专题演讲嘉宾:陈彪

Zilliz工程总监

陈彪,现任 Zilliz 工程总监;资深互联网技术专家。曾先后在腾讯、华为等国内顶尖科技企业任职,拥有超过十年一线技术研发经验,曾主导构建过 PB 级大数据系统,在大数据、云计算与向量数据库领域积累了深厚的工程实践能力,近年来持续深耕 AI Agent 方向,是国内企业级 AI Agent 多模态协作的早期实践者之一。
现负责 Zilliz Cloud 的工程团队,主导全托管向量数据库云服务的研发与规模化落地,致力于为全球企业提供高性能、高可靠的 AI 基础设施。

by 陈彪

Zilliz
工程总监

过去半年,Snowflake、Stripe、Sentry、Cloudflare、Google Workspace、飞书等多家主流软件厂商密集地给自己的产品加上了 CLI、MCP 或 Skills 接口——不是给人用的新界面,是给 Agent 用的。Sentry 的 MCP 月请求量已达 3000 万。软件的流量入口正在从浏览器迁移到 Agent。

OpenClaw 335K Stars 不是偶然。所有 Coding Agent 都解决了效率距离——Agent 帮你操作电脑。但 OpenClaw 通过 IM 接入解决了物理距离——人不再被困在电脑前,手机上发条消息就能指挥 Agent。这是它在 Claude Code 和 Cursor 之后还能爆火的关键。

我们在 Zilliz 内部做了 ZillizTown——选择 Claude Code 作为 Agent Runtime,在它周围构建企业接入层。本次演讲不讲"怎么用 Agent",讲"Agent 内部怎么工作"。我们会剖析 Agent 的 6 个关键工程点:上下文窗口的预算管理与 Context Engine、渐进式披露的分层设计、基于 memsearch + Milvus 的长期语义记忆、Skills 工程化与领域知识数字化、MCP 到 CLI+Skills 的演进趋势、Cron 定时调度与 A2A 多 Agent 协作。每个点都结合 ZillizTown 的真实架构和踩坑经验。

演讲提纲

  1. 入口在迁移,软件在改变
    •  9 家厂商 12 个月集中适配 Agent 的行业证据与时间线
    • OpenClaw 多做了哪一步:效率距离 vs 物理距离
    • Skills 是新的 App:模型=CPU,Agent=OS,Skills=App
  2. 我们的选择:架构与技术选型
    • ZillizTown 三层架构:Infra(飞书+Hub+Connector)/ Runtime(Claude Code)/ Personalization
    • 飞书展示层:话题=Session,卡片=动态输出,Training 在飞书里,从终端到手机
    • Agent 框架全景:编排派 vs 极简派,为什么选 Claude Code
    • Claude Code 是 Runtime,ZillizTown 是企业接入层:50 万行代码封装工程复杂性,我们专注业务
  3. ZillizTown 的剖析:6 个关键工程点
    • 上下文窗口:1M token 的物理本质、预算分配、Context Engine 四步循环、200K 到 1M 的问题变迁
    • 渐进式披露:6 层暴露级别、Skills/MCP/Milvus 三种实现同一哲学
    • memsearch + Milvus:解决 Claude Code 原生记忆三个短板,4 个生命周期 Hooks、混合搜索 dense+BM25+RRF、三层渐进式召回
    • Skills 工程化:大模型是概率游戏,Skills 是缰绳。SKILL.md 的 description/allowed-tools/model 设计,78 个 Skills 的 Git 工程化管理
    • MCP 的历史功劳与 CLI+Skills 的替代趋势:飞书出了 Lark CLI 但没出 MCP 的行业信号
    • Cron 定时调度:传统 Cron 唤醒代码,Agent Cron 唤醒大脑
    • A2A 协作:Skills=个人数字资产,通过 Hub 路由让别人的 Skills 为我所用
  4. 实战效果与总结

实践痛点

  • Agent 的上下文窗口是有限预算,不是无限空间——怎么在有限空间里分层管理信息?
  • 对话结束就遗忘,长对话被压缩丢细节——怎么做长期记忆?
  • Agent 框架太多(LangGraph/CrewAI/OpenAI SDK/Claude Code...),怎么选?选了之后怎么做企业级落地?
  • 大模型给很多方案但不知道哪个最优——怎么把人的领域经验注入 Agent?
  • MCP 工具多了模型乱选——工具扩展的趋势在往哪走?

听众收益

  1. 理解 Agent 上下文窗口的物理本质和预算分配,掌握渐进式披露的分层设计方法
  2. 了解 2026 年 Agent 框架全景(编排派 vs 极简派),理解"不重造 Runtime,在 Runtime 上做企业扩展"的选型逻辑
  3. 带走一套基于 memsearch + Milvus 的 Agent 长期记忆方案(4 Hooks + 混合搜索 + 三层召回)
  4. 理解 Skills 工程化的方法(description 触发/allowed-tools 白名单/Git 管理),以及 MCP 到 CLI+Skills 的演进趋势
  5. 获得 ZillizTown 的真实架构设计(三层 + 飞书展示层 + Cron + A2A)和踩坑经验,回去就能借鉴

交通指南

北京富力万丽酒店

Renaissance Beijing Capital Hotel
地址:北京市朝阳区东三环中路61号
  • 微信咨询

  • 电话咨询

    联系电话:+86 18514549229

微信联系我们

如您在购票过程中遇到问题,请扫码咨询票务小助手