专场出品人：韩艾博士
京东集团算法总监，京东零售数据与算法通道委员
现任京东集团算法总监，京东零售数据与算法通道委员，OxyGent开源项目架构师/核心开发者，中科院与康奈尔大学联合博士学位及北大双学士，专注多智能体动态规划与联合训练等AI创新，主导开发了京东商家智能助手多智能体系统框架。同时兼任北京大学、中国科学院大学、北京工业大学硕士企业导师，以及西安电子科技大学客座教授。
Agent架构与应用模式
当AI Agent从单点工具走向系统性赋能，架构设计成为决定智能化成效的关键分水岭。一个Agent能独立完成任务，但多个Agent如何高效协同、分工博弈、动态编排？从单体到多体的演进，不仅是技术架构的升级，更是对业务逻辑与系统思维的重新审视。
本专场聚焦智能体架构设计的核心议题，涵盖单体Agent的工具调用、规划推理与记忆机制，多Agent协同中的通信协议、任务分配与冲突消解，以及从中心化到去中心化的架构演进路径和复杂系统的动态规划。我们诚邀行业专家，分享在真实业务场景中的选型思考、踩坑经验与系统演化故事。
林明波
AIO —— 开发与使用分离的 AI 工程化平台实践
腾讯音乐 内容服务研发中心负责人
主要负责腾讯音乐榜、腾讯音乐发行平台、腾讯音乐人平台等业务的架构设计及日常研发管理工作。从业15年互联网后端架构经验的资深架构师，兼具顶层系统架构设计与前沿智能Agent工程化落地的专长：
●系统架构：长期深耕高复杂、高并发业务场景，在架构先进性与工程可行性之间寻求最优平衡。曾主导10W+QPS、千万级DAU系统的架构设计与落地实施。面对极端业务复杂度，擅长系统化解耦。在高并发与高可用保障上，形成完整实践体系，系统可用性提升至99.99%。
●智能 Agent：近2年专注 AI 落地，自研ReAct Agent的Java运行时框架，针对性解决生产化核心痛点：实现人机协同机制、AgentState持久化及中断无感恢复、上下文分层压缩，有效支撑多轮长程任务。同时建立起端到端Agent评测体系，确保复杂业务中的可控性与可信度。
始终秉持“架构随业务生长”的理念，既保持对前沿技术的敏锐度，更注重经得起真实流量考验的稳健交付。近年来主导的智能化系统已在集团内部广泛落地，持续推动AI从技术探索向规模化价值创造转化。
●系统架构：长期深耕高复杂、高并发业务场景，在架构先进性与工程可行性之间寻求最优平衡。曾主导10W+QPS、千万级DAU系统的架构设计与落地实施。面对极端业务复杂度，擅长系统化解耦。在高并发与高可用保障上，形成完整实践体系，系统可用性提升至99.99%。
●智能 Agent：近2年专注 AI 落地，自研ReAct Agent的Java运行时框架，针对性解决生产化核心痛点：实现人机协同机制、AgentState持久化及中断无感恢复、上下文分层压缩，有效支撑多轮长程任务。同时建立起端到端Agent评测体系，确保复杂业务中的可控性与可信度。
始终秉持“架构随业务生长”的理念，既保持对前沿技术的敏锐度，更注重经得起真实流量考验的稳健交付。近年来主导的智能化系统已在集团内部广泛落地，持续推动AI从技术探索向规模化价值创造转化。
议题背景：
一个 AI Agent 平台，往往要同时服务三类角色：开发者需要按需开发和持续调优能力，运营需要日常提效的工具，终端用户需要的是拿来即用的服务。这三类诉求如果混在同一条链路里满足，链路会越来越重，性能也会跟着劣化。
这场分享会介绍我们自建的 AIO 平台如何用 A/B/C 三面架构，把三类角色的诉求分开满足：A 面给开发者按需开发调优，B/C 面给运营和终端用户即开即用、无感知底层实现。
具体会拆解三个核心工程模块——Skill 开发/安装（5 分钟脚手架、30 秒安装、异常隔离）、灰度发布（稳定哈希、自动回滚）、Context Engineering（Token 消耗降低 62%、信噪比提升 123%）——并串讲用户画像、内容匹配、数据处理三个业务引擎如何协同工作。
