Keynote Speech
夏勇博士
智能体规模化的深层挑战与能力跃迁
汇丰银行 董事总经理
汇丰银行董事总经理、汇丰国际财富管理及卓越理财解决方案首席信息官、汇丰国际财富管理及卓越理财首席架构师、广州软件开发(广东)有限公司董事。华南理工大学客座教授、国际需求工程委员会(IREB®)理事。
原复旦大学客座教授和上海交通大学企业博士生导师。
原复旦大学客座教授和上海交通大学企业博士生导师。
智能体走向规模化生产，面临质量、记忆、成本、安全等一系列深层挑战，其根基在于质量与记忆两环：Oracle缺失令其不知对错，经验失忆令其不长记性。我们以代码图谱构建graph10x，在8000+项目规模治理测试质量，将检测信号沉淀为工程知识；以mem10x事实记忆层承载专家经验，驱动云端Skill持续进化。质量为记忆提供可信素材，记忆反哺生成质量，二者同构共生，构成智能体自我修正、自我累积的进化机制。本报告将分享这一机制的金融级规模化实践，探讨智能体从"可用"迈向"可持续进化"的能力跃迁之路。
黄佳
从 Agent 设计模式到企业本体：FDE 如何把 AI 接进真实业务
新加坡科技研究局（A*STAR）· AI 研究员
笔名咖哥，新加坡科技研究局（A*STAR）AI 研究员，《Designing AI Agents》（Manning，2026）作者，人民邮电出版社2026年重点图书《Agent设计模式》作者。曾任埃森哲新加坡公司资深顾问，拥有 20 年以上软件架构与 AI 工程化实战经验。著有《Agent设计模式》《RAG实战课》《动手做AI Agent》《GPT图解 大模型是怎样构建的》等多部技术畅销书，累计影响数十万开发者。当前研究聚焦于 Agent 设计模式的系统化——基于认知科学与分布式系统工程的交叉视角，提出覆盖感知、记忆、推理、行动、反思、协作、治理七大认知维度与六种执行拓扑的双轴模式矩阵（27种模式），并以 Claude Code、Manus、OpenClaw 等生产系统为案例验证框架的通用性。
在过去一年的企业现场中，我们会反复看到同一组很类似的问题：有的团队在几个月里部署了近百个 Agent，每个都能完成一点任务，放到一起却接不成一条完整的业务链。从 Claude Code、Codex 到 WorkBuddy，越来越多的员工开始使用 AI，企业原有的流程和协作方式却没有随之改变。更多时候，Agent只停留在Demo阶段，因为数据与知识的欠账让 Agent 无法真正进入系统。
这些项目卡住的地方高度一致——企业没有本体，也没有给 Agent 确立身份、权限和责任边界。企业尚未把自己的业务世界说清楚，Agent 自然也不知道自己代表谁、正在处理什么、可以改变什么，又该在哪条边界前停下来。再强的模型和工具也无法解这一层的问题。
这场分享试图把 ADPS、企业本体和 FDE 放在一条工程线上讨论。ADPS 双轴框架关注“循环之内”：Agent 正在完成哪一步，数据怎样在各个节点之间流动。企业本体关注“循环脚下”：业务对象是谁，事实从哪里来，哪些动作可以执行，结果由谁负责。FDE 负责在客户现场把这两部分焊接在一起，接上真实系统，在具体业务中扎扎实实的验证，再把能够持续维护的工程资产交还给企业团队。
我们将从业务问题定位、企业世界模型、行动规范、协同与信任、运营与交还 这五个具体FDE实操步骤出发。每一步都标出对应的设计模式接点，并以 ADPS Agent设计双轴框架白皮书、ADPS 蓝皮书已发布的多个企业案例、AOS 智能体平台，以及其他真实项目的工程结构作为实践印证。
这些项目卡住的地方高度一致——企业没有本体，也没有给 Agent 确立身份、权限和责任边界。企业尚未把自己的业务世界说清楚，Agent 自然也不知道自己代表谁、正在处理什么、可以改变什么，又该在哪条边界前停下来。再强的模型和工具也无法解这一层的问题。
