动 AIGC 技术在电商多场景的深度融合。此前，曾任快手可灵 AI· 可图大模型团队负责人，同时负责图像生成大模型的基座研发与应用落地。他早年是微信视频号内容理解团队负责人，负责视频号全场景的内容理解业务。主要研究方向为多模态内容理解与生成技术，在人脸识别、图像理解、图像生成、视频生成等领域有 15 年以上的算法研发、业务落地及管理经验，在国际顶级会议与期刊发表文章数十篇。
Agent 高价值商业场景应用与落地
Agent正在从“能力展示”走向“价值兑现”。 随着大模型推理能力、工具调用（Tool Use）、Agentic Workflow、多Agent协同等技术不断成熟，AI Agent已不再局限于Demo或效率工具，而是逐步深入金融、医疗、法律、制造、零售、电商、政务、能源、供应链、企业服务等关键行业，成为驱动业务增长、提升运营效率、优化决策质量的重要基础设施。然而，Agent的产业化落地远比技术验证更加复杂。如何构建稳定可靠的Agent系统？如何打通企业知识、业务流程与外部工具？如何解决复杂任务规划、长链路执行、模型幻觉、安全合规、效果评测、成本控制以及ROI衡量等关键问题，仍然是企业迈向规模化应用过程中必须面对的核心挑战。本专场将汇聚来自产业一线的技术负责人、业务专家及创新实践者，围绕Agent在金融、医疗、法律、制造等高价值行业的真实落地案例，分享从技术架构、工程实践到商业价值验证的完整经验，深入探讨企业级Agent系统设计、多Agent协同、知识增强、工具生态、生产环境部署、安全治理及未来演进方向等热点议题。期待通过真实案例、最佳实践与前沿思考，为企业构建可落地、可复制、可持续演进的Agent应用体系提供参考，共同探索AI Agent迈向规模化商业应用的新路径，加速千行百业智能化升级。
余俭
从流程数字化到智能经营：Agent 驱动企业业务模式变革的落地实践
碧桂园物业 技术总监
碧桂园物业公司研发管理部技术总监，拥有超过10年的企业数字化与人工智能应用经验，负责集团关键的企业级智能体项目技术规划与落地，覆盖经营问数、工单运营、客户服务、AI 外呼、智能采购和收费催缴等场景。最近两年重点参与推动公司多个 Agent 进入真实业务流程并取得可量化结果，长期关注 Agent 如何从“会对话”走向“能执行、可度量、可追溯”的生产级系统。
议题背景：
物业行业正从规模扩张转向存量运营、品质提升与精益管理。行业具有项目分散、人员密集、服务链条长、非标准事件多等特点，客户对响应速度和服务体验的要求持续提高，但大量业务仍依靠员工在多个岗位、系统和线下场景之间人工衔接。传统数字化解决了流程线上化和信息记录问题，却仍难以解决任务理解、跨系统执行、跨岗位协同和持续跟踪闭环等瓶颈。
面对这一挑战，碧桂园服务提出 PARA 战略，以人的判断力（People）、智能体的算力（Agents）、机器人的体力（Robots）和 AIoT 的感知力共同构成“新服务生产力”。其中，Agent 并非独立的对话入口，而是连接人、机器人、AIoT 与存量业务系统的协同中枢：承接业务目标，理解现场任务，调用系统工具，协同人员与设备执行，并持续校验和反馈结果，从而推动物业服务从“人串联流程”转向“人机协同闭环”。
本次分享将沿着“行业瓶颈—战略解法—智能体蓝图—能力底座—场景验证—未来演进”的逻辑展开，重点介绍企业如何围绕角色分工和端到端流程设计智能体矩阵，如何通过 AI Ready 改造、Agent 技术底座、MCP/Skill 与 AgentOps 支撑规模化落地，并结合 AI 外呼、工单运营、收费催缴等应用场景落地案例，呈现 Agent 对客户触达、现场作业和经营协同流程的具体重塑及实际效果。分享也将复盘人机职责边界、一线采用、流程闭环和规模化治理中的真实问题，形成一套可供传统服务企业参考的实施路径。
内容大纲：
1. 物业行业的发展现状与业务瓶颈
物业行业正从规模扩张转向存量运营、品质提升与精益管理。行业具有项目分散、人员密集、服务链条长、非标准事件多等特点，客户对响应速度和服务体验的要求持续提高，但大量业务仍依靠员工在多个岗位、系统和线下场景之间人工衔接。传统数字化解决了流程线上化和信息记录问题，却仍难以解决任务理解、跨系统执行、跨岗位协同和持续跟踪闭环等瓶颈。
面对这一挑战，碧桂园服务提出 PARA 战略，以人的判断力（People）、智能体的算力（Agents）、机器人的体力（Robots）和 AIoT 的感知力共同构成“新服务生产力”。其中，Agent 并非独立的对话入口，而是连接人、机器人、AIoT 与存量业务系统的协同中枢：承接业务目标，理解现场任务，调用系统工具，协同人员与设备执行，并持续校验和反馈结果，从而推动物业服务从“人串联流程”转向“人机协同闭环”。
本次分享将沿着“行业瓶颈—战略解法—智能体蓝图—能力底座—场景验证—未来演进”的逻辑展开，重点介绍企业如何围绕角色分工和端到端流程设计智能体矩阵，如何通过 AI Ready 改造、Agent 技术底座、MCP/Skill 与 AgentOps 支撑规模化落地，并结合 AI 外呼、工单运营、收费催缴等应用场景落地案例，呈现 Agent 对客户触达、现场作业和经营协同流程的具体重塑及实际效果。分享也将复盘人机职责边界、一线采用、流程闭环和规模化治理中的真实问题，形成一套可供传统服务企业参考的实施路径。
