如果你也在這糾結(jié)：

• “Agent 搞了好幾個月，Demo 看著很好，一上業(yè)務(wù)就翻車”

• “看了不少開源項目，但不知道哪個適合我們，幾百萬的試錯成本說沒就沒了……”

• “瘋狂調(diào) Prompt，完全沒有一套可復(fù)用的架構(gòu)……”
  

4 月 17-18 日，由 CSDN 與奇點智能研究院舉辦的「2026 奇點智能技術(shù)大會」將在上?！きh(huán)球港凱悅酒店隆重舉行，在「智能體系統(tǒng)與工程」專題下，特邀騰訊、美團、月之暗面、Macaron AI 等 5 位一線實戰(zhàn)專家，首次公開億級用戶場景下的 Agent 穩(wěn)定性保障、Computer Use Agent 自進化、經(jīng)驗智能訓(xùn)練等硬核方法論。

一句話預(yù)告：不是聽新技術(shù)，而是帶走可復(fù)用的決策框架。

在這里，我們提前為你劃出了本專題的 5 大硬核看點。

微信 AI 搜索 Agent 實戰(zhàn)

演講嘉賓：王炳寧 ｜ 騰訊微信搜索 AI 算法研究方向負(fù)責(zé)人，專家研究員

為什么值得聽：中科院自動化所博士， 主導(dǎo)并發(fā)布如 ReCO、ComQA、ChiQA、T2Ranking 等大規(guī)模中文問答數(shù)據(jù)，以及 Baichuan 系列預(yù)訓(xùn)練模型。主導(dǎo)發(fā)布模型在 GitHub 斬獲萬星，HuggingFace 下載超 2000 萬次。

核心問題：實驗室里跑得好好的 Agent，一到線上就頻發(fā)幻覺、死循環(huán)，怎么破？

關(guān)鍵價值：王炳寧將深度拆解微信 AI 搜索 Agent 的架構(gòu)設(shè)計，分享在超大規(guī)模并發(fā)下，如何保障 Agent 工作流的強韌性與可控性。

“在億級流量面前，Agent 的可靠性比單純的‘聰明’更重要?！?/p>

適合誰來聽：負(fù)責(zé)搜索/推薦/對話系統(tǒng)，正在探索 Agent 落地，且對系統(tǒng)穩(wěn)定性有極高要求的技術(shù)人員。

邁向數(shù)字生命：Computer Use Agent (EvoCUA) 的核心技術(shù)與自進化實踐

演講嘉賓：薛濤鋒 ｜ 美團 Staff Researcher，EvoCUA 項目主導(dǎo)者 為什么值得聽：他主導(dǎo)的 EvoCUA 項目獲得圖靈獎得主、"AI教父" Yoshua Bengio 與 UC Berkeley 頂尖安全學(xué)者 Dawn Song 在論文中聯(lián)合點贊：

在針對全球 7 個前沿 CUA 的安全與魯棒性評測里，EvoCUA-32B 以 35.0% 的最低受干擾率排名第一，展現(xiàn)出強大的抗擾動魯棒性，正面擊敗了 Claude 4.5 Sonnet (41.0%) 和 OpenAI 的 Operator (48.7%)。

該項目更是以 56.7% 的成功率在 2026 年 1 月登頂 OSWorld 開源榜首，技術(shù)報告登頂 HuggingFace 榜首。

核心問題：怎么讓 Agent 像人一樣，自主完成跨應(yīng)用、長鏈路的計算機操作（Computer Use），真正成為“數(shù)字員工”？

關(guān)鍵價值：薛濤鋒將現(xiàn)場拆解 EvoCUA 的核心技術(shù)與自進化實踐。從可驗證的數(shù)據(jù)合成，到分鐘級拉起十萬級沙盒基建，再到讓模型“從失敗中進化”的經(jīng)驗學(xué)習(xí)機制。這不僅僅是一個前沿探索，更是如何攻克“長鏈路任務(wù)極易中斷”的工程作業(yè)書。