这场分享试图把 ADPS、企业本体和 FDE 放在一条工程线上讨论。ADPS 双轴框架关注“循环之内”：Agent 正在完成哪一步，数据怎样在各个节点之间流动。企业本体关注“循环脚下”：业务对象是谁，事实从哪里来，哪些动作可以执行，结果由谁负责。FDE 负责在客户现场把这两部分焊接在一起，接上真实系统，在具体业务中扎扎实实的验证，再把能够持续维护的工程资产交还给企业团队。
我们将从业务问题定位、企业世界模型、行动规范、协同与信任、运营与交还 这五个具体FDE实操步骤出发。每一步都标出对应的设计模式接点，并以 ADPS Agent设计双轴框架白皮书、ADPS 蓝皮书已发布的多个企业案例、AOS 智能体平台，以及其他真实项目的工程结构作为实践印证。
韩艾博士
AI Native 全托管：企业智能在京东货盘经营的工程实战
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。
议题背景：
通用AI能聊天、能写文案，却做不了经营操盘——因为它算不清后果、不懂业务上下文、做完不长进。本演讲提出企业智能的核心公式：Model × Context × Learning Loop，并分享京东如何将这一公式工程化落地为“AI Native 全托管”系统。系统通过大模型理解经营语义、量化模型在仿真空间推演平行未来、Agent执行落地，再以Learning Loop闭环反哺模型与策略中心。已在20万自营商品验证，超20%不动销品重新动销。演讲将拆解架构设计、量化推演、闭环进化等关键技术，并展望从自营到POP的开放路径。
内容大纲：
1. 经营困境：为什么通用AI做不了操盘？
1. 经营困境：为什么通用AI做不了操盘？
1.1 算不清：语言推理无法完成GMV与利润的精确博弈
1.2 不懂你：缺乏业务上下文，只能套通用模板
1.3 不长进：做完即忘，没有闭环学习能力
1.2 不懂你：缺乏业务上下文，只能套通用模板
1.3 不长进：做完即忘，没有闭环学习能力
2. 企业智能公式：Model × Context × Learning Loop
2.1 公式的提出：乘法关系，缺一不可
2.2 三个因子在货盘经营中的业务含义
2.3 从“人用工具”到“系统经营，人做治理”
2.2 三个因子在货盘经营中的业务含义
2.3 从“人用工具”到“系统经营，人做治理”
3. 系统架构：理解、推演、执行三层协同
3.1 大模型：经营语义理解与关键问题定位
3.2 量化模型：仿真推演与最优路径搜索
状态冻结、动作空间搜索、平行未来推演
3.3 Agent：策略执行与京东业务接口调度
3.2 量化模型：仿真推演与最优路径搜索
状态冻结、动作空间搜索、平行未来推演
3.3 Agent：策略执行与京东业务接口调度
4. 闭环进化：Learning Loop 的工程实现
4.1 从“发生了什么”到“为什么发生”：全量快照与归因
4.2 策略中心：人类经验与AI学习成果的规模化复用
4.3 模型反哺：大模型与量化模型的持续校准
4.2 策略中心：人类经验与AI学习成果的规模化复用
4.3 模型反哺：大模型与量化模型的持续校准
5. 验证与展望：从自营到POP
听众受益：
1. 理解企业级AI系统如何从“单点工具”走向“自主决策闭环”
2. 掌握大模型+量化模型+Agent三层协同的架构设计方法
3. 学习如何构建可进化的Learning Loop，让系统越用越聪明
听众受益：
1. 理解企业级AI系统如何从“单点工具”走向“自主决策闭环”
2. 掌握大模型+量化模型+Agent三层协同的架构设计方法
3. 学习如何构建可进化的Learning Loop，让系统越用越聪明
4. 获得在真实复杂业务场景中落地AI Native系统的工程经验
