AiDD研发数字峰会

出品人：王一男

华为技术专家，华为云智能化DevOps产品专家。拥有北京航空航天大学软件工程专业本科及硕士学位，具备多年软件工程与管理实践经验，专注于通过方法与工具的结合提升组织研发效能。

华为技术专家

multi-Agent协同开发框架

聚焦多智能体在软件工程中的协同机制，探讨软工智能体角色分工，任务规划分解，上下文压缩与传递，知识沉淀与检索，异常处理与恢复等关键技术。展示在需求分析、自动编码、测试验证等场景中的Agent协作实践，构建可解释、可调控、可持续演进的智能开发系统。

多智能体协同 - 打造智能化驱动的研效提升新范式

于航

科大讯飞研发效能产品团队负责人

内容简介：

在当前AI赋能软件工程的浪潮下，我们正致力于打造一个基于多智能体技术的统一研发效能平台，以解决原有系统烟囱式发展的痛点。该平台将多个领域如需求管理、项目管理、测试管理、CI/CD及效能管理等核心能力模块化为独立的Agent助手，每个Agent专注解决特定领域的专业问题。通过Muti-Agent多智能体协同机制，实现场景级问题的端到端智能处理，从需求分析到自动部署的全流程自动化。这一架构不仅提升了系统集成性与响应灵活性，更通过AI驱动为团队效能优化开辟了新路径。

演讲提纲：
1.背景痛点分析：传统研发效能平台烟囱式发展导致数据孤岛与协作效率低下的痛点呈现。
2.核心思路：以单智能体重构子产品，实现能力的模块化与高度专业化。通过多智能体协同框架，打通需求-开发-测试-部署全链路。
3.场景实践：展示单智能体在需求PRD生成、任务拆解、测试自动化的场景的实践,以及多智能体协作的部分场景。
4.问题总结：分享设计过程当中的问题总结，如需求智能体设计开发过程中的难点关键点，多智能体协同时设计开发的难点和解决问题的过程。
5.趋势展望：描述多智能体协作对未来研发模式提升效能的可见性，助力研发智能化转型,打造软件研发新范式。

听众收益：
1. 对未来研发效能智能化的发展方向有一定的认知
2. 对未来研发效能智能化的产品建设方向有一定的参考

华为云MVP（最具价值专家）、华为云享专家
中国DevOps社区理事会荣誉理事，信通院云大所标准制定专家组专家成员，参与信通院《面向行业场景的软件研发效能成熟度模型第1部分：汽车行业》标准制定、《面向软件系统的平台工程能力要求》标准制定。

Nebula-GUI Agent: 精准快稳的端到端屏幕操作解决方案

张凯莉

中兴通讯 AI算法工程师

内容简介：

GUI-Agent 作为手机上聚合服务的“超级入口”，目前各大厂商已经积极布局，抢占市场先机。业界目前的解决方案存在复杂任务操作准确率低、响应速度慢等问题，导致应用落地推广效果不佳。我们基于自研Nebula-GUI Agent框架，结合7B 量级的Nebula-GUI 模型，在自动点餐、订票等复杂任务上的执行成功率和速度都大幅提升，解决了终端 GUI-Agent 落地时诸多难题，在最新 superclue gui 榜单拿下银牌。未来可以应用于多种端侧屏幕操作场景，解放人的双手，开启智能交互新篇章。

演讲提纲：
1. GUI-Agent的业界现状：屏幕自动驾驶出现的原因、业界各大厂商的研发落地情况
2. 痛点问题：数据获取难、模型精度低、屏幕操作速度慢
3. 解决方案：从数据自动化、SFT图思维链优化、任务级在线强化、推理优化多个方面讲解
4. 达成效果：不到10B参数量，在最新superclue gui榜单拿下银牌，多个APP常用场景准确率达到90%以上
5. 总结&展望：后续覆盖更多的APP和更多的场景，支撑更多服务级功能，开源api服务等

听众收益：
1.让听众了解屏幕自动驾驶数据合成、模型训练方案，可以复用在其他垂域场景，比如电脑的自动操作等场景
2.开发者在了解屏幕导航数据制备的基础上，后续可以基于GUI-Agent开源api服务在感兴趣的App上进行开发，进一步推动GUI-Agent技术在更多场景的商用落地

