专题演讲嘉宾：苏震巍

目前智能体（Agent）已经成为人工智能基础能力落地的重要一环，在应用端，智能体能够为使用场景提供更加可靠的推理结果或执行任务，在生产端，智能体及其相关的实践范式可以在软件开发、药物研发等生产阶段，利用其生成和推理能力，提供相比单 AI 接口或智能体更高的生产力。同时，大语言模型在生成内容准确度、推理准确度上的某些短板，可以由多智能体（Multi-Agent）进行填补，未来基于大模型的智能化系统将越来越依赖小粒度的智能体生成和推理能力。除了少量智能体所提供的独立功能以外，在生产过程中，如何管理和调度多智能体之间的互动并得到可靠的结果，在现阶段是一个需要突破的挑战。本次演讲将分享在多智能体应用环境下，我们可能遇到的挑战，以及应对措施，研究如何使智能体之间能够通过高效的通讯以及对结果、提示词（Prompt）的自动优化，达到智能体可以和人一样自动学习和升级的能力，最终大幅优化甚至重塑生产流程。

演讲提纲

1. 传统软件研发流程 VS 基于 AI生成的研发流程

• 以 GitHub Copilot 为例剖析 Multi-Agent 模式的重要性
• Agent 在 DevOps 及 SRE 中的实践和应用
• Agent 的 ROI

2. 颠覆路线中的要素以及难题和解决方案

• 提示词工程应用问题：PromptRange
• Multi-Agent 交互控制问题：AutoGen+
• Agent 拥有的知识采集和更新问题：AgentManager
• 人的影响：SSC

3. 新的生产工具需要什么样的基座进行支撑？

• 操作端：IDE
• 应用管理端：NeuCharFramework
• 计算资源和能力调度：Senparc.AI
• 数据储存和管理
• 社区和开发者

4 . 总结展望

• 多智能的开发和应用对未来生产模式的影响
• 生态系统的构建与最佳实践
• 人机协同的未来

实践痛点

1. 对所选模型本身的了解（无论是外部模型或私有化部署模型）
2. 对于适用场景的理解
3. 对于数据的理解很重要，另外对于更为复杂协同工作，需要更规范的信息化基础

演讲亮点

1. 包含目前最前沿的 Agent 相关项目展示和原理介绍
2. 基于开源生态的 Agent 工具在实践上将更具落地的可行性和安全性

听众收益

• 了解目前 Agent 最前沿的研发动态
• 对于希望加入 Agnet 的开发、产品设计人员，能够更清晰地了解其内部原理、难点、适用性以及最佳时间和技术路径
• 所介绍的开源项目将帮助技术人员更高效地完成项目落地