围绕基于新一代LLM技术打造企业级智能问答机器人的实战经验，涉及包括私有数据的使用，语义缓存，多模态，代理框架与测试等方面。

演讲提纲：

1. 私域数据如何接入
2. Agent 框架的使用
3. LLM 多模态的实践
4. 语义缓存的实践
5. 新技术带来的测试问题

听众受益点：

• 深入了解生成式AI下的新一代技术栈
• 深入了解新技术的优势与不足
• 行业技术发展热点方向

当前越来越多的模型加入开源模型社区，其中具有较强指令理解能力的模型也越来越多。从这个角度出发，ModelScope-Agent 作为一个开源的 Agent 框架不仅支持 GPT-3.5， GPT-4等主流 Agent 框架依赖的模型，还支持了众多指令理解能力优秀的开源模型如 Qwen-plus, ChatGLM3 等模型。在此基础之上，ModelScope-Agent 结合魔搭开源社区的力量贡献了众多有价值的应用，如 Facechain- Agent，Story- Agent 和 AgentFabric 等应用，为开源模型社区在应用生态的繁荣提供了工程底座。

演讲提纲：

1. ModelScope-Agent 系统架构介绍
2. ModelScope-Agent 支持大小模型协同，使得用户可以将来自 ModelScope 社区内的2300+个优质模型变成自己的工具
3. ModelScope-Agent 在支持开源模型过程中，遇到指令理解效果不好的情况下，提供 fallback 方案，允许用户能够部分修正理解结果，推进应用流程
4. ModelScope-Agent 所支持的几个案例场景：AgentFabric，Story- Agent 以及 Facechain- Agent
5. ModelScope-Agent 的规划

听众收益点：

• 用户可以了解目前 ModelScope 开源生态在 Agent 方向的发展规划
• 启发用户思考 Agent 应用，在开源生态做出更多有创意的工具

今年以来，以 ChatGPT 为代表的大语言模型打开了新世界的大门，也为创造人机交互的全新方式提供了催化剂。过去近一年在大语言模型应用落地的广泛探索中，澜码科技构建了新一代 AI Agent 平台，并实现了在多个行业场景下的落地应用。澜码认为，专家知识的数字化是 AI Agent 落地的制胜之匙，而 AI Agent 的落地应用将带来巨大价值，不仅能大大提升个体人才的技能水平，更会指数级提升企业的整体效能和收益，赋能企业中月薪“8000”的人，具备月薪“15000”的能力。

演讲提纲：

1. 行业背景和巨变
   • 通用人工智能带来人类社会发展的巨大飞跃
   • 面临的范式转变
2. 大语言模型应用落地的核心挑战和问题
   • 幻觉问题
   • 数据安全问题
   • 隐私权限问题
   • 业务变化速度加剧问题
3. 专家 Agent 赋能基层业务单元是企业大模型落地的首选场景
   • 以大模型能力为底座的 AI Agent 将极大满足企业自动化数字化升级需求
   • 专家 Agent 是首选场景
   • 专家知识的数字化是 Agent 落地的必要之路
4. 澜码专家 Agent 在企业大模型落地中的实践
   • 澜码在美业、HR 领域的案例
5. 未来展望

听众收益点：

• 站在 IT 部门视角，如何帮助企业去应用大语言模型能力；
• 企业在构建 Agent 过程中的最佳路径和“陷阱”，如何规避这些陷阱；
• 站在业务部门视角，构建 Agent 能够为一线使用者创造哪些价值收益。

MetaGPT，作为自然语言与编程之间的催化剂，正在推动着我们走向一个更加智能、高效的编程未来。本次演讲将深入 MetaGPT 如何成为自然语言编程的桥梁，推动智能体社会的发展，以及如何引领自然语言编程迈向更高效、更智能的阶段。

在这次演讲中，我将深入研究记忆的重要性、近因性和相关性，并分享关于经验获取和记忆学习的技术见解。

演讲提纲：

1. MetaGPT 的发展与影响
2. 智能体社会与人机协同
   • 智能体社会：Jürgen Schmidhuber 携手 MetaGPT
   • 多智能体将成为社会中的一个重要构成
   • 记忆压缩
   • 经验获取
   • 技能学习
   • 人机协同新范式：智能体与我们的共创未来
   • 99%的互联网入口将由 App 变为智能体
3. 技术挑战与未来展望

听众收益点：

• 了解 MetaGPT 在自然语言编程中扮演的角色
• 了解 MetaGPT 如何影响智能体社会和自然语言编程的未来
• 了解智能体社会中，自然语言编程将如何被进一步发展