专题演讲嘉宾：刘洋

传统研发模式在运营场景下面临长尾需求多、开发成本高、ROI 不成立的问题。低代码形态的智能体平台有效降低了 AI 小软件的构建门槛，使非技术人员也能参与应用搭建。在智能体平台的搭建过程中，我们重点解决了性能与并发、稳定性与升级治理、Agent 可观测等平台级难题，并通过三个典型应用验证了智能体平台在规模化落地中的价值。

演讲提纲

1. 为什么要重构运营
   • 运营现状与痛点分析
   • AI 小软件的价值与未来想象空间
   • 支撑规模化落地的黄金组合：智能体平台 + 飞书
2. 智能体平台建设
   • 平台整体规划与架构设计
   • 性能与并发优化策略
   • 稳定性保障与升级治理方案
   • Agent 可观测体系建设
3. AI 小软件典型应用案例
   • 成熟业务中的体系化落地实践
   • 运营同学主导的工作流型应用搭建
   • 产研同学构建的复杂 Agent 应用
4. 落地效果与成果
   • 年化提效超 1 万 PD，覆盖 100% 三级 Bu
   • 产运团队独立维护 AI 小软件的能力培养
5. 经验总结
   • 在选场景、搭工具、提指标、拿价值这个过程中的一些可复用经验及踩坑指南
6. 未来展望

  
这样的技术在实践过程中有哪些痛点？ 

• 智能体平台采用双系统架构：一方面是公司内部自研平台，具备高度稳定性和可控性，能够无缝集成内部组件；另一方面是开源平台，用于快速拥抱 AI 社区的最新能力。由于内部研发资源有限，开源系统作为补充，其低可控性带来了一定的维护和升级成本。
• 开源产品在技术选型和落地过程中，并非开箱即用的成熟系统，需结合业务实际进行深入调研和适配优化，可能涉及对开源代码的修改。我们坚持“最小化改码”原则，优先通过增量开发和外层封装，减少对原生代码的改动，降低升级风险和成本。
• 开源系统在高流量和复杂调用场景下，可能存在性能瓶颈，如页面卡顿等体验问题。为此，我们系统性梳理了平台调用链路，制定并实施多项性能优化策略，保障系统稳定和高效响应。

演讲亮点

• 双系统架构实践：结合公司自研平台与开源智能体平台，兼顾稳定性与快速迭代，解决复杂运营场景的技术挑战；
• 平台级性能与治理优化：针对高并发和复杂调用链路，设计并实施了性能提升、升级治理和系统稳定性保障方案；
• Agent 可观测体系建设：打造覆盖多平台的统一可观测方案，提升平台调试、监控和运维能力；
• 典型 AI 小软件应用落地：通过三个真实业务案例，展示智能体平台在不同角色和场景中的规模化应用与价值释放；
• 低代码赋能非技术人员：推动运营团队自主构建和维护 AI 小软件，提升整体运营效率，实现万级提效。

听众收益

• 运营团队：一种通用的 AI 提效方法及配套工具
• AI Infra 团队：了解智能体平台建设体系，及如何大规模落地
• 研发团队：了解一套提效 60% 的新研发模式，及 AI 落地场景挖掘思路