内容大纲：
1. 物业行业的发展现状与业务瓶颈
1.1 行业阶段变化：从规模扩张转向存量运营、品质提升与精益管理
1.2 物业服务的业务特征：项目分散、人员密集、链条较长、现场事件复杂且非标准
1.3 四类核心瓶颈：人力成本与用工压力、服务品质一致性、跨岗位协同效率、客户响应速度
1.4 传统数字化的能力边界：实现流程线上化和信息记录，但业务理解、跨系统执行和持续闭环仍高度依赖人工
1.2 物业服务的业务特征：项目分散、人员密集、链条较长、现场事件复杂且非标准
1.3 四类核心瓶颈：人力成本与用工压力、服务品质一致性、跨岗位协同效率、客户响应速度
1.4 传统数字化的能力边界：实现流程线上化和信息记录，但业务理解、跨系统执行和持续闭环仍高度依赖人工
2. 碧桂园服务的战略方向与解决思路：PARA 新服务生产力
2.1 战略目标：以 AI 赋能现场精益运营，推动服务模式与生产方式升级
2.2 PARA 框架：People、Agents、Robots、AIoT 四类能力的协同组合
2.3 新服务生产力：人的判断力 × 智能体的算力 × 机器人的体力 × AIoT 的感知力
2.4 四类角色分工：人负责目标、判断、服务与例外处置；Agent 负责任务理解、流程编排和系统协同；机器人负责标准化物理作业；AIoT 负责现场感知与事件触发
2.5 Agent 的核心定位：连接人、机器人、AIoT 和存量系统的业务协同中枢
2.2 PARA 框架：People、Agents、Robots、AIoT 四类能力的协同组合
2.3 新服务生产力：人的判断力 × 智能体的算力 × 机器人的体力 × AIoT 的感知力
2.4 四类角色分工：人负责目标、判断、服务与例外处置；Agent 负责任务理解、流程编排和系统协同；机器人负责标准化物理作业；AIoT 负责现场感知与事件触发
2.5 Agent 的核心定位：连接人、机器人、AIoT 和存量系统的业务协同中枢
3. 智能体业务框架与应用蓝图
3.1 从“建设功能”转向“重塑流程”：围绕客户旅程、现场作业和经营管理识别端到端业务闭环
3.2 智能体矩阵：面向项目经理、管家、一线作业人员及专业职能建设角色型与领域型 Agent
3.3 闭环运行框架：任务触发与上下文 → 目标理解与任务规划 → 工具调用与协同执行 → 结果校验 → 业务回写
3.4 人机职责边界：人负责目标、授权、情感连接和复杂例外；Agent 负责高频任务、跨系统协同、过程跟踪与闭环
3.5 规模化演进路径：单点助手 → 流程型 Agent → 多 Agent 协作 → Agent、机器人与 AIoT 协同
3.2 智能体矩阵：面向项目经理、管家、一线作业人员及专业职能建设角色型与领域型 Agent
3.3 闭环运行框架：任务触发与上下文 → 目标理解与任务规划 → 工具调用与协同执行 → 结果校验 → 业务回写
3.4 人机职责边界：人负责目标、授权、情感连接和复杂例外；Agent 负责高频任务、跨系统协同、过程跟踪与闭环
3.5 规模化演进路径：单点助手 → 流程型 Agent → 多 Agent 协作 → Agent、机器人与 AIoT 协同
4. AI Ready 的技术底座建设
4.1 业务 AI Ready：将业务对象、规则、SOP、状态与异常处置方式转化为 Agent 可理解的业务语义
4.2 系统 AI Ready：将存量系统的查询、创建、派发、审批和回写能力封装为标准化 MCP/Skill
4.3 组织 AI Ready：明确身份权限、职责边界、人工确认点、升级机制与运营责任
4.4 Agent 技术底座：统一 Agent Harness、上下文与记忆、模型路由、MCP 网关和 Skill 市场
4.5 生产级运行保障：Agent 注册发布、全链路可观测、审计追踪、版本回滚、Token 成本、安全防护与人工兜底
4.2 系统 AI Ready：将存量系统的查询、创建、派发、审批和回写能力封装为标准化 MCP/Skill
4.3 组织 AI Ready：明确身份权限、职责边界、人工确认点、升级机制与运营责任
4.4 Agent 技术底座：统一 Agent Harness、上下文与记忆、模型路由、MCP 网关和 Skill 市场
4.5 生产级运行保障：Agent 注册发布、全链路可观测、审计追踪、版本回滚、Token 成本、安全防护与人工兜底
5. 场景应用与落地效果：从单点能力到业务流程重塑
5.1 案例一——客户触达流程重塑：AI 外呼满意度调研
5.1.1 流程变化：从人工拨打、固定话术和手工记录，转向 Agent 自动对话、动态追问、诉求识别与结果沉淀
5.1.2 关键能力：多轮会话、上下文理解、异常分支处理、诉求深挖和任务统计
5.1.3 脱敏效果：单月完成约 XXX 万次拨打、约 XXX 万次接通、回收约 XXX 份样本；平均回收率约 14.32%，同期人工参考值约 XXX%；会话逻辑迭代后，问卷有效率初步提升约 XXX%
5.1.2 关键能力：多轮会话、上下文理解、异常分支处理、诉求深挖和任务统计
5.1.3 脱敏效果：单月完成约 XXX 万次拨打、约 XXX 万次接通、回收约 XXX 份样本；平均回收率约 14.32%，同期人工参考值约 XXX%；会话逻辑迭代后，问卷有效率初步提升约 XXX%
