智能体上下文与数据工程-2026上海_SECon全球软件工程技术大会-橙柚科技

专场出品人：王昊奋

同济大学长聘教授、博士生导师

同济大学长聘教授、博士生导师，聚焦知识图谱与知识增强大模型研究，核心成果包括企业级开源知识图谱OpenSPG、全球首个知识增强推理开源模型KAG-Thinker（超万次GitHub星标）、大模型记忆原生操作系统MemOS（单日调用超50万次），大模型评测众包平台AI-Ceping（月活30万人次）成果已落地机场调控、金融风控、座舱交互等多场景。近五年出版学术专著3部，以第一/通讯作者在CVPR、WWW、ICLR、ACL、AAAI、IJCAI等顶级会议与期刊发表论文45篇，谷歌学术被引次数超过1.1万，单篇引用超5400次，并获得DASFAA 2025最佳学生论文、HCII 2024最佳论文等。主持新一代人工智能国家科技重大专项课题、国家自然科学基金重点/面上项目、上海市基础研究特区计划等省部级以上项目4项，获授权专利8项。主讲本研课程9门，指导本硕博学生近40名。获中国交通运输协会科技进步一等奖、MUSE设计创意奖银奖、CCF科技进步三等奖等。担任全球最大中文开放知识图谱社区OpenKG首任轮值主席，兼任Data Intelligence执行主编、CCF自然语言处理专委会秘书长、CIPS语言与知识计算专委会副秘书长等多项学术兼职，在IJCAI、VLDB、世界人工智能大会、中国计算机大会等作特邀报告，长期推动知识图谱与大模型领域的学术创新与产业转化。

专场：智能体上下文与数据工程

在大模型与智能体（Agent）快速迭代的当下，数据是智能体实现自主决策、精准交互、高效响应的核心根基，而上下文管理则是决定智能体“理解能力”与“执行效率”的关键支撑。本专场聚焦「智能体上下文与数据工程」核心领域，围绕面向Agent的全流程数据处理、上下文优化、检索增强等关键技术，拆解实践路径、分享落地经验，助力从业者打通智能体数据层与上下文层的协同壁垒，实现智能体能力的规模化升级。

毛宇

从 Copilot 到Digital Worker:企业级数据生产的Agentic AI 范式

蚂蚁集团高级技术专家

浙江大学计算机硕士，蚂蚁金服高级技术专家，数据研发平台技术负责人。深耕数据平台多年，擅长数据研发平台（集成、离线、实时）和数据分析平台的建设，现阶段主攻非结构化数据研发和数据研发Agent两大领域。前后建设过的两款平台在公司内部累计MAU超越5万。

议题背景：

在数据领域，AI辅助工具(Copilot)已泛滥，但生产级Agent (Digital Worker)却难产。核心瓶颈在于:数据操作具备高犯错成本、强血缘联动、严格治理要求，传统“提示词工程”无法解决。
本次分享将揭秘蚂蚁集团Dataphin数据研发Agent 构建路径:我们提出六层AI基础设施架构(交互/工具/认知/状态/治理/观察)，通过双轨制同步支撑轻量探索入口(Claude Code/OpenClaw)与高精度生产入口(Dataphin Sidebar)，实现从 Ad-hoc探查到标准化资产交付的全场景覆盖。通过HarnessEngineering(约束优于指令)让Agent在严格边界内自主执行，实现“需求提出一数据资产上线”的端到端方案。推动数据工程师从“SQL写手”转型为“Agent治理者”。

内容大纲：
1. 为什么数据Agent是“地狱级"难度?(问题定义)
2. 通过双轨制同步支撑探索型与生产型入口(探索型vs生产型)
3. 六层架构:不只是分层，而是信任契约(方法论)
4. 样板间实战:当Agent接管数据生产(落地案例)
5. 未来已来:数据飞轮与Digital Worker(趋势展望)

龙波

基于知识工程的多智能体：赋能产品需求分析与方案设计

中兴通讯研发教练

任职在有线研究院数据系统部，负责有线院和数据研发中心需求过程改进。有线院方案设计域AI应用负责人。
软件工程本硕，数通产品15年以上工作经验。目前专注于需求工程和系统设计，将大模型、知识工程、多智能体落地到研发场景，推动研发提效。

议题背景：

本次分享围绕需求分析支撑测试、方案设计支撑开发，构建基于RAG、知识图谱、向量库与记忆机制的多智能体体系，覆盖研发全链路的场景、需求、特性、组件、代码、用例、故障等知识关联。通过多智能体并发协作完成分析与设计，实现存量知识结构化沉淀；并针对不同需求类型提供差异化路径，兼顾架构可靠性、兼容性等质量属性，形成可落地的智能化研发实践。