一个 AI Agent 平台，往往要同时服务三类角色：开发者需要按需开发和持续调优能力，运营需要日常提效的工具，终端用户需要的是拿来即用的服务。这三类诉求如果混在同一条链路里满足，链路会越来越重，性能也会跟着劣化。
这场分享会介绍我们自建的 AIO 平台如何用 A/B/C 三面架构，把三类角色的诉求分开满足：A 面给开发者按需开发调优，B/C 面给运营和终端用户即开即用、无感知底层实现。
具体会拆解三个核心工程模块——Skill 开发/安装（5 分钟脚手架、30 秒安装、异常隔离）、灰度发布（稳定哈希、自动回滚）、Context Engineering（Token 消耗降低 62%、信噪比提升 123%）——并串讲用户画像、内容匹配、数据处理三个业务引擎如何协同工作。
内容大纲：
1. 为什么要分离
1.1 一个 Agent 平台天然要满足开发者 / 运营 / 用户三类诉求
1.2 诉求挤在一起会带来的产品代价与工程代价
1.3 核心理念：A / B / C 三面架构，及其客户端落地形态
1.2 诉求挤在一起会带来的产品代价与工程代价
1.3 核心理念：A / B / C 三面架构，及其客户端落地形态
2. 整体架构总览
2.1 AIO 整体架构图：客户端层 → 服务层 → 业务底座 → Agent 底座
2.2 三层职责速览
2.2 三层职责速览
3. 三个重点工程模块
3.1 Skill 开发/安装：skill-creator 元能力自举、四源统一安装管线、异常隔离机制
3.2 灰度发布：租户/百分比/白名单/版本四维策略、稳定哈希算法、自动回滚机制
3.3 Context Engineering：Token 精简与信噪比提升、渐进式披露、噪音过滤与语义缓存
3.2 灰度发布：租户/百分比/白名单/版本四维策略、稳定哈希算法、自动回滚机制
3.3 Context Engineering：Token 精简与信噪比提升、渐进式披露、噪音过滤与语义缓存
4. 业务底座实战
4.1 以"一次内容发布请求"为例，串讲用户画像引擎、内容匹配引擎、数据处理引擎如何接力协同
5. 工程配套速览
5.1 远程调试、Skills 热加载、Resource 文件资源管理、多端接入与租户隔离
6. 总结与展望
6.1 跨模块设计哲学：元数据驱动、异常隔离贯穿、灰度思维复用、渐进式披露范式
6.2 落地收益数据总结
6.3 未来规划与 Q&A
6.2 落地收益数据总结
6.3 未来规划与 Q&A
听众收益：
1. 一套经过验证的"开发与使用分离"平台架构思路（A/B/C 三面模型）
2. Skill 插件化系统的完整工程实现（开发脚手架 + 安全安装 + 热加载）
1. 一套经过验证的"开发与使用分离"平台架构思路（A/B/C 三面模型）
2. Skill 插件化系统的完整工程实现（开发脚手架 + 安全安装 + 热加载）
3. 灰度发布与自动回滚的具体工程方案（可直接复用的哈希算法与规则 Schema）
4. Context Engineering 的实战优化手段与量化收益（Token ↓62%）
5. 多引擎协同的业务架构案例（用户画像 × 内容匹配 × 数据处理）
4. Context Engineering 的实战优化手段与量化收益（Token ↓62%）
5. 多引擎协同的业务架构案例（用户画像 × 内容匹配 × 数据处理）
李天龙
统一抽象与分形协作：OxyGent 多智能体架构的设计范式与工程取舍
京东零售 OxyGent 开源项目架构师
