专题演讲嘉宾：郁丁鑫

随着大模型与智能体（Agent）技术的快速发展，如何高效构建一个 Agent 并在生产环境中稳定运行，是工程团队面临的核心问题。我们以 PayPal 商户支付 API 迁移为真实场景，构建了三套 Multi-Agent 系统：MAIA（迁移执行）通过多 Agent 协作将商户代码从 legacy API 自动迁移到 REST v2，将人工数周压缩到小时级；Noise Injection（测试数据工厂）通过多 Agent 协作自动生成不同难度的代码变体用于评测；Evolution Engine（自动优化 Pipeline）通过多 Agent 协作从执行结果中提取经验并注入回 Agent。三套系统覆盖 8 个项目、4 种 legacy API（NVP/SOAP/WSDL/Payments V1）、4 种语言（Java/PHP/JavaScript/C#）和多个开源购物车（Magento、ZenCart、Medusa 等），形成评测和 Badcase 驱动的完整闭环。

演讲提纲

1. 业务背景与成果
   • PayPal 支付 API 迁移挑战（NVP/SOAP/V1 → REST v2）
   • MAIA 的定位与核心价值
   • Agent 迁移模式与传统人工迁移的区别
   • Pilot 成果：从数周到 20 分钟，成本 $4-$10
2. MAIA：Multi-Agent 驱动的 API 迁移
   • 评测和 Badcase 驱动的研发策略
   • Multi-Agent 协作架构（分析、规划、执行、验证）
   • Knowledge Base：支付流程知识 + Legacy 模式库
   • Experience Agent：执行→测试→学习→反馈闭环
3. Noise Injection：Multi-Agent 驱动的测试数据工厂
   • 4 级噪声 × 125+ 类型，自动生成难度变体
   • Multi-Agent 协作：噪声分析、注入、验证的自动化流水线
4. Evolution Engine：Multi-Agent 驱动的自动优化 Pipeline
   • 10 个 Agent Skill 模块的全自动闭环
   • Multi-Agent 协作：采集→分析→学习→应用的端到端优化
   • 如何优化 Agent 的稳定性与一致性
5. 总结与展望
   • 核心经验与教训
   • 未来展望

这样的技术在实践过程中有哪些核心痛点？

• 如何从最小可行 Agent 开始，设计一个适合自身业务的 Multi-Agent 方案；
• 如何在 Agent 中处理代码迁移的正确性验证，尤其是“表面成功实际未完成”（INCOMPLETE）的隐蔽问题；
• 如何构建可复现的评测体系，跨 8 个项目、4 种语言、多个开源购物车持续驱动 Agent 优化。

演讲亮点
从实际生产场景出发，深入到 Multi-Agent 架构设计与评测驱动的迭代方法论，体系化地展示了如何将 Agent 从原型推向规模化落地。不同于理论探讨，本演讲基于 PayPal 真实迁移实践——覆盖 Magento、ZenCart、Medusa 等开源购物车，Java/PHP/JavaScript/C# 四种语言，NVP/SOAP/WSDL/Payments V1 四类 legacy API，展示了噪声注入测试、自动经验提取（Gene 机制）、Evolution Engine 等工程化手段如何系统性地提升 Agent 的稳定性和质量。
 

听众收益

• 全面了解从 0 到 1 构建生产级 Multi-Agent 系统的实践历程与真实挑战；
• 深入理解评测驱动开发（Evaluation-Driven Development）的方法论及其在 Agent 优化中的应用；
• 体系化地了解 Agent 架构背后的技术体系：Multi-Agent 协作、Knowledge Base、Experience Loop 的设计与选型；
• 获得可复用的工程化经验：噪声注入测试、Gene 机制、Evolution Engine 等具体实践方案。