5. 了解人机共治模式下，如何定义目标、边界与治理机制
5. 了解人机共治模式下，如何定义目标、边界与治理机制
王植萌
持续进化的知识工程
去哪儿网 AI lab 技术负责人
在互联网技术与架构领域从业近20年。
2025 年起负责去哪儿网 QUNAR AI LAB的技术工作，落地项目包括AI行程规划、AI全自动客服、AI质检、AI培训等
长期跟进方向还包括领域驱动设计、公司级系统稳定性建设、企业技术文化建设。
2025 年起负责去哪儿网 QUNAR AI LAB的技术工作，落地项目包括AI行程规划、AI全自动客服、AI质检、AI培训等
长期跟进方向还包括领域驱动设计、公司级系统稳定性建设、企业技术文化建设。
本次分享内容都是26年年初到现在真实踩过的坑：
1.SKILL+标准Harness
第一阶段，SKILL+Claude Code/CodeX，非技术人员很快达到达任务优化瓶颈，只能通过加大投入换更好模型来持续提升
2.2.SKILL+专属Harness
第二阶段，SKILL+专属Harness，相同模型，通过Harness工程不断优化SKILL，解决问题的能力有了质的提升，非技术人员重点关注验证，但是仍然不能解决大问题，只能解决点状小问题
3.3.结构化知识+专属Harness
第三阶段，结构化知识+专属Harness，需要给知识以适合垂类的框架，让业务人员在业务框架内填充内容，而不是在只有软约束下写SKILL，能够完成复杂的垂类业务，目前的能力已经相当于软件工程的单体应用，但是仍然面临如何衔接其他业务域能力的问题
4.4.DDD+专属Harness
第四阶段，用DDD中的限界上下文交互方法理论来指导数据连接，知识管理仍然需要防腐层的参与，由此解决多垂类知识管理的问题
5.5.知识管理与知识的CICD
第五阶段，知识的版本化管理，知识的CICD，让知识可回滚，让知识可测试，让知识可AB Test，让非工程师写知识更安全，知识工程也是工程
6.AI for AI
第六阶段，非工程师到工程师的跨越，AI能否成为非工程师的Copilot？效果有待观察和验证
7.理想中的RSI
如果AI for AI可行，那么最终知识管理的非工程化会继续走向RSI
1.SKILL+标准Harness
第一阶段，SKILL+Claude Code/CodeX，非技术人员很快达到达任务优化瓶颈，只能通过加大投入换更好模型来持续提升
2.2.SKILL+专属Harness
第二阶段，SKILL+专属Harness，相同模型，通过Harness工程不断优化SKILL，解决问题的能力有了质的提升，非技术人员重点关注验证，但是仍然不能解决大问题，只能解决点状小问题
3.3.结构化知识+专属Harness
第三阶段，结构化知识+专属Harness，需要给知识以适合垂类的框架，让业务人员在业务框架内填充内容，而不是在只有软约束下写SKILL，能够完成复杂的垂类业务，目前的能力已经相当于软件工程的单体应用，但是仍然面临如何衔接其他业务域能力的问题
4.4.DDD+专属Harness
第四阶段，用DDD中的限界上下文交互方法理论来指导数据连接，知识管理仍然需要防腐层的参与，由此解决多垂类知识管理的问题
5.5.知识管理与知识的CICD
第五阶段，知识的版本化管理，知识的CICD，让知识可回滚，让知识可测试，让知识可AB Test，让非工程师写知识更安全，知识工程也是工程
6.AI for AI
第六阶段，非工程师到工程师的跨越，AI能否成为非工程师的Copilot？效果有待观察和验证
7.理想中的RSI
如果AI for AI可行，那么最终知识管理的非工程化会继续走向RSI
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
