- 探讨大语言模型从提示工程逐步向 Flow Engineering 发展的历程。
- 讨论 RAG（Retrieval-Augmented Generation）和 AI Agent 应用的涌现如何依赖于大语言模型应用开发框架（如 LangChain）和 Flow Engineering 的支持。
- 浅析 Dify、Coze 和 FastGPT 等平台如何通过可视化工作流编辑工具推动创新，并展望未来的更多可能性。

- AIGC在设计工作中有哪些应用场景？

- 哪些方面可以为设计提效？

- 产品中如何落地AI功能？

- 在隐私保护、安全合规的数据治理的面临哪些新挑战？
- 如何制定数据质量评估体系，优化机制来提升智能表现？
- 大模型下数据智能在领域模型最新探索实践

- 如今AIGC火爆全球，越来越多的低代码会结合AIGC能力，本次Talk将围绕AIGC与低代码结合场景、AIGC赋能低代码的技术挑战、以及未来AIGC的发展能否完全取代低代码开发等话题展开讨论。

- 什么是领域大模型和知识增强型大模型？
- 从性能、可解释性、数据等方面讨论各自有哪些优势？
- 它们有哪些典型的应用案例吗？
- 两者是否可以融合？如何融合？
- 未来发展趋势如何？

- 以 Copilot 为代表的 AI 助手能帮程序员做什么？
- 在 AI 加持下，程序员的工作方式会有哪些变化？
- 程序员在AI 时代如何规划个人发展？

- 从第一性原理、达尔文进化论角度去看AIGC下的测试智能化
- 从量变到质变，在AIGC促进下会不会发生突破性的进展？
- 哪些领域更见成效？哪些地方更容易取得突破?
- 在企业QA活动和场景落地时还要重点解决哪些问题？
- 未来会诞生出“中高级水平的测试领域AI助手”或超人？

- 从产品设计视角看，LLM可能会带来哪些变化？ 有什么样的挑战和机遇？
- 从技术和架构视角看，是该让子弹飞一会儿，还是现在就投入？
- LLM原生的架构或LLM优先的架构，会是怎样的？
- 根据新开放的神器Code Interpreter，未来LLM可以帮架构师做哪些事情？

- 银行离大模型广泛应用有多远？
- 面对大模型银行人需要准备哪些新技能？
- 大模型在银行将面对怎样的监管？
- API vs Self-host 银行大模型怎么选？

- 银行科技力量能够驾驭大模型吗？

- 观察：AIGC技术在零售行业的小试牛刀，是否在静悄悄改变“人货场”
- 挑战：哪些零售行业的规则会彻底被改变？营销？供应链？客服…
- 解剖：AIGC与LLM大模型会给一件衣服的“一生”带来哪些改变，从设计、生产到购买
- 眺望：零售企业如何应对AIGC技术的快速发展和应用，如何让技术与员工协同工作，降本增效

- LLM为什么在金融行业得到如此高度的关注？
- 金融行业打开LLM的正确姿势是什么？
- 金融机构自有模型现实吗？会有哪些坑？
- 金融从业者会需要如何去适应未来的AIGC浪潮？