中兴通讯股份有限公司AI算法工程师，目前负责多模态大模型领域的技术研究和产品落地，包括屏幕自动驾驶、智能意图识别&FC、智慧家庭助手等。多次参加百度、python开发者大会等开源活动，github开源社区Adlik项目（深度学习推理优化加速工具链）的主要维护者之一。

Agent 研发框架的设计及其在业务全域质效提升中的实践

刘琮玮

腾讯PCG工程效能平台部工程效能与AI算法研究专家

内容简介：

自2023年大模型诞生以来，我们就持续探索大模型与质效领域的结合，致力于通过模型能力不断拓展我们的能力边界，帮助业务解决更多质效问题。在过去一年中，我们无论是在模型能力的宽度上还是在广度上都取得了大幅提升，将模型能力切实融入到了研发流程的各个阶段，在需求域，代码域，用例域，缺陷域，等多个领域上均切实取得应用成效。与此同时，结合我们的项目实践经验以及对大模型应用的思考，持续探索大模型的研发应用模式，围绕大模型构建研发框架，降低模型应用成本，提升模型研发效率，助力模型能力领域化。在本次分享中，我将详细介绍我们的探索历程，包含实际的研发应用经验，对AI技术的畅想与展望，以及我们在研发过程中沉淀的思考与方法，希望可以帮助大家更好的研发大模型，应用大模型。

演讲提纲：
1. 项目简介：一句话介绍
2. 大模型赋能研发全流程质效提升
3. 项目现状及成效
3.1用例检查与生成，赋能用例质效提升
3.2缺陷检查与分析，严控产品质量风险
3.3需求规范性检查，辅助业务需求治理
3.4代码变更风险识别，助力业务测试左移
4. 技术架构-大模型研发框架
4.1大模型，Agent，AI应用
4.2MCP与大模型生态
4.3MultiAgent 大模型应用研发框架
4.4模型应用研发示例-人人都能用好大模型
4.5框架技术细节-Prompt 工程
4.6框架技术细节-MCP和能力调度
5. 未来展望
5.1Agent的产品化与领域化

听众收益：
1. 可借鉴的“大模型”探索历程
2. 大模型在研发全流程上的质效提升实践经验
3. 可复制的研发应用方法论
4. 大模型落地过程中的思考和经验
5. 对大模型未来的构想和规划

专注于人工智能(NLP)技术，大数据技术与质效领域的结合，参与过多个质效项目从0到1的研发落地工作，擅长通过引入人工智能技术驱动业务质效改进，具备丰富的人工智能研发落地经验。目前，正致力于通过“大模型”技术驱动业务质效提升，探索质效大模型建设，质效Agent研发与落地，摸索“大模型”技术与质效工作的深度结合，希望通过这些前沿技术推动为业务质量内建与质效提升。

Building the Future of Multi-agent Workforce

孙韬

CAMEL-AI 工程师

内容简介：

本次演讲将深入分析AI技术的三个发展阶段：从辅助工具到自动化的单体Agent，再到能够在多种环境和任务中协同适应的多Agent系统。我们将聚焦于技术构建的细节，探讨如何利用底层的大模型、辅助工具、记忆等组件构建复杂的AI系统，并分析这些技术的实际工程实现。

演讲提纲：
主线叙事将以CAMEL-AI的各项研究项目为核心，重点介绍开源Agent产品Eigent，并在叙述过程中穿插相关背景与细节：
1.AI 技术的发展阶段
1.1从辅助工具到自动化 Agent 的演进
1.2单体 Agent 与多 Agent 系统的差异
1.3典型应用场景案例
2.技术构建的核心要素
2.1底层大模型与推理能力
2.2辅助工具（搜索、计算、插件等）的整合
2.3记忆、反思与任务分解等机制的实现
3.工程实践与挑战
3.1架构设计与模块化实现
3.2系统鲁棒性与可扩展性问题
4.未来趋势：跨领域协作、多模态融合

听众收益：
1.掌握如何在实际工程中利用大模型、工具和记忆机制构建复杂 AI 系统的思路。
2.获得对未来 AI 应用与产业落地方向的启发，帮助规划自己的研究或产品。

CAMEL AI核心成员，Eigent AI 工程师，是camel和owl两个万星开源项目的核心开发者和维护者，曾任职于百度在线网络技术（北京）有限公司，从事搜索推荐及Agent相关工作。

AiDD峰会

K+峰会

联系我们