5.2 案例二——现场作业流程重塑：工单智能运营
5.2.1 流程变化：将计划、派单、执行、质检和复盘由多个割裂节点重组为可持续跟踪的作业闭环
5.2.2 关键能力：自动排班、智能调度、整改前后效果评估、虚假工单识别和 VOC 自动打标
5.2.3 脱敏效果：自动工单覆盖率超过 XXX%，巡检整改效果评估准确率达到 XXX%，VOC 三级标签准确率达到 88%
5.2.2 关键能力：自动排班、智能调度、整改前后效果评估、虚假工单识别和 VOC 自动打标
5.2.3 脱敏效果：自动工单覆盖率超过 XXX%，巡检整改效果评估准确率达到 XXX%，VOC 三级标签准确率达到 88%
5.3 案例三——收费协同流程重塑：催缴 Agent
5.3.1 流程变化：从管家依靠个人经验分散催缴，转向策略 Agent、AI 外呼与一线任务协同的全过程闭环
5.3.2 关键能力：欠费原因标签、策略生成、自动触达、任务派发、人工跟进和回款验证
5.3.3 脱敏观察：AI 外呼接通后的 7 天回款率约 XXX%；与同项目非试点组相比，试点组相对净表现约高 XXX 个百分点
5.3.4 关键复盘：当一线人员不接受“系统派任务”时，如何从任务管控转向工作助手，重新设计人机协作方式
5.3.2 关键能力：欠费原因标签、策略生成、自动触达、任务派发、人工跟进和回款验证
5.3.3 脱敏观察：AI 外呼接通后的 7 天回款率约 XXX%；与同项目非试点组相比，试点组相对净表现约高 XXX 个百分点
5.3.4 关键复盘：当一线人员不接受“系统派任务”时，如何从任务管控转向工作助手，重新设计人机协作方式
6. 总结与未来展望
听众收益：
1. 企业 Agent 设计框架和落地思路：覆盖智能体蓝图设计、AI Ready 改造、技术底座建设及规模化治理，可用于规划本企业的 Agent 落地路线图。
2. 掌握一套经过真实案例验证的业务流程重塑方法：看清人机职责如何划分、Agent 如何跨系统执行并形成业务闭环，以及如何避开“停留在对话 Demo、无法进入生产流程”的常见误区。
听众收益：
1. 企业 Agent 设计框架和落地思路：覆盖智能体蓝图设计、AI Ready 改造、技术底座建设及规模化治理，可用于规划本企业的 Agent 落地路线图。
2. 掌握一套经过真实案例验证的业务流程重塑方法：看清人机职责如何划分、Agent 如何跨系统执行并形成业务闭环，以及如何避开“停留在对话 Demo、无法进入生产流程”的常见误区。
李城
AI DESK 数字员工平台：企业 Agent 走进核心业务的工程实践
网易智企·云商 AI DESK 业务负责人
网易智企·云商 AI DESK 业务负责人。在网易深耕14年，先后负责易信、云信、游戏及七鱼等业务的研发，兼具互联网产品与企业服务领域的实践经验。现负责 AI DESK 的业务推进与应用落地，实践覆盖保险、零售、数码、能源等行业。聚焦企业 Agent 的产品化与工程实践，围绕企业知识应用、人机协作与持续升级，探索 AI Native 产品与 FDE 前沿部署相结合的落地路径，推动业务现场经验转化为可复用的产品能力，让数字员工融入企业真实工作流，持续创造业务价值。
议题背景：
企业 Agent 从 Demo 走向生产，需要跨越知识可信、业务执行、人机协作与持续升级等挑战，让数字员工真正融入企业工作流。本次分享以网易智企·云商 AI DESK 企业级数字员工平台为例，围绕“回答有依据、业务办得成、能力持续进化”，结合产品演示与一线实践，拆解知识组织与检索、受控执行、卡片与流程协作、存量系统接入及可升级架构的关键设计，并结合 FDE 前沿部署经验，复盘业务现场如何改变产品判断、推动设计改进，将现场经验沉淀为可复用的产品能力，让企业持续获得新的 AI 能力。
企业 Agent 从 Demo 走向生产，需要跨越知识可信、业务执行、人机协作与持续升级等挑战，让数字员工真正融入企业工作流。本次分享以网易智企·云商 AI DESK 企业级数字员工平台为例，围绕“回答有依据、业务办得成、能力持续进化”，结合产品演示与一线实践，拆解知识组织与检索、受控执行、卡片与流程协作、存量系统接入及可升级架构的关键设计，并结合 FDE 前沿部署经验，复盘业务现场如何改变产品判断、推动设计改进，将现场经验沉淀为可复用的产品能力，让企业持续获得新的 AI 能力。
内容大纲：
1. 从能力演示到业务完成：AI DESK 如何承接企业任务
1.1 一个业务问题背后的三重要求：知识依据、业务动作与人工承接
1.2 AI DESK 产品定位与三端协同：用户、员工、运营如何围绕同一任务工作
1.3 任务演示：从查询依据、补充信息到业务办理与人工接手
1.2 AI DESK 产品定位与三端协同：用户、员工、运营如何围绕同一任务工作
1.3 任务演示：从查询依据、补充信息到业务办理与人工接手
2. 回答有依据：企业知识如何支撑业务判断
2.1 不是所有知识都该向量化：LLM Wiki、RAG 与 GraphRAG 的分工
2.2 按问题选择检索路径，通过原文回读与补证形成可追溯的回答
2.3 从“给出一个答案”到“提供可核查的依据”：知识能力的产品呈现
2.2 按问题选择检索路径，通过原文回读与补证形成可追溯的回答
2.3 从“给出一个答案”到“提供可核查的依据”：知识能力的产品呈现