2024.6 – 至今，就职于京东，任算法工程师，负责AI基础架构与多智能体方向。开源多智能体协作框架 OxyGent 的核心维护者，专注于降低多智能体应用的开发门槛与工程维护成本。围绕这一目标构建了三层 Agent 基建：OxyGent 承担多智能体协作与编排，OxyBank 数据标注与语义检索平台提供 RAG 知识库管理与自动化标注流水线，OxySourcing 工具路由平台以向量语义匹配解决海量 Tool/Skill 的精准召回与召回质量持续优化，共同覆盖"智能体编排—数据供给—工具路由"的完整基建链路。深度参与京东多个核心业务的 Agent 化落地，当前研究重点集中在多智能体协作的架构范式（统一抽象与分形协作）、大规模 Agent 系统的可观测性与容错设计、以及企业级自主边界（L0–L4）的落地方法。
议题背景：
多智能体架构面临上下文膨胀、工具规模化、状态治理与自主边界四大核心挑战。本主题以"为 LLM 上下文做减法"为核心命题，展开一套完整的架构路径：从"按上下文拆分"的范式取舍到"一切皆 Oxy"的统一抽象与分形协作；工具规模化的三条组合式解法——逆向规划、向量召回·语料优化、多层 Agent 路由；基于四大数据作用域、跨进程强类型契约、全链路 Trace DAG 的系统级设计；以及 L0–L4 自主边界的分级方法、从 L1 辅助到 L4 自主经营的真实演进案例，与企业级平台和中间件的桥接模式。
内容大纲：
1. 多智能体的架构范式：上下文减法与分形协作
1.1 单 Agent 的架构瓶颈：上下文塞不下、也挑不准
1.2 实测立论：小模型层级化协作，如何反超单体大模型
1.3 上下文做减法——按上下文拆、不是按环节拆：拆分范式的取舍
1.4 一切皆 Oxy + 分形协作：让减法在代码里落地
1.2 实测立论：小模型层级化协作，如何反超单体大模型
1.3 上下文做减法——按上下文拆、不是按环节拆：拆分范式的取舍
1.4 一切皆 Oxy + 分形协作：让减法在代码里落地
2. 工具规模化：三种协同架构模式
2.1 候选一多就崩：纯 LLM 路由在候选数量增加时准确率断崖
2.2 工具治理·逆向规划：从目标反推调用链，把候选从源头降下来
2.3 向量召回·语料优化：OxySourcing 平台化的召回评测与迭代
2.4 多层 Agent 路由：用户之声案例中的分层模式
2.2 工具治理·逆向规划：从目标反推调用链，把候选从源头降下来
2.3 向量召回·语料优化：OxySourcing 平台化的召回评测与迭代
2.4 多层 Agent 路由：用户之声案例中的分层模式
3. 系统级设计：可扩展性、容错性与可观测性
3.1 四大数据作用域：Application / Session Group / Request / Node
3.2 并发脏写与命名空间隔离：共享状态的边界设计
3.3 跨进程强类型契约与拒绝反问机制
3.4 全链路 Trace DAG 与节点级缓存回放：故障定位从 30 分钟到 2 分钟
3.2 并发脏写与命名空间隔离：共享状态的边界设计
3.3 跨进程强类型契约与拒绝反问机制
3.4 全链路 Trace DAG 与节点级缓存回放：故障定位从 30 分钟到 2 分钟
4. Agent 自主性设计：L0–L4 分级与落地
4.1 自主性的架构追问：委托范围、人机边界、失败兜底
4.2 L0–L4 自主能力分级：从辅助到自主的逐级上移路径
4.3 落地案例：从 L1 辅助到 L4 自主经营的演进
4.4 企业平台与中间件的 Agent 桥接：知识库、大模型、Agent 广场与数据平台
4.2 L0–L4 自主能力分级：从辅助到自主的逐级上移路径
4.3 落地案例：从 L1 辅助到 L4 自主经营的演进
4.4 企业平台与中间件的 Agent 桥接：知识库、大模型、Agent 广场与数据平台
听众受益：
1. "一切皆 Oxy"统一抽象的设计方法与收益边界，自研或选型多智能体框架的架构决策依据。
2. 工具规模化的三条组合式解法——逆向规划、向量召回·语料优化、多层 Agent 路由。
3. 可扩展性、容错性、可观测性的系统级设计模式：命名空间隔离、拒绝反问、全链路 Trace DAG。