適合誰來聽： 正在探索“數(shù)字員工”、“RPA 升級”、“自動化辦公”場景，急需突破復(fù)雜長鏈路任務(wù)執(zhí)行瓶頸的 AI 產(chǎn)品/技術(shù)落地人員。

用強化學(xué)習(xí)讓 Agent 越學(xué)越聰明

馬驍騰 ｜ Macaron AI 首席科學(xué)家，Mind Lab Director

為什么值得聽：清華大學(xué)自動化系博士后，在強化學(xué)習(xí)領(lǐng)域發(fā)表 30 余篇論文。他帶領(lǐng)團隊研發(fā)了面向萬億參數(shù)模型的 LoRA-RL 訓(xùn)練底座 MinT，把 GPU 成本打到了傳統(tǒng)方式的 10%。

核心問題：每次都要靠人工編排冗長的 Prompt，Agent 無法從真實的交互中積累經(jīng)驗，怎么辦？

關(guān)鍵價值：馬驍騰將帶來從 Context Engineering 到 Context Learning 的范式演進。他會結(jié)合 Macaron 模型的真實案例，教你如何用極低的成本，讓 Agent 在動態(tài)環(huán)境（如復(fù)雜 UI 交互）中自我學(xué)習(xí)、沉淀經(jīng)驗。這套方案能大幅降低你后續(xù)的運維和調(diào)優(yōu)成本。

適合誰來聽： 負(fù)責(zé) Agent 后訓(xùn)練/持續(xù)優(yōu)化，希望降低模型迭代成本、提升智能體自適應(yīng)能力的算法與工程人員。

從“作坊式”到“工業(yè)化”：建立可靠的 Agent 設(shè)計模式

演講嘉賓：黃佳 ｜ 新加坡科技研究局（A*STAR）AI 研究員，《Agent 設(shè)計模式》作者

為什么值得聽：致力于將復(fù)雜的 AI 能力轉(zhuǎn)化為可設(shè)計、可復(fù)用的系統(tǒng)架構(gòu)，提出了覆蓋六大認(rèn)知維度的 21 種 Agent 設(shè)計模式。

核心問題：團隊開發(fā) Agent 猶如盲人摸象，充斥著“萬能 Prompt”、“無記憶”、“無護欄”等反模式，導(dǎo)致項目極難維護和擴展。

關(guān)鍵價值：黃佳將基于 Claude Code 和 OpenClaw 的雙案例拆解，為你提供一套經(jīng)過驗證的 Agent 架構(gòu)設(shè)計框架。這套從感知、記憶到推理、行動的設(shè)計模式，能幫助你的團隊建立標(biāo)準(zhǔn)化的開發(fā)流程，徹底告別“面條式”的作坊代碼，提升交付效率與系統(tǒng)可靠性。

適合誰來聽： 負(fù)責(zé) Agent 系統(tǒng)架構(gòu)設(shè)計，希望建立標(biāo)準(zhǔn)化開發(fā)規(guī)范、提升團隊工程交付質(zhì)量的一線技術(shù)實踐者與管理人員。

穩(wěn)定性 × 可進化 × 可復(fù)用，這是 2026 智能體下半場的核心命題。

這場「Agent 系統(tǒng)與工程」專題的價值，不在于聽幾項炫酷的新技術(shù)，而在于帶走一套經(jīng)過頭部大廠驗證、可直接復(fù)用的決策框架與避坑清單。

這或許能幫你省下數(shù)月的試錯時間，以及百萬級的沉沒成本。更重要的是，在大會現(xiàn)場，你將有機會與這些一線實戰(zhàn)派面對面交流，深度探討你團隊當(dāng)前面臨的棘手難題。

在這個技術(shù)飛速迭代的圈子里，和對的人同頻共振，往往比閉門造車更重要。

4 月 17-18 日 · 上海環(huán)球港凱悅酒店

2026 奇點智能技術(shù)大會，期待你的加入。

早鳥席位有限，掃碼下方二維碼，優(yōu)先鎖定你的參會名額。