3. 业务办得成：让 Agent 在企业规则内执行与协作
3.1 模型提出动作，系统校验权限：工具授权、高风险确认与执行留痕
3.2 对话、卡片与 Workflow 接力：信息补齐、业务校验、提交与结果回写
3.3 人机协同：带着上下文接管，让复杂任务有人继续处理
3.4 存量系统加装：将 AI 辅助能力嵌入已有坐席与业务工作流
3.2 对话、卡片与 Workflow 接力：信息补齐、业务校验、提交与结果回写
3.3 人机协同：带着上下文接管，让复杂任务有人继续处理
3.4 存量系统加装：将 AI 辅助能力嵌入已有坐席与业务工作流
4. 能力持续进化：让 AI 系统保持可升级
4.1 上线是起点：模型、知识、Skill、工具与业务规程的持续迭代
4.2 私有化与多行业适配下的架构取舍：内核、配置与扩展分离
4.3 从版本分叉到持续升级：用评测回归验证新能力与既有业务的兼容性
4.2 私有化与多行业适配下的架构取舍：内核、配置与扩展分离
4.3 从版本分叉到持续升级：用评测回归验证新能力与既有业务的兼容性
5. FDE 现场实践：让业务经验推动产品进化
5.1 从真实问题出发：用真实用户、材料与任务验证产品假设
5.2 踩坑与转折：现场证据如何推翻原有判断，并改变产品设计
5.3 经验回流：将高频问题沉淀为产品能力、模板与复用资产，降低下一次使用和实施的门槛
5.2 踩坑与转折：现场证据如何推翻原有判断，并改变产品设计
5.3 经验回流：将高频问题沉淀为产品能力、模板与复用资产，降低下一次使用和实施的门槛
杨文武
荣耀销服体系 AI Agent 构建与多场景实践
荣耀终端 营销服领域 技术总监 资深数字化与智能化转型专家
荣耀营销服领域 技术总监，资深数字化与智能化转型专家，深耕互联网与科技行业十余年，横跨电商、金融、渠道与消费互联网四大核心赛道。早年于阿里巴巴主导用户、商品与大数据体系研发，奠定大规模互联网系统工程功底；在唯品会期间推动支付与消费金融全面数字化，亲历金融科技爆发式增长；转战华为后，主导渠道体系数字化变革，实现庞杂分销网络的端到端重构。现任荣耀营销服领域 IT 总监，主导营销服体系的数字化与智能化变革，牵头打造销服体系 AI Agent 平台，推动智能营销、智慧零售、智能服务三大高价值场景规模化落地，并主持制定荣耀 IT AI 路线图，引领传统营销服体系跃迁至消费互联网与智能体时代。长期专注企业数字化与智能化转型的战略规划、顶层架构与落地实施，擅长将前沿智能体（Agent）与大数据技术转化为可规模化的商业价值。
议题背景：
聚焦荣耀销服体系 AI Agent 平台，系统阐述企业级智能体从概念验证迈向规模化落地的方法论与实践路径。其一，将企业级 AI Agent 从概念提炼为可落地的方法论，提出「四层构建」框架与可复用的共享 Agent 矩阵。其二，拆解智能营销、智慧零售、智能服务三大高价值场景的落地实践：营销侧实现跨语言、跨地域的低成本内容规模化；零售侧将层层下发的信息传递重构为门店实时赋能；服务侧推动传统客服由被动响应向主动预判的全渠道智能服务转型。其三，立足规模化落地元年，前瞻性展望智能体在场景扩展、能力升级、组织变革、商业重构四个维度的长期影响。
聚焦荣耀销服体系 AI Agent 平台，系统阐述企业级智能体从概念验证迈向规模化落地的方法论与实践路径。其一，将企业级 AI Agent 从概念提炼为可落地的方法论，提出「四层构建」框架与可复用的共享 Agent 矩阵。其二，拆解智能营销、智慧零售、智能服务三大高价值场景的落地实践：营销侧实现跨语言、跨地域的低成本内容规模化；零售侧将层层下发的信息传递重构为门店实时赋能；服务侧推动传统客服由被动响应向主动预判的全渠道智能服务转型。其三，立足规模化落地元年，前瞻性展望智能体在场景扩展、能力升级、组织变革、商业重构四个维度的长期影响。
内容大纲：
1.认知与方法
1.1市场临界点:为什么是现在
1.2AIAgent本质:从工具到数字员工
1.3企业级构建方法论:四层架构
1.2AIAgent本质:从工具到数字员工
1.3企业级构建方法论:四层架构
2.荣耀实践
2.1荣耀AI平台底座:四层全栈架构
2.2智能营销:跨语言跨地域的低成本内容规模化
2.3智慧零售:门店一线的AI军师
2.4智能服务:从成本中心到价值入口
2.2智能营销:跨语言跨地域的低成本内容规模化
2.3智慧零售:门店一线的AI军师
2.4智能服务:从成本中心到价值入口
3.战略展望
3.1价值收敛与总结
3.2未来展望
3.2未来展望
听众受益：
1. 洞悉AI Agent 从概念走向规模化的真实落地路径，而非停留于远期愿景；
2. 了解可复用的 AI 中台「四层构建」架构范式与建设思路；
3. 获取营销、零售、服务3 大高价值场景的真实 ROI 数据；
4. 沉淀 6 个共享 Agent 的复用机制，新场景迁移成本大幅压缩；
1. 洞悉AI Agent 从概念走向规模化的真实落地路径，而非停留于远期愿景；
2. 了解可复用的 AI 中台「四层构建」架构范式与建设思路；
3. 获取营销、零售、服务3 大高价值场景的真实 ROI 数据；
4. 沉淀 6 个共享 Agent 的复用机制，新场景迁移成本大幅压缩；
余康
从能聊到办成：智能座舱 Agent 的工程闭环实践
阿里云 高级架构专家
......
