AiDD研发数字峰会

论坛主席：王一男

华为技术专家，华为云智能化DevOps产品专家。拥有北京航空航天大学软件工程专业本科及硕士学位，具备多年软件工程与管理实践经验，专注于通过方法与工具的结合提升组织研发效能。

华为技术专家

Agentic Engineering核心技术与实践

当智能体从单点辅助走向系统级协同，工程化落地成为规模化瓶颈。本论坛聚焦 Agentic Engineering核心技术与生产实践，深入探讨智能体编排架构、记忆与上下文治理、工具链集成及多智能体协同机制。分享如何将原型转化为高可靠、可扩展的企业级系统，覆盖可观测性设计、性能优化与灰度发布策略，为研发团队提供从"跑通Demo"到"规模用好"的全链路工程指南。

从 AI Coding 到 Agentic SDLC：
企业级研发智能体的工程化落地实践

刘昭远

词元无限技术负责人

内容简介：

AI Coding 正从个人效率工具走向企业级研发基础设施。本次分享将结合词元无限在 Code Agent、Test Agent 与 Agent 管控平台上的工程实践，探讨企业如何构建可用、可控、可评测、可治理的 Agentic SDLC 体系。内容将覆盖大型代码库上下文工程、Agent 执行闭环、多智能体协同、测试验证、过程追踪、效果评测、成本治理与企业落地路径，帮助研发组织从“AI 辅助写代码”迈向“AI 驱动软件交付”。

演讲提纲：
1. AI Coding阶段变化：从「辅助生成」到「Agent 交付」
2. 企业落地的真实挑战：大型代码库、复杂需求、测试验证与流程集成
3. 企业级研发智能体架构：Code Agent、Test Agent 与管控平台协同闭环
4. 从个人提效到组织级交付：智能体深入参与研发全流程
5. 规模化落地路径：从代码理解、缺陷修复、单测生成、Code Review 等高频场景切入
6. 企业研发从“模型能力调用”，走向“智能体协同、过程可控、结果可验证”的软件交付新范式。

听众收益：
1.理解企业级 AI Coding 的演进方向
2.掌握研发智能体工程化落地的关键方法
3.获得企业规模化推广 AI 研发能力的参考路径

词元无限技术负责人，长期专注大模型应用、AI Agent 架构、研发基建与代码智能，曾负责某头部大厂AI Coding工程化建设及代码智能方向孵化，具备大规模研发场景下 AI Coding 与多 Agent 协作落地经验。现负责词元无限企业级 AI Coding / Agent 技术规划与研发体系建设，推动 Code Agent、Test Agent 与 Agent 管控平台在企业级 SDLC 场景中的工程化落地。

通义多模态、多端GUI智能体Mobile-Agent

徐海洋

阿里巴巴-通义实验室高级算法专家

内容简介：

随着多模态大模型和AI agent技术的快速发展，围绕Mobile、PC等端侧构建多模态GUI智能体，以进行自动化操作，成为了现在业界最热的研究应用方向之一，有望变革新的人机交互方式。我们围绕多智能体架构、复杂任务拆解、自主进化推理、GUI基础模型等技术构建整个通义多模态、多端智能体Mobile-Agent技术体系，包括多模态GUI智能体框架体系Mobile-Agent/Mobile-Agent-V2/Mobile-Agent-E、基础GUI智能体模型Mobile-Agent-v3/Mobile-Agent-v3.5等，通过仿真环境数据Scaling，Environment RL Scaling，体系化提升Agent能力等，和OpenClaw配合使用，探索相关技术在手机、电脑桌面端、车机等多个场景的应用。Mobile-Agent工作也发表在NeuIPS 2024，并获得CCL2024、2025 Best Demo，相关代码均已开源到Github (https://github.com/X-PLUG/MobileAgent)

演讲提纲：
1. 大模型智能体背景介绍，包括GUI、Deepresearch，OpenClaw/Manus等；
2. 通义多模态、多端GUI智能体框架Mobile-Agent，包括多模态单智能体Mobile-Agent、多智能体Mobile-Agent-v2、多模态自主进化智能体Mobile-Agent-E；
3. 通义GUI Foundation Model GUI-Owl/GUI-Owl-1.5，通过仿真环境数据Scaling和真实环境配合，Environment RL Scaling支持多端训练，体系化提升GUI Agent的Long/Short Memory、Tool-Use、Multi-Agent适配能力等；
4. 通义Mobile-Agent开源应用，和OpenClaw配合使用，探索相关技术在手机、电脑桌面端、车机等多个场景的应用。

