郑然,百度杰出架构师,百度智能云基础公有云技术负责人。自加入百度以来,一直从事分布式系统和工程架构的研发工作,先后负责大规模分布式索引系统、云原生平台、分布式存储技术、虚拟化和弹性计算技术等大型分布式系统的设计和研发工作。积极参与技术社区活动,多次担任 QCon /TOP 100 等技术大会的联席主席,讲师,出品人等。

郑然,百度杰出架构师,百度智能云基础公有云技术负责人。自加入百度以来,一直从事分布式系统和工程架构的研发工作,先后负责大规模分布式索引系统、云原生平台、分布式存储技术、虚拟化和弹性计算技术等大型分布式系统的设计和研发工作。积极参与技术社区活动,多次担任 QCon /TOP 100 等技术大会的联席主席,讲师,出品人等。

先后任职于亚马逊、阿里巴巴,拥有 15 年以上大型互联网架构设计与研发经验。技术领域覆盖中间件、推荐系统、云原生、分布式任务调度及 AI 基础设施等核心方向。目前担任阿里巴巴 Sandbox 领域负责人,主导 OpenSandbox 开源项目建设,聚焦 AI 场景下的沙箱运行时与基础设施创新,致力于构建安全、高效、可复用的 AI 执行环境。

百度资深工程师,极客时间专栏作家,智能体框架 langgraphgo 负责人,智能体研究社主理人。

2019 年博士毕业于清华计算机系。研究领域为 AI 的记忆系统,高性能文件系统,AI 推理的基础设施 KVcache,高性能 KV 数据库等。在FAST,NSDI,SC 等会议发表多篇论文,申请发明专利多项。曾就职于商汤和阿里巴巴,现担任字节跳动高级技术专家。多年来专注于 AI Infra 的构建和实现,构建了和火山 mem0 记忆系统和开源 KVcache 系统 PrisKV,服务于字节内部多个 AI 业务,目前深耕于 AI 记忆系统,在大规模并行文件系统、KV 数据库,Skills、Context Engineering、向量数据库、KVcache 构建等领域拥有丰富实践经验。
传统软件架构有几个默认前提:
行为是确定的
调用链是可控的
上下文是有限的
这些前提,让我们可以设计稳定、可预测的系统。但 Agent 出现之后,这三件事都开始失效:
行为变成概率性的
执行路径不再完全可控
上下文开始跨越请求持续存在
所以今天我们想讨论的不是“怎么做 Agent”,而是:为了让 Agent 能在生产环境运行,我们到底被迫重写了哪些“架构前提”?以及——这些重写背后的代价是什么?



微信咨询

电话咨询
微信联系我们

