2014 年的微服务和 2019 年的云原生，奠定了过去十年互联网架构的核心跃迁，AI 经过 3 年多的高速发展，逐步从 PE 到 Context Engineering，再到 Agent Engineering。Agent 的核心产品设计和架构会是什么样的？同时在架构跃迁的核心问题是什么？存量系统如何做升级？AI Coding 为核心的开发升级能够给 Agent 工程体系带来什么启示？同时运行态 Workload 在互联网时代和 AI 时代的区别我们需要在运行态架构做前置布局。

演讲提纲

1. AI 时代架构范式的跃迁分析

• 微服务和云原生再到 Agent Engineering，PE->CE->AE->ME 四层核心架构定义
• 从 Workload 视角定义 Agent 在长周期和不确定性的应对策略分析
• Agent 产品形态的演进，『稳定态+敏捷态』，双态架构的推演

2. 四个案例细节分析架构升级以及需要面临的问题

• AI SRE，从人类经验到线上 Agent 自动诊断和预防
• 助理型 Agent 到员工型 Agent 的演进中遇到的技术问题
• AI 销售，从 Leeds 到 Cash 的关键设计
• AI 质控，长周期 long-horizon Agent 的关键探索

3. 关键问题延伸

• 存量系统如何升级？传统数字化和 AI 化的跃迁逻辑
• 从 Claude Code 中我们学习到的三大 Agent 设计范式
• Agent 产品架构基于 Context 和 Agenty 二维矩阵定义

您认为，这样的技术在实践过程中有哪些痛点？

• 新的 Agent 形态的定义，超越了之前微服务分布式的形态，边摸索边前进
• Skills 以及 Teams 等模式逐步涌现，给架构带来新的契机
• 存量系统如何升级，如何从古典的架构升级到 Agent 架构

演讲亮点

• PE->CE->AE->ME，四层 Agent 工程架构体系，核心的架构定义和实践案例
• 稳健态和敏捷态，超越传统六层架构到『双态架构』，给存量系统升级带来思路
• Workload 的定义，面向长周期以及不确定性，来设计新的 Agent 架构

听众收益

• 核心架构定义和演进，能够从更全的视角，提前布局未来 Agent 工程架构
• 核心案例辅助理解和认知，Agent 架构需要解决的关键问题和技术细节