4. L0–L4 自主边界的评估方法，以及从 L1 辅助到 L4 自主经营的真实演进案例。
1. "一切皆 Oxy"统一抽象的设计方法与收益边界，自研或选型多智能体框架的架构决策依据。
2. 工具规模化的三条组合式解法——逆向规划、向量召回·语料优化、多层 Agent 路由。
3. 可扩展性、容错性、可观测性的系统级设计模式：命名空间隔离、拒绝反问、全链路 Trace DAG。
4. L0–L4 自主边界的评估方法，以及从 L1 辅助到 L4 自主经营的真实演进案例。
周维
复杂任务的持续执行：AiWork Agent Harness 的上下文管理与动态编排
蚂蚁数科 AiWork内核技术负责人
2021年加入蚂蚁，现负责蚂蚁数科的AiWork Agent Harness的架构设计和工程建设，关注智能体在复杂任务中的持续执行、协作效率和可靠性。工作经历覆盖底层系统研发、技术架构和团队管理。目前围绕统一智能体内核，探索人、智能体和工作流程结合的AI原生研发方式。
议题背景：
从复杂任务中的上下文膨胀、协作分工与执行中断出发，介绍 AiWork的Agent Harness 的执行机制、子智能体编排与通信、长任务保持设计，结合多领域安全审计案例，分享设计取舍与实践经验。
内容大纲：
1. 复杂任务对 Agent Harness 的要求
1.1 上下文增长与执行中断带来的挑战
1.2 AiWork 整体架构
1.2 AiWork 整体架构
2. 上下文管理与长任务持续执行
2.1 上下文设计与压缩
2.2 任务状态与记忆管理
3. 子智能体动态编排与通信
3.1 Subagent 技术路线
3.2 动态任务工作流
3.3 subagent协作通信
3.2 动态任务工作流
3.3 subagent协作通信
4. 多领域安全审计实践与架构复用
4.1 系统安全：百级子智能体分阶段协作
4.2 合约安全与密码学 安全：领域知识、专业工具与验证方法的适配
4.3 实践复盘：通用机制的复用边界及质量、效率与成本的取舍
4.2 合约安全与密码学 安全：领域知识、专业工具与验证方法的适配
4.3 实践复盘：通用机制的复用边界及质量、效率与成本的取舍
听众受益：
理解 Agent Harness 的核心架构设计，了解上下文管理和任务状态维护的设计思路，了解子智能体动态编排和工程实践。
理解 Agent Harness 的核心架构设计，了解上下文管理和任务状态维护的设计思路，了解子智能体动态编排和工程实践。
蒋思源
有限算力下的企业 Agent 架构实践：专精小模型与多 LoRA 推理调度
硅心科技（aiXcoder） 算法专家
长期从事代码模型与行业大模型研发。2020年以来，围绕代码生成、端侧部署、结构化表示、项目级上下文和推理加速，持续推进从4M到百B参数、从百亿到万亿级语料的训练实践，完成国产于英伟达大规模分布式训练、数据处理、模型蒸馏、OPD、RL和多LoRA推理系统建设。近年来聚焦垂直领域的后训练，包括通信网络、芯片设计验证、SWE与Agent专用模型，形成从数据、模型、训练到推理部署的完整技术积累。
议题背景：
企业私有化部署 Agent 时，需要在有限算力下兼顾任务质量、响应速度与并发容量。本分享围绕主 Agent、通用与领域小模型、多 LoRA 推理调度构成的协同系统，结合代码融合、工具结果筛选、轨迹压缩及 Verilog 生成与修复实践，讲解能力分工、领域验证、共享基座与混合负载调度，并以 RTL 修复链路串联各部分，讨论如何在相同资源预算下衡量有效吞吐、端到端延迟和单位成功任务成本。
企业私有化部署 Agent 时，需要在有限算力下兼顾任务质量、响应速度与并发容量。本分享围绕主 Agent、通用与领域小模型、多 LoRA 推理调度构成的协同系统，结合代码融合、工具结果筛选、轨迹压缩及 Verilog 生成与修复实践，讲解能力分工、领域验证、共享基座与混合负载调度，并以 RTL 修复链路串联各部分，讨论如何在相同资源预算下衡量有效吞吐、端到端延迟和单位成功任务成本。
