出品人：肖 然
Thoughtworks全球数字化转型专家，中关村智联创新联盟秘书长。在过去10余年间，肖然带领团队为金融、保险、通信、物流、零售等核心产业的头部企业提供了长期的数字化、智能化转型咨询服务，以其务实高效的工作作风获得了行业内的广泛认可。面对Software 3.0时代的浪潮，他带领团队深耕AI4SE、知识工程、多模态数据治理等前沿领域，并持续输出了创新解决方案，有效推动了相关产业社区的形成与发展。肖然致力于提升企业对Agentic AI时代的认知，并指导其构建所需的核心能力。同时，结合国内技术栈的特点，赋能企业建立和优化强大的AI与数据平台能力，为客户实现真正的智能驱动奠定坚实基础。
Thoughtworks 全球数字化转型专家

面向智能体的产品开发

随着AI从感知智能走向认知与决策智能，智能体（Agent）正成为下一代产品形态的核心。本论坛聚焦于智能体的工程化落地，系统性剖析从其核心能力构建到复杂系统协同的全过程。我们将深入探讨规划、记忆、工具调用等能力的工程实现，并重点分享多智能体协同的设计范式，涵盖任务自动化、工作流重构，以及高效且安全的MCP/A2A通信实现与架构模式。同时，议题也将覆盖A/B测试与可靠性工程等质量保证体系，旨在将一线实战经验转化为清晰的落地参考，助您精准决策、少走弯路。
Elasticsearch 向量搜索及 AI Agents 开发
刘晓国
Elastic 中国社区首席布道师
内容简介：
详细介绍 Elasticsearch 向量搜索及最新的进展。使用具体的例子来展示如何使用向量（稀疏向量，密集向量）搜索来进行语义搜索。
Elasticsearch 是全球应用最为广泛的搜索引擎。随着人工智能发展，Elasticsearch 也开发了向量搜索（密集向量及稀疏向量）来提供语义搜索。更为重要的是 Elasticsearch 提供混合搜索（BM25，向量）的能力。Elastic 的混合搜索结合了传统基于关键词的搜索（语法灵活性、关键词精确性和相关性评分）与向量相似性搜索的语义理解，并提供多种重新排序技术。这种协同能够带来高度相关的结果，让查询在定位内容时可以更加细致。使用能够提供分布式搜索、检索和重新排序的数据平台作为主要上下文检索引擎非常有意义。你可以使用高级查询语法加入主观意图这个缺失的组件，并过滤掉可能分散注意力或降低返回上下文信息价值的内容。本议题将使用具体的例子来展示如何使用向量（稀疏向量，密集向量）搜索来进行语义搜索。
在最新的 Elastic 发布中，Elastic 发布了 AI Agent 构造器。它让开发者在几分钟内轻松地创建自己的 Agents。我们可以通过聊天（自然语言）的方式查询数据，关联多个数据，并对它们进行分析。它被构建用于与存储在 Elastic 中的数据对话。Agent Builder 提供一个聊天界面，使用户能够在 Kibana 中创建和管理自己的 agents 和工具。它内置 MCP 和 A2A 服务器、可编程 APIs，以及一组预构建的系统工具，用于查询和探索 Elasticsearch 索引，并从自然语言生成 ES|QL 查询。Agent Builder 允许你创建自定义工具，通过富表达性的 ES|QL 查询语法来定向并塑造返回给 agent 的上下文数据。Elasticsearch 强大的 的聚合，过滤，分析及混合搜索为现代 agents 的构造提供丰富的上下文，从而让搜索能得到更快，更为精准的结果。

演讲提纲：
1. 智能时代的搜索需求
1.1对语义搜索的需求，而不是简单的词汇匹配
1.2对多媒体数据的搜索，比如图片，声音及视频
1.3非结构化数据的搜索
1.4向量搜索带来的新的解决方案
2. Elasticsearch 向量搜索介绍
2.1向量搜索原理
2.2向量搜索种类（密集向量，稀疏向量）
2.3混合搜索介绍（多路召回，综合评分）
2.4向量搜索 Demo
3. RAG 实现原理
3.1如何使得大模型变得更聪明
3.2RAG 的实现方法
4. 智能体开发
4.1为什么需要上下文工程？
4.2基于 Langchain 的 ES Agent 搜索
4.3运用 MCP 开发 agents 应用
4.4Agent builder 介绍
4.5在 ES 中运用 A2A 及 MCP 构建多 agents 应用
4.6Demo

听众收益：
1.开发者充分了解如何使用 Elasticsearch 做向量搜索
2.如何做混合搜索
3.了解如何使用 AI Agent Builder 快速地构建 Agents
现为 Elastic 社区首席布道师。新加坡国立大学硕士，西北工业大学本硕。曾就职于新加坡科技，康柏电脑，通用汽车，爱立信，诺基亚，Linaro 非营利组织 (Linux for ARM)，Ubuntu，LinkMotion Future, Vantiq 等企业。从事过电脑设计，实时系统，手机，汽车电子，计算机操作系统，通信，云实时事件处理及大数据等行业。从爱立信开始，诺基亚，Ubuntu 到现在的 Elastic 从事社区工作有将近 20 年的经历。
Vibe Coding 实战：
产品经理如何不写代码，独立交付“商业级”复杂应用
张天问
百度 文心智能体平台高级产品经理
内容简介：
在 AI 时代，产品经理不再只是画原型的‘规划者’，而是可以直接交付产品的‘构建者’。
本次分享基于Vibe Coding理念，复盘如何利用百度文心智能体及多种前沿生态工具，在不写一行代码的情况下，完成从AI应用设计、前端交互到后端逻辑的全栈开发，最终独立交付“商业级”复杂应用。

