AI+产品创新峰会-2026上海站

出品人：肖然

Inspire SVP，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。

Inspire SVP

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。

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。

Building the Future of Multi-agent Workforce

范文栋

CAMEL-AI Tech Lead

内容简介：

AI 正在从 “被动回答问题的工具”，演进为能够自主规划、调用工具并执行任务的智能体（Agent）。
但当 AI 开始面对真实世界的复杂问题时，我们很快发现：单个智能体的能力是有限的，很多任务需要像人类团队一样进行分工与协作。
在这次分享中，我们将探讨 AI 劳动力的演进路径——为什么从 Chatbot 到 Agent，再到多智能体协作系统，是实现复杂任务自动化的关键一步。
我们会介绍 CAMEL 框架，它通过角色扮演机制，让多个 AI 智能体能够自主协作完成任务。
在此基础上，我们将重点分享 Eigent —— 一个面向真实世界长程任务（Long-horizon Tasks）的 AI 劳动力系统，它能够通过异步执行、状态追踪与动态组建智能体团队，持续完成复杂任务。
最后，我们也会展望智能体的缩放定律：随着环境复杂度和智能体数量的增加，AI 系统的能力是否会出现指数级提升。
希望这次分享能为大家提供一个新的视角：
当 AI 成为“劳动力”时，我们应该如何构建下一代工作系统。

演讲提纲：
1. 演进的必然：为什么我们需要 AI 劳动力？
从 Chat 到 Work：探讨 AI 如何从“被动问答”进化为主动使用工具、具备记忆与规划能力的智能体。
超越单体智能：解析单体智能体在面对复杂现实任务时的瓶颈，以及为何多智能体协作是通往通用任务自动化的必经之路。
2. 技术基石：CAMEL 框架的协作范式
角色扮演与协作：简述 CAMEL 框架如何通过“角色扮演”机制，让 AI 智能体之间自主分工，实现优于 LLM 单打独斗的任务表现。
从理论到架构：展示支持多智能体高效协作的底层架构设计。
3. 核心聚焦：Eigent —— 驾驭真实世界的长程任务 (Real-world Long-horizon Tasks)
重新定义 Workforce：Eigent 不仅仅是智能体集合，而是具备组织性的AI 劳动力。我们如何实现异步执行 (Asynchronous Execution) 与状态追踪，让 AI 像员工一样处理长期任务。
3.1攻克长程任务难题：
鲁棒性与容错 (Fault Tolerance)：演示当任务链路中间出错时，Eigent 如何自动修复并继续，而非从头开始。
动态劳动力 (Dynamic Workforce)：展示系统如何根据任务需求，实时生成并组建最合适的智能体团队与工具。
3.2实战案例展示：
并行生产：并行创建 200 个游戏。
企业自动化：自动化 Salesforce 数据更新与复杂的市场定价调研。
4. 未来展望：智能体的缩放定律 (Scaling Laws of Agents)
研究驱动创新：基于 CAMEL-AI 的开源积累，探讨环境复杂度与智能体数量的增加如何推动智能水平的指数级提升，展望 AI 劳动力的终极形态。

听众收益：
1. 理解 AI 劳动力的发展趋势：系统了解 AI 从 Chatbot 到智能体，再到多智能体协作系统的演进路径，以及其对未来工作方式与企业自动化的影响。
2. 掌握多智能体协作的核心方法：了解 CAMEL 框架的角色协作范式，以及如何通过多智能体分工与协作提升复杂任务的自动化能力。
3. 获取真实应用与实践启发：通过 Eigent 的案例，学习 AI 如何执行长程任务、实现动态智能体团队与企业级自动化，为实际业务落地提供参考。

AI工程师与技术负责人，专注于生成式人工智能（Generative AI）和智能体系统（Agentic Systems）。
作为 CAMEL（16k Stars，全球首个基于LLM的多智能体框架）、OWL（19k Stars，NeurIPS 2025，GAIA #1）以及 Eigent（12k Stars，GitHub Trending #1）的核心维护者和主要贡献者之一，建立了自主智能体协作的基础范式。
结合在前沿多智能体研究与工业级AI应用方面的双重专长，覆盖完整价值链（供应链、生产、销售），致力于交付可落地的生产级运营解决方案。

AiDD峰会

K+峰会

联系我们