内容大纲：
1. 研发痛点与智能化思路
1.1 数通产品需求与方案设计的传统痛点
1.2 基于知识工程+多智能体的破局思路
2. 核心技术体系：知识工程、智能体与度量方案
2.1 知识工程底座（向量库、知识图谱、文档树）
2.2 多智能体协同架构（Skills、MCP、记忆、并发、协作机制）
2.3 智能体效能度量体系（耗时、Token、采纳率等）
3. 端到端实践与工程化效果
3.1 需求智能分析（场景化、因子化、差异化路径）
3.2 方案智能设计（架构、功能设计、质量属性、存量反构）
3.3 全链路知识沉淀（需求-特性-组件-代码-用例-故障）
3.4 工程化落地效果与验证
4. 体系演进与未来思考
4.1 研发智能化体系演进方向
4.2 实践经验与关键挑战思考

听众受益：
1. 了解研发场景中知识工程+多智能体的落地方法，搭建可复用的智能化研发应用框架，实现知识沉淀、智能协同与效能提升。
2. 借鉴需求分析与方案设计实践思路，通过场景化表达、差异化路径设计，挖掘存量方案与隐形知识，支撑测试与开发。

陈涛

迈向生产级Agent：构建统一的多源实时上下文

阿里云产品专家阿里云EventBridge及云原生 DataAI领域产品负责人

阿里云智能集团产品专家，深耕于消息中间件、事件驱动、Serverless，Agent上下文生态集成领域。目前，致力于赋能Agent开发者，让AI深入各行各业，真正实现AI普惠和平权。

议题背景：

“简单”和“可靠”是AI普惠的关键。然而，企业数据碎片化、Schema多变、Context-Rot、语义冲突等难题，正成为Agent迈向生产级的“深水区”。本次分享从环境工程出发，“简化”多源实时上下文：打破传统知识库不断“辛勤”打补丁的方式，通过内置的一键集成、状态机、闭环反馈，将原本散乱在各处的数据，“快速”变成真正有效的知识，提升Agent的感知能力。以统一的、一键集成的、Serverless的上下文服务,助力开发者轻松搭建生产级的Agent。

内容大纲：
1. 破局：AI普惠的理想与“数据墙”的现实
1.1 核心矛盾：只有“简单”和“可靠”，AI才能真正普惠；但当前企业Agent研发正陷入“复杂”与“不可靠”的深水区。
1.2 四大拦路虎（数据桥接的难点）：

1.2.1 数据碎片化（DataSilos）：信息散落在文档、DB、API、日志中，缺乏统一入口。
1.2.2 Schema易变性（SchemaVolatility）：接口协议不统一，上游数据结构随时变动，导致Agent频繁“失明”。
1.2.3 上下文熵增（ContextRot）：陈旧或无关信息堆积，干扰模型判断，导致“幻觉”频发。
1.2.4 语义冲突（SemanticConflict）：多源数据对同一事实描述不一致，Agent陷入逻辑死循环。
2. 演进：从“提示词”到“环境工程”的范式跃迁

2.1 研发范式四部曲：提示词工程→上下文工程→环境工程（核心突破点）→自主进化。
2.2 核心洞察：解决数据桥接问题，不能只靠Prompt，必须引入“环境工程”，为Agent构建一个可感知、可交互的实时数据环境。
3. 方案：构建“统一的多源实时上下文”桥接引擎
3.1 异构数据“一键桥接”：以“事件（Event）”为标准协议，打破数据孤岛，实现文档、API、数据库的实时统一接入。
3.2 Schema自适应演进：引入AI语义化分析，自动探测上游数据变化，动态调整Schema，解决“接口一变，Agent就挂”的痛点。
3.3 Serverless化统一存储与检索：摒弃传统的MCP补丁模式，面向结构化/非结构化数据，提供“算存一体”的Serverless检索服务。
3.4 闭环反馈与自我净化：引入Human/Model-in-the-loop机制，利用状态机管理Agent思考路径，自动识别并纠正语义冲突，持续清洗上下文质量。
3.5 生产级CICD保障：提供可观测、可告警、可自定义Benchmark的一站式发布流程，确保每一次数据桥接变更都符合生产标准。
4.总结与展望：迈向自主进化的Agent数据生态

听众受益：
1.洞察行业痛点与趋势：清晰识别当前Agent落地中“数据桥接”的核心阻碍，掌握从Prompt到环境工程的研发范式演进方向，提前布局下一代Agent架构。
2.掌握核心解决方案：深入理解多源实时上下文构建的原理，学习如何处理Schema演进、语义冲突等具体技术挑战，获得一套可落地的企业数据桥接方法论。
3.获取落地工具箱：通过类似产品/架构的解析，帮助企业在内部快速搭建一套“低代码接入、高可靠运行”的生产级Agent上下文服务，大幅降低AI落地门槛。

程逸骏

从“黑盒”到“白盒”：基于索引树与大模型智能体的企业级知识深度检索实践

中兴通讯 AI算法工程师

2024年博士毕业就职于中兴通讯股份有限公司，在有线研究院从事AI算法与agent技术相关研究工作，深耕企业级智能体落地，赋能研发效率与质量双提升。基于知识检索环节通过技术与工程的结合优化，推出“索引树”产品助力有线院知识检索跨越式提升，助力研发环节加速与知识精准流转。