议题背景：
大模型正在推动智能座舱从对话入口走向服务入口，但“听懂并回答”不等于真正把事办成。本次分享结合座舱端云架构与授权、下单、支付、履约实践，围绕“用确定性工程承接概率性智能”这一主线，介绍模型计划如何进入受控执行、任务结果如何以业务事实验证，以及未知与失败如何安全恢复，并探讨如何将工程经验沉淀为可复用的交付能力。
内容大纲：
1. 架构演进：从语音助手到座舱 Agent
从命令落域到跨服务任务，理解座舱复杂性的变化；比较级联小模型、路由与主力模型、原生音频前后台三类架构；建立交互闭环与执行闭环的总体框架。
2. 当前系统：端云分工与责任边界
拆解当前座舱逻辑架构与业务事实回流；明确 CockpitX、MaaS Link、车端执行器及业务系统的责任；区分当前能力、实现证据与演进方向，说明 SDK 如何沉淀稳定工程契约。
3. 执行治理：模型提出计划，系统决定动作
以 Agent Harness 串联上下文、准入、运行、验证与观测；介绍可信策略、显式路由和有界任务图；区分模型回答、协议终态、客户端回调与业务结果，建立可追踪的任务证据链。
4. 业务闭环：用真实服务检验架构
以点咖啡串联授权、订单、资金与履约；通过支付结果未知、收银台重复拉起、退款文案误判等案例，拆解分层幂等、状态契约与安全恢复；说明有限事件续传、运行事实保存与业务动作恢复的区别。
5. 量产复用：从现场问题到工程资产
将故障经验沉淀为接口契约、统一组件和回归用例；建立跨团队验收责任与发布门禁；从回答质量走向任务结果度量，讨论“先主链、再治理、后开放”的演进路径。
1. 架构演进：从语音助手到座舱 Agent
从命令落域到跨服务任务，理解座舱复杂性的变化；比较级联小模型、路由与主力模型、原生音频前后台三类架构；建立交互闭环与执行闭环的总体框架。
2. 当前系统：端云分工与责任边界
拆解当前座舱逻辑架构与业务事实回流；明确 CockpitX、MaaS Link、车端执行器及业务系统的责任；区分当前能力、实现证据与演进方向，说明 SDK 如何沉淀稳定工程契约。
3. 执行治理：模型提出计划，系统决定动作
以 Agent Harness 串联上下文、准入、运行、验证与观测；介绍可信策略、显式路由和有界任务图；区分模型回答、协议终态、客户端回调与业务结果，建立可追踪的任务证据链。
4. 业务闭环：用真实服务检验架构
以点咖啡串联授权、订单、资金与履约；通过支付结果未知、收银台重复拉起、退款文案误判等案例，拆解分层幂等、状态契约与安全恢复；说明有限事件续传、运行事实保存与业务动作恢复的区别。
5. 量产复用：从现场问题到工程资产
将故障经验沉淀为接口契约、统一组件和回归用例；建立跨团队验收责任与发布门禁；从回答质量走向任务结果度量，讨论“先主链、再治理、后开放”的演进路径。
黄金
从个人助手到企业级 Harness 平台的落地实践---给 Agent 的一张工牌
启明致远 技术总监
现任启明致远技术总监，负责面向 Agent 的基础设施与平台建设。拥有 10 年技术研发与架构经验，当前聚焦知识工程、Agent Runtime、智能运维 Agent 等方向，推动 Agent 技术在企业研发、运维及业务场景中的工程化落地。在多云基础设施、容器技术、高可用系统架构及 AIGC 应用方面积累了丰富的实践经验。持续探索知识、模型、工具与运行时的协同机制，致力于构建稳定、可观测、可评测、可规模化交付的企业级 Agent 基础设施。
议题背景：
个人 Agent 搬进云端，并不会自动变成企业级 Agent。本次演讲以确定性运维数字员工平台“璟辕”的真实架构与代码实践为例，拆解企业落地必须解决的双主体身份、受管凭据、MCP 默认拒绝、Shell 分级判断、审批绑定、隔离执行、审计与可观测、Skill 资产化八类问题，并给出从只读诊断、审批后变更到稳定自动化的渐进式落地路径。
内容大纲：
1. 个人 Agent 怎么走进企业
1.1 个人 Agent 的默认信任基线
1.2 云端托管为什么不等于企业平台
1.3 运维动作不可逆，责任链必须进入控制面
1.2 云端托管为什么不等于企业平台
1.3 运维动作不可逆，责任链必须进入控制面
2. 企业级 Agent 平台的核心
2.1 Agent Harness 与 Platform Harness
2.2 能力与权限分离
2.3 身份、授权、审批、执行与审计的不可绕过控制链
2.2 能力与权限分离
2.3 身份、授权、审批、执行与审计的不可绕过控制链
3. 企业落地面临的八类难题
3.1 双主体身份与受管凭据
3.2 MCP 默认拒绝与 Shell 四级判断
3.3 长期任务、审计与可观测
3.4 隔离执行与 Skill 资产治理
3.2 MCP 默认拒绝与 Shell 四级判断
3.3 长期任务、审计与可观测
3.4 隔离执行与 Skill 资产治理
4. Harness Agent 的企业落地实践
4.1 构建控制面与执行面分离的企业级 Harness 架构
4.2 建立从身份、LAW.md、工具授权到 Shell 分级判断的安全控制链
4.3 通过风险判断、审批绑定、受管凭据与沙箱实现受控执行
4.4 实现 Agent 全调用链可观测、全过程可审计、结果可复核
4.5 将真实工作经验沉淀为组织 Skill，并逐步扩大自动化边界
4.2 建立从身份、LAW.md、工具授权到 Shell 分级判断的安全控制链