内容大纲：
1. 有限算力下的企业 Agent 系统如何分工
1.1 从企业研发任务拆解推理、工具、上下文和排队开销
1.2 主 Agent、通用小模型、领域小模型与共享推理调度的职责
1.2 主 Agent、通用小模型、领域小模型与共享推理调度的职责
2. 通用小模型如何减少 Agent 执行开销
2.1 代码融合：专精 Apply 模型与任务匹配的推理加速
2.2 工具结果筛选与轨迹压缩：原文证据、任务状态与恢复路径
2.2 工具结果筛选与轨迹压缩：原文证据、任务状态与恢复路径
3. Verilog 领域模型如何进入 Agent 工作流
3.1 从领域数据与可验证反馈形成 RTL 生成和修复能力
3.2 主 Agent 组织任务，领域模型生成候选，验证工具提供反馈
3.2 主 Agent 组织任务，领域模型生成候选，验证工具提供反馈
4. 多 LoRA 推理与调度系统如何支撑多种能力
4.1 共享兼容基座、能力与 adapter 版本映射、加载和容量管理
4.2 面向混合负载的排队、批处理、资源配额与热点隔离
4.3 超时恢复与可观测性，避免局部优化形成新的系统瓶颈
4.2 面向混合负载的排队、批处理、资源配额与热点隔离
4.3 超时恢复与可观测性，避免局部优化形成新的系统瓶颈
听众受益：
1. 掌握主 Agent、通用小模型与领域模型的分工方法，识别可卸载的步骤与值得专精的任务。
2. 理解代码融合、工具结果筛选和历史压缩如何共同服务长任务。
3. 了解 Verilog 模型从领域训练到 Agent 接入的路径。
4. 掌握多 LoRA 服务的架构要点，区分能力路由与推理调度，处理长短请求、显存和热点争用。
5. 能够围绕完整任务设计固定算力下的对照评估，衡量质量、有效吞吐、端到端延迟和完整成本。
陈鹏飞
「知边界、善协作、能取用」的测试Agent框架设计
腾讯 IEG品质管理部 Agent开发框架负责人
IEG品质管理部 Agent开发框架负责人, 近10年游戏测试经验，历经性能专项定位、测试平台架构搭建到视觉 AI 智能化测试的技术演进，擅长从 0 到 1 设计可扩展的测试基础设施，并将大模型能力融入自动化测试，构建具备自愈与跨项目复用能力的智能测试框架。现负责腾讯某团队端到端agent开发框架设计，覆盖多个大型游戏。
内容大纲：
1. 背景与思考
1. 背景与思考
1.1 业务背景与真实困境
1.2我们怎么做的：整体架构
1.3 核心判断：这三类困境的共同点是能力够用甚至过剩之后才暴露出来的，不是"能力不够强"的问题，一个成熟的Agent框架设计，是"划权有依据、结构有取舍、能力能取用"三件独立的事共同成立
1.2我们怎么做的：整体架构
1.3 核心判断：这三类困境的共同点是能力够用甚至过剩之后才暴露出来的，不是"能力不够强"的问题，一个成熟的Agent框架设计，是"划权有依据、结构有取舍、能力能取用"三件独立的事共同成立
2. 框架设计：知边界、善协作、能取用
2.1 知边界：系统能否识别当前决策该交给谁
2.2 善协作：系统的组织结构每一层怎么划分、谁对谁负责的设计取舍。
2.3 能取用：随应用反馈不断合入新功能，架构容易越来越臃肿
2.2 善协作：系统的组织结构每一层怎么划分、谁对谁负责的设计取舍。
2.3 能取用：随应用反馈不断合入新功能，架构容易越来越臃肿
3. 案例
3.1 落地规模简述
3.2 各项目落地效果对比
3.2 各项目落地效果对比
4. 总结与展望
4.1 三句话总结：知边界是划清决策权与代价的起点，善协作是结构设计取舍的沉淀，能取用是能力边界持续被撑大、同时保持克制的方式
4.2 下一步方向
4.2 下一步方向
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