内容大纲：
本演讲针对传统企业知识库检索中存在的“查不准、查不全、逻辑黑盒”痛点，提出并实践了“索引树+ReAct智能体”的创新解决方案。我们摒弃了单纯依赖向量语义匹配的旧模式，通过大模型自动构建包含层级结构与内容摘要的“索引增强树”，赋予AI拟人化的目录浏览与钻取能力。结合ReAct（推理-行动）智能体框架，系统能够根据用户意图动态规划检索路径，实现从“关键词匹配”到“意图理解与逻辑推理”的跨越。该方案已在通信研发、知识规范管理及故障诊断等复杂场景中落地，将检索准确率提升30%以上，问答准确率突破90%。这不仅是一套技术工具，更是一种重塑人机协作模式、实现知识复利最大化的全新范式，具备极高的通用性与推广价值。

内容大纲：
1. 背景与挑战：企业知识检索的“最后一公里”困境
1.1 当前主流检索方式的局限性分析
1.2 空间/全文检索：范围不可控，逻辑不透明，无法处理复杂多轮对话。
1.3 传统向量检索（RAG）：依赖切片质量，存在“语义幻觉”，难以应对长文档截断与数量不确定性问题。
1.4 知识图谱检索：构建成本高，查询门槛高（需特定语句），对节点内细节检索能力弱。
1.5 核心痛点归纳
1.5.1 查不准： Embedding技术上限导致语义匹配偏差，无法精准定位特定业务场景文档。
1.5.2 查不全：固定工作流（Workflow）无法动态判断检索次数与范围，导致关键信息遗漏。
1.5.3 人机Gap：缺乏可解释的检索过程，用户无法信任或干预AI的查找逻辑。
2. 核心理念：索引树与智能体的双重驱动
2.1 愿景目标：极简、白盒化、可配置的知识检索
2.1.1 从“黑盒”向“白盒”转变：检索范围可见、检索逻辑可配、检索过程可溯。
2.1.2 组装式架构：支持MCP（模型上下文协议）插拔，灵活适配数字员工、IM群聊及各类智能体前端。
2.2 关键技术一：索引增强树（Index-Enhanced Tree）
2.2.1 构建机制：自动化抽取iCenter/文档系统的层级目录，利用大模型生成“叶子节点摘要”与“父节点聚合摘要”。
2.2.2 核心价值：为AI提供类似人类的“目录导航图”，使其在检索前即可预判内容分布，支持“浏览-钻取-阅读”的拟人化操作。
2.3 关键技术二：ReAct智能体动态推理
2.3.1 从Workflow到Agent：摒弃固定流程，采用“思考-行动-观察”循环，由模型自主决定检索深度与广度。
2.3.2 分层查询策略：结合索引树结构，实现“先定范围、再精确定位、最后原文验证”的闭环逻辑。
3. 产品演进与实践路径
3.1 演进路线回顾
3.1.1 1.0时代（技术底座）：单项目定制脚本，人工配置MCP，仅解决有无问题。
3.1.2 2.0时代（功能增强）：优化算法但缺乏通用性，仍依赖项目级定制，推广难度大。
3.1.3 3.0时代（产品化）： “索引树”产品成型，前后端全面升级，支持用户自助配置、白盒化检索与多场景复用。
3.2 典型应用场景落地
3.2.1 个人办公助手：日报追踪、私有知识库问答，打造“每个人的私人专家”。
3.2.2 团队研发提效：
存量特性树重构：辅助编写新特性文档，采纳率从40%提升至80%。
故障诊断辅助：基于硬件中心与波分中心的故障案例库，实现精准定位。
3.3 复杂规范问答：有线院顶层知识规范解读，开放性问题回答准确率达90%以上。
3.4 本地文档深度检索：单板说明书等长文档解析，解决召回截断问题，支持图文回填。
4. 应用价值与未来展望
4.1 量化收益展示
4.1.1 效率提升：特性编写效率提升50%（1天缩短至0.5天），检索准确率提升20%-30%。
4.1.2 质量保障：突破个人经验局限，实现文档输出的标准化与规范化。
4.1.3 用户体验：支持多轮交互修正，检索过程透明可视，用户信任度显著增强。
4.2 生态定位与推广计划
4.2.1 解耦与集成：既可作为独立MCP服务嵌入现有系统，也可依托兴小秘等平台快速部署。
4.2.2 未来规划：探索自适应索引构建、Codebase代码域检索对接，以及更深度的“数字化+平台化”人机协作模式。

听众收益：
1. 掌握前沿落地方案：获取一套经过大规模实战验证的、解决大模型“幻觉”与“检索不准”问题的企业级架构思路。
2. 理解人机协作新范式：学习如何从“固定流程自动化”转向“智能体自主决策”，显著提升复杂任务的处理效率。
3. 获得可复用的方法论：借鉴“索引树”构建与“白盒化”配置经验，低成本快速搭建适合自身业务的知识检索系统。
4. 明确数字化转型路径：洞察如何通过知识工程与大模型的深度融合，打破数据孤岛，实现组织知识的沉淀与复利。

陈玉涛

让 Agent 真正"记得住、干得好"

——从长期记忆引擎到企业级 Agent 落地的工程化实践

记忆张量解决方案架构师

......