演讲提纲：
1.【演示&暖场】
现场演示3个独立开发的AI应用，介绍开发背景（独自一人，PM出身，不懂代码、没有UI设计师）
2.【实践经验详解】
详细讲解全流程0代码Vibe Coding过程
2.1整体思路及工具
2.2基础模块构建过程详解
-前端设计及实现：如何设计出商业软件级的页面并实现
-数据处理：采集、存储、连接，数据库设计及搭建
-代码提交、部署：让用户看到你的产品
-Bug修复
2.3AI应用构建过程详解
-AI应用构建：智能体设计、调优，AI API如何通过界面与用户交互
-GenUI构建：如何设计高品质GenUI并实现，以最小token让用户体验到最大获得感
3.【心得分享】
3.1准备期必要心态
-画家不需要知道颜料的化学成分，你不需要懂得一切才开始，讲解至少要懂的几个事情
-Vibe Coding的认知成熟度曲线，跌跌撞撞连滚带爬是正常且必要的
-简单的东西大都没竞争力，交换价值的三个条件：有价值、可感知or可衡量、稀缺性
3.2开发过程中的技巧
-人菜装备要好：在陌生领域，你缺少判断答案好坏的能力，不好的产品会误导你
-让AI知道你不会，多讲背景，少讲过程
-分段处理大量信息
3.3实践体会
-创意到上线100倍提效，副作用明显：你将再也无法忍受传统的交付模式

听众收益：
1.AI应用构建及调优方法
2.Vibe coding构建复杂AI应用的实战经验分享
3.产品经理跨界开发的常见难点及解决方案
【百度文心智能体平台高级产品经理】
负责智能体评估理解及分发，评估标准及系统设计者，累计评估智能体100w+
【独立开发者】
有丰富的Vibe coding和AI产品0-1经验，独立开发多个AI应用，日活5w+，累计消耗token过亿
Nebula-GUI Agent：打造人机交互新范式
唐 波
中兴通讯资深系统架构师/多模态和端侧AI研发负责人
内容简介：
终端智能体为当前AI技术发展热点，也必将带来人机交互模式上的新变革，从而大幅提升人们的生活和工作效率。本演讲主题主要介绍中兴通讯在终端综合智能体的方面的工作，包括系统架构和组件构成、GUI操作模型、规划模型、评判模型的训练和能力提升策略，以及成果展示等。        

演讲提纲：
1.终端智能体介绍：介绍终端智能体的背景、发展阶段以及应用场景等，中兴终端综合体智能的demo演示。
2.Nebula-GUI Agent的架构：详细介绍中兴终端综合智能体的系统架构和组件构成，各组件的功能和组件间的交互接口，智能体的设计范式以及如何满足用户需求等。
3.GUI操作模型的训练和能力提升：详细介绍当前GUI操作模型的面临的挑战以及我们如何通过在数据，模型sft以及强化学习方面的相关工作，来持续的提升模型能力，解决技术挑战，提供可落地应用的模型能力。
4.规划模型的能力强化：介绍如何通过训练和强化来提升模型满足各类任务的规划需求，如何兼顾简单任务的效率需求，以及复杂任务的成功率等。
5.Agentic的训练：简要介绍如何打通模型，工具和记忆，端到端的提升智能体能力的技术方法。
6.总结：总结当前终端智能体面临技术问题以及以后技术发展趋势。

听众收益：
1.终端智能体的发展现状和技术趋势和应用场景等。
2.终端综合智能体的技术解决方案和技术前沿等。
中兴通讯资深系统架构师，多模态和端侧AI研发负责人。近年来的研究领域包括大语言模型、编码大模型、多模态大模型、语音大模型、大模型训练平台和训练加速技术、联邦学习以及AI安全等诸多领域，并在相关领域发表了多篇论文和专利。
L3 AI 协同开发探索之路：困境、路径与实践
华剑侃
快手CodeFlicker 产品负责人
内容简介：
AI 编程工具正在经历从 L1 单点辅助编码、L2 辅助开发到 L3 协同开发的范式演进，在这一过程中技术瓶颈和认知挑战交织。
本次分享将基于工程师用户真实场景的洞察，剖析从 L2 辅助开发到 L3 协同开发面临的核心困境，呈现通过理念、工具设计和最佳实践三位一体的路径探索突破，提供一些可借鉴的经验和启示。

演讲提纲：
1. AI 编程领域 L1-L5 能力分层：从辅助到协同，软件研发的智能化演进
2. AI 协同开发范式的推演探索和实践落地：
2.1 从真实用户场景中来，到真实用户场景中去
2.2 以开发者为中心的 AI 原生研发工具产品设计原则
3. 快手内部企业级提效演进：AI 编程驱动万人规模大型研发组织体系化效率跃迁
4.面向未来的思考与启示

听众收益：
1. 建立统一认知框架，系统理解 AI 编程从 L1 到 L5 的能力演进路径，明确不同阶段 AI 在研发流程中的边界、价值与落地方向。
2. 深入了解 AI 协同开发范式的推演逻辑与实践经验，掌握将 AI 能力转化为稳定研发生产力的设计思路，理解如何围绕开发者心智和开发工作流设计 AI 编程产品，避免“为 AI 而 AI”的功能堆砌。
3. 学习在企业级场景下推动 AI 编程落地的实践路径、关键挑战与组织级解决方案，为大规模团队提效提供可参考样本。
负责智能开发伙伴 CodeFlicker 的产品规划、研发与落地，致力于通过提供 AI 研发产品推动研发效率、体验和幸福感的提升。
在 AI DevOps 领域拥有多年实战经验，曾任职于蚂蚁和腾讯，从 0 到 1 主导打造云原生和 AI 原生研发产品等智能研发工具，并推动在企业级场景成功落地。
京ICP备2020039808号-4 京公网安备11011202100922号
返回顶部