听众收益：
1. 体系化了解大模型GUI智能体；
2. 详细了解多模态GUI智能体Mobile-Agent框架体系；
3. GUI Foundation Model GUI-Owl/GUI-Owl-1.5。

阿里通义实验室高级算法专家，负责通义Mobile-Agent、mPLUG等系列工作，包括多模态智能体Mobile-Agent、多模态大模型mPLUG/mPLUG-Owl/QwenVL，多模态文档大模型mPLUG-DocOwl等，其中 mPLUG 工作在 VQA 榜单首超人类的成绩，Mobile-Agent工作CCL2024、2025两年 Best Demo，获得多个多模态榜单第一和Best Paper。在国际顶级期刊和会议ICML/NeurIPS/ICLR/CVPR/ICCV/ACL/EMNLP等发表论文60多篇，并担任多个顶级和会议AC/PC/Reviewer，主导参与开源项目Mobile-Agent，mPLUG，AliceMind，DELTA等。

面向运维的智能体 OpsAgent & 面向智能体的运维 AgentOps

张圣林

南开大学软件学院副院长

内容简介：

本报告分为两个部分。第一部分介绍面向运维的智能体 OpsAgent，系统阐述如何利用多智能体协同技术应对软件系统日益复杂的运维挑战，并介绍南开大学智能运维课题组与字节跳动、阿里巴巴等企业合作取得的研究成果，包括可解释、高准确率的根因定位基础模型 FoundRoot，以及面向操作系统故障诊断的 OScope 框架。第二部分探讨面向智能体的运维 AgentOps。与传统信息系统不同，智能体系统的高度自主性与非确定性行为给传统运维技术带来了难以应对的新挑战。本部分将讨论如何针对复杂执行轨迹进行根因定位与可解释证据链构建，以及如何将诊断结论转化为对下一轮执行加以约束的修复动作。

演讲提纲：
1. 开场与全局框架
2. OpsAgent背景与意义
2.1 现代IT系统复杂性挑战
2.2 现状对比
2.3 战略意义与国家需求
2.4 为什么选择OpsAgent
2.5 人机协同新范式
2.6 研究路线图
3. FoundRoot—微服务根因分析
3.1 问题与动机
3.2 架构核心—结构化深度思考
3.3 两阶段训练机制SFT+RL
3.4 性能突破
4. OScope—操作系统故障诊断
4.1 OS诊断的专业性门槛
4.2 OScope框架
4.3 Knowledge Aligner
4.4 Report Validator
4.5 企业部署成效
5. OpsAgent小结与展望
5.1 边界与局限
5.2 未来突破方向
6. AgentOps背景与意义
6.1 AgentOps的崛起
6.2 传统vs智能体系统对比
6.3 为什么AgentOps更难
6.4 AgentOps核心能力
6.5 路线图
7. PROBE—软件工程Agent失败恢复
7.1 AgentOps挑战
7.2 PROBE整体方法
7.3 Diagnosis Layer
7.4 Guidance Gate
7.5 性能结果
8. TraJudger—多智能体系统故障诊断
8.1 MAS诊断的现实挑战
8.2 TraJudger框架
8.3 神经-符号协同诊断
8.4 故障传播步骤设定
8.5 企业部署成效
9. AgentOps小结与展望
9.1 边界与局限
9.2 未来突破方向
10. 收尾与致谢

听众收益：
1. 建立"双向运维"的全景认知框架
2. 掌握 4 套可复用的工业级关键技术
3. 获取真实场景的可量化部署经验

南开大学软件学院副教授、博士生导师、副院长，入选南开大学"青年学科带头人培养计划"。2017年于清华大学计算机系获博士学位，并获清华大学优秀博士学位论文奖。主要研究方向为智能运维（AIOps）。以第一作者或唯一通讯作者在CCF A类会议和期刊发表论文40余篇。主持国家自然科学基金项目2项，以及华为、字节跳动、阿里巴巴、腾讯等企业横向课题近30项。曾三次荣获国际软件可靠性工程旗舰会议ISSRE最佳论文奖，创该会议35年历史上获奖次数之最。获中国电子学会科技进步一等奖（第3完成人）、天津市科技进步一等奖，以及华为计算产品线"最佳技术合作教授"、南开大学"良师益友"、麒麟软件"校企合作突出贡献奖"等荣誉。联合创办CCF AIOps挑战赛并担任首届和第六届程序委员会主席，担任CCF 2026中国软件大会程序委员会主席，CCF 2025中国网络大会宣传委员会主席，CCF YOCSEF天津学术委员会副主席（2023—2024），CCF互联网专委常务委员。

AiDD峰会

K+峰会

联系我们