4.3 通过风险判断、审批绑定、受管凭据与沙箱实现受控执行
4.4 实现 Agent 全调用链可观测、全过程可审计、结果可复核
4.5 将真实工作经验沉淀为组织 Skill，并逐步扩大自动化边界
5. 实践结论
5.1 从个人信任到企业身份
5.2 从自由执行到平台受控执行
5.3 从个人能力到组织资产
5.2 从自由执行到平台受控执行
5.3 从个人能力到组织资产
听众受益：
1. 判断“个人 Agent 上云”与企业级 Agent 平台的根本差异。
2. 掌握双主体身份、受管凭据、默认拒绝和审批绑定的设计方法。
3. 理解 MCP、Shell、沙箱、长期任务及审计可观测的职责边界。
4. 获得一条从只读诊断到生产变更、再到 Skill 资产化的落地路径。
1. 判断“个人 Agent 上云”与企业级 Agent 平台的根本差异。
2. 掌握双主体身份、受管凭据、默认拒绝和审批绑定的设计方法。
3. 理解 MCP、Shell、沙箱、长期任务及审计可观测的职责边界。
4. 获得一条从只读诊断到生产变更、再到 Skill 资产化的落地路径。
王宝坤
灵模——面向结构化数据的端到端Agentic Modeling智能体
蚂蚁集团 用户认知算法负责人 高级算法专家
蚂蚁集团高级算法专家、用户认知团队负责人。2019年加入蚂蚁集团，先后负责图风控、用户认知算法团队，主要从事用户增长、账户风控、用户表征、Agentic Modeling和图算法研究。主导研发用户理解大模型FIND、结构化数据自动建模智能体“灵模”和图风控算法框架Geasec，相关能力已在蚂蚁和阿里多个业务应用。曾联合清华、北邮、复旦等高校及机构发布业内首份《图风控行业技术报告》，并参与举办ICDM预训练模型社区发现与团伙挖掘竞赛。在VLDBJ、IJCAI、WWW、KDD等会议和期刊发表论文。研究成果eRiskCom获中国互联网大会反诈创新奖，“AI智选”入选2024世界人工智能大会大模型典型示范应用。
议题背景：
在企业经营中，面向用户的结构化数据建模非常重要，包括金融风控、营销定价、推荐系统等，传统方案是通过人工方式构造特征，模型选型和训练测试评估。然而这种传统范式在面临场景增长、持续优化、跨场景协同时遇到很大挑战。因此我们提出了使用Agentic方式，重构建模流程，让工作模式从“人工洗数，祖传式建模”升级成为“一句话自动建模”，同时通过多个阶段实现智能体自进化。
在企业经营中，面向用户的结构化数据建模非常重要，包括金融风控、营销定价、推荐系统等，传统方案是通过人工方式构造特征，模型选型和训练测试评估。然而这种传统范式在面临场景增长、持续优化、跨场景协同时遇到很大挑战。因此我们提出了使用Agentic方式，重构建模流程，让工作模式从“人工洗数，祖传式建模”升级成为“一句话自动建模”，同时通过多个阶段实现智能体自进化。
内容大纲：
1. 从用户建模说起，核心在关注什么？
1.1 用户数据有哪些，如何根据用户数据进行运营
1.2 传统建模方式有哪些，当前有哪些问题
1.2 传统建模方式有哪些，当前有哪些问题
2. 用户状态感知：异构数据预训练大模型FIND表达用户状态
2.1 用户运营的全流程，从感知到认知
2.2 用户表征表达用户状态
2.3 第一个Agent，基于表征的自动化圈人系统（AI智选）
2.4 从AI智选到灵模，全流程解决用户建模问题
2.2 用户表征表达用户状态
2.3 第一个Agent，基于表征的自动化圈人系统（AI智选）
2.4 从AI智选到灵模，全流程解决用户建模问题
3. 灵模：稳定、高效、专业、自进化的结构化建模智能体
3.1 稳定性：通过编排器设计，稳定执行长程任务
3.2 高效：智能体Research策略优化
3.3 自进化：基于故障检测的harness优化方案
3.4 知识库：结构化数据建模全网检索和本地知识库构建
3.2 高效：智能体Research策略优化
3.3 自进化：基于故障检测的harness优化方案
3.4 知识库：结构化数据建模全网检索和本地知识库构建
听众受益：
商业系统、Agent构建过程、生产环境面临的挑战
商业系统、Agent构建过程、生产环境面临的挑战
范海燕 博士
打破尽力而为：面向智能体互联网（A2A）的跨域可信执行基础设施
万联易达 产业智能体互联网首席架构师
国防科技大学信息与通信工程博士，横跨Transformer / Mamba 架构、ONNX 推理优化、GPU 硬件加速。现专注大模型对齐与多Agent 协同——将RLHF / DPO 等对齐技术、CoT / ReAct 思维链优化与工业Agent 的全生命周期风控深度融合。
议题背景：
当 AI Agent 从单组织内部走向跨组织协作，会面临四大核心难题：跨组织信任（组织间默认互不信任，缺少统一权限模型）、语义不一致（相同业务词汇各方定义理解存在差异）、副作用不可控（付款、发货这类操作具备不可逆属性）、运行可靠性无保障（消息存在丢失、重复、乱序风险）。
单组织 Agent 落地已有成熟实践，但跨组织协作尚缺少可复用工业级架构。本次分享以跨组织结算为场景，介绍**LangGraph 内核 + 10 个模块**的协作架构。模块分为对齐、交互、保障三组，形成纵深防御：对齐组实现业务理解一致，交互组保障跨组织传输可信完整，保障组完成权限与执行兜底。架构全部来自真实业务冲突，模块支持按需选配。
以采购方与供应商结算口径偏差 13 万元为典型案例，梳理七大业务节点风险，并给出对应架构解决方案。
内容大纲：
1. 架构内核：LangGraph + 10 个模块
当 AI Agent 从单组织内部走向跨组织协作，会面临四大核心难题：跨组织信任（组织间默认互不信任，缺少统一权限模型）、语义不一致（相同业务词汇各方定义理解存在差异）、副作用不可控（付款、发货这类操作具备不可逆属性）、运行可靠性无保障（消息存在丢失、重复、乱序风险）。
单组织 Agent 落地已有成熟实践，但跨组织协作尚缺少可复用工业级架构。本次分享以跨组织结算为场景，介绍**LangGraph 内核 + 10 个模块**的协作架构。模块分为对齐、交互、保障三组，形成纵深防御：对齐组实现业务理解一致，交互组保障跨组织传输可信完整，保障组完成权限与执行兜底。架构全部来自真实业务冲突，模块支持按需选配。
以采购方与供应商结算口径偏差 13 万元为典型案例，梳理七大业务节点风险，并给出对应架构解决方案。
内容大纲：
1. 架构内核：LangGraph + 10 个模块
1.1 跨组织协作的动态场景矛盾
1.2 LangGraph 核心编排能力
1.3 十大模块分组定位（对齐组 / 交互组 / 保障组）
1.4 模块按需组合部署策略
1.5 编排层与业务执行层分离原则
1.6 分层模型选用策略，高风险动作禁用大模型
1.2 LangGraph 核心编排能力
1.3 十大模块分组定位（对齐组 / 交互组 / 保障组）
1.4 模块按需组合部署策略
1.5 编排层与业务执行层分离原则
1.6 分层模型选用策略，高风险动作禁用大模型
2. 跨组织信任：建立跨组织 Agent 信任体系
2.1 业务痛点：身份伪造与越权调用风险
2.2 四层递进信任防护机制
2.3 Agent Card 能力卡片的核心作用
2.2 四层递进信任防护机制
2.3 Agent Card 能力卡片的核心作用
3. 语义契约：统一业务术语定义与计算逻辑
3.1 业务痛点：口径不一致带来业务金额偏差
3.2 语义契约两层结构：告知层 + 推理本体层
3.3 契约关键字段与防篡改设计
3.4 跨组织语义一致性校验逻辑
3.2 语义契约两层结构：告知层 + 推理本体层
3.3 契约关键字段与防篡改设计
3.4 跨组织语义一致性校验逻辑
4. 确定性委派：任务目标 Agent 的选择机制
4.1 业务痛点：不能依赖大模型随机选择处理 Agent
4.2 基于能力标签的 Agent 动态发现
4.3 筛选规则与确定性排序逻辑
4.4 各类异常场景兜底处置策略
4.2 基于能力标签的 Agent 动态发现
4.3 筛选规则与确定性排序逻辑
4.4 各类异常场景兜底处置策略
5. 任务交接：HandoffPacket 跨组织任务交接方案
5.1 业务痛点：全量传文件上下文过载，只传编号信息不足
5.2 基于编排指令完成路由交接
5.3 HandoffPacket 数据包核心构成
5.4 大文件哈希引用传递机制
5.2 基于编排指令完成路由交接
5.3 HandoffPacket 数据包核心构成
5.4 大文件哈希引用传递机制
6. 治理审计与可靠性保障
6.1 业务痛点：大额操作需人工审批、过程可追溯
6.2 OPA 权限同步校验，默认拒绝越权请求
6.3 影子探针异步旁路风险观测
6.4 TraceContract 审计证据链构建
6.5 幂等控制与断点恢复实现业务可靠性
6.2 OPA 权限同步校验，默认拒绝越权请求
6.3 影子探针异步旁路风险观测
6.4 TraceContract 审计证据链构建
6.5 幂等控制与断点恢复实现业务可靠性
7. 上下文治理与运行时上下文管理
7.1 业务痛点：文档票据庞大，人工维护口径低效滞后
7.2 两层分工：资产层治理 + 运行时管理
7.3 Context‑Agent 自动生成契约草稿与置信度审核
7.4 上下文运行时管控手段（分层加载、工具裁剪、历史裁剪、文件引用）
7.2 两层分工：资产层治理 + 运行时管理
7.3 Context‑Agent 自动生成契约草稿与置信度审核
7.4 上下文运行时管控手段（分层加载、工具裁剪、历史裁剪、文件引用）
8. PoC 工程验证案例与指标
8.1 PoC 场景说明：模拟双组织结算复现口径差异问题
8.2 核心功能验证项
8.3 生产就绪可靠性、安全、成本验证指标
8.2 核心功能验证项
8.3 生产就绪可靠性、安全、成本验证指标
听众收益：
1. 获取可复用的跨组织 Agent 整套架构方案
2. 掌握多层跨组织信任工程落地思路
3. 掌握用语义契约解决业务语义分歧的方法
4. 掌握 Agent 确定性委派与异常兜底工程方案
1. 获取可复用的跨组织 Agent 整套架构方案
2. 掌握多层跨组织信任工程落地思路
3. 掌握用语义契约解决业务语义分歧的方法
4. 掌握 Agent 确定性委派与异常兜底工程方案
Warren Wong
从“买席位”到“买结果”：金融与传统企业的 Agent 高价值场景落地实录
EvoMap VP of FDE
Warren Wong，EvoMap VP of FDE，常驻香港，负责 EvoMap 亚太区前沿部署工程（FDE）、售前架构与企业交付。拥有 10 年以上亚太区企业技术落地经验：曾任 Dify 解决方案架构负责人，从零组建全球解决方案架构团队，主导欧洲头部车企、东南亚头部银行、亚洲保险集团及金融监管机构等客户的企业级 AI 工作流与 RAG 从 PoC 走向生产；此前历任 GitLab 高级解决方案架构师（参与全球 GenAI 功能研发）、Kong 高级区域现场工程师、微软云解决方案架构师，长期服务亚太区多家国际银行与金融机构。2020–2025 年连续获评微软 MVP，并以粤语、英语、普通话讲授 AI 与云原生课程。目前专注企业 Agent 的私有化部署、成本治理与经验复用，帮助金融与传统大型企业客户把 Agent 从演示带进生产。
议题背景：
2026 年，企业 Agent 已从“能不能做”进入“值不值得做”阶段：人人都在用 AI，账单在涨，产出却说不清。本次分享基于 FDE 团队的两个一线落地案例展开：买方投研机构的私有化经验库，以及香港头部珠宝集团从“买席位”到“买结果”的 AI 转型。分享会提炼高价值场景的三个共性：可验证、可治理、可复用，揭示“最贵的不是答案，而是每次重做的思考”这一成本真相，并给出场景筛选、成本优化、ROI 衡量与 90 天落地的完整方法论。
2026 年，企业 Agent 已从“能不能做”进入“值不值得做”阶段：人人都在用 AI，账单在涨，产出却说不清。本次分享基于 FDE 团队的两个一线落地案例展开：买方投研机构的私有化经验库，以及香港头部珠宝集团从“买席位”到“买结果”的 AI 转型。分享会提炼高价值场景的三个共性：可验证、可治理、可复用，揭示“最贵的不是答案，而是每次重做的思考”这一成本真相，并给出场景筛选、成本优化、ROI 衡量与 90 天落地的完整方法论。
内容大纲：
1. 2026 洞察：企业 Agent 从“能不能”进入“值不值”
1.1 PoC 繁荣与生产落地之间的鸿沟
1.2 都在用、账单涨、产出说不清：席位制与按次计费的隐性成本
1.3 高价值场景的三个共性：结果可验证、过程可治理、方法可复用
1.2 都在用、账单涨、产出说不清：席位制与按次计费的隐性成本
1.3 高价值场景的三个共性：结果可验证、过程可治理、方法可复用
2. 案例一｜金融：买方投研机构的私有化经验库
2.1 场景：研报与纪要处理、另类数据采集、量化回测、合规治理，全部离线运行，数据不出域
2.2 做法：把投研经验沉淀为“方法 + 证据”资产对，人工审核后才能被检索；合规模式下只召回已审批资产
2.3 洞察：PoC 第一步是建库，而不是急着接 Agent；LLM 蒸馏与规则引擎的产出率相差一个量级
2.2 做法：把投研经验沉淀为“方法 + 证据”资产对，人工审核后才能被检索；合规模式下只召回已审批资产
2.3 洞察：PoC 第一步是建库，而不是急着接 Agent；LLM 蒸馏与规则引擎的产出率相差一个量级
3. 案例二｜传统大型企业：香港头部珠宝集团从“买席位”到“买结果”
3.1 起点：覆盖 5 个职能的 18 个场景，筛出 11 个进入第一期，每个场景先定义“什么叫做好了”
3.2 选型八问：在客户自己的数据上，对三条平台路径逐项打分
3.3 实测：每日舆情日报每份成功交付的总成本从 US$21.44 降到 US$7.00（−67%），三项要求全部达成
3.4 洞察：ROI 以“成功交付”为分母；90 天迁移路线（量现况 → 定义与留痕 → 扩散与切换）
3.2 选型八问：在客户自己的数据上，对三条平台路径逐项打分
3.3 实测：每日舆情日报每份成功交付的总成本从 US$21.44 降到 US$7.00（−67%），三项要求全部达成
3.4 洞察：ROI 以“成功交付”为分母；90 天迁移路线（量现况 → 定义与留痕 → 扩散与切换）
4. 跨案例方法论：成本、治理与衡量
4.1 最贵的是重复思考：研究代码任务中约 98% 的生成 Token 用于思考；Think → Distill → Reuse 的经验复用
4.2 经验复用的实测：253 道高难度任务中，同一模型每题 Token −51.7%；经验迁移到另一模型后，通过率从 46.8% 提升到 77.9%
4.3 治理即管理控制：身份、策略、路由、计量、留痕
4.4 组织与个人 AI 有效性：Token 只能当分母，不能当成绩
4.2 经验复用的实测：253 道高难度任务中，同一模型每题 Token −51.7%；经验迁移到另一模型后，通过率从 46.8% 提升到 77.9%
4.3 治理即管理控制：身份、策略、路由、计量、留痕
4.4 组织与个人 AI 有效性：Token 只能当分母，不能当成绩
5. FDE 落地路径：打通最后一公里
5.1 从一个场景开始：选择 → 接入验证 → 沉淀扩展
5.2 FDE 嵌入业务现场的工作方式
5.3 Q&A（5 分钟）
5.2 FDE 嵌入业务现场的工作方式
5.3 Q&A（5 分钟）
听众受益：
1. 金融与传统大型企业两类场景的真实落地架构与避坑经验
2. 一套可直接复用的高价值场景筛选框架与“选型八问”
3. 以“成功交付”为分母的 Agent ROI 计算方法，以及席位制与按结果付费的总成本对比思路
4. 理解推理模型的成本结构，掌握用经验复用降低重复思考成本的方法
5. 一份可直接照做的 90 天落地路线图
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
