AiDD研发数字峰会

出品人：马国俊

负责字节跳动用户体验中台、抖音生态治理、抖音质效实验室、伽利略推荐系统等多方向的智能化建设，技术上主要涉及NLP、多模态、LLM/mLLM、数据挖掘与服务工程等领域，带领团队连续获得字节跳动最佳技术贡献团队奖，个人发明专利50多项。

抖音集团 AI应用与创新部门技术负责人

上下文工程

聚焦大模型输入上下文的有效组织与优化技术，探讨上下文压缩、关键信息提取、记忆增强与提示结构设计等方法。构建高效、稳定、可复用的上下文管理机制，提升大模型在复杂任务中的表现一致性。

AI如何重塑开发：京东JoyCode IDE 2.0 的生产级创新

郑少强

京东科技大模型算法专家

内容简介：

JoyCode是京东自研的AI编程助手，旨在彻底革新开发者的工作流程。自2024年诞生至今，JoyCode始终致力于突破编程边界，成功从代码辅助L2（JoyCode IDE 1.0）迈向自动化编程L3（JoyCode IDE 2.0）的新纪元。
在JoyCode IDE 1.0阶段，JoyCode凭借自研代码补全模型、TabTab以及代码知识库RepoWiki等，不仅能提供精准高效的编程支持，还能深度理解并解答代码仓库中的各类问题；
如今，JoyCode已更新到2.0阶段，实现了颠覆性的自动化编程能力。通过Spec规约编程，能理解并执行复杂的高级指令任务；同时，结合自研的CSR上下文引擎，可深度理解企业级代码库，自动生成，优化代码，实现端到端的全流程开发。

演讲提纲：
1.引言：编程范式的革新-AI如何重塑研发范式
2.JoyCode IDE 1.0：人机协同AI编码，提升京东研发开发效率
3.JoyCode IDE 2.0核心：Spec规约编程，如何让AI理解高级指令
4.JoyCode IDE 2.0基石：CSR上下文引擎，深度理解企业级代码仓库
5.未来展望：JoyCode如何结合多工具云场景，定义未来研发范式

听众收益：
1.获得新一代AI编程的实践经验，深入了解京东如何利用AI提升研发效率。
2.全面掌握JoyCode的核心技术，洞察未来软件开发的趋势。

拥有多年互联网算法经验，曾深度参与顶级互联网平台的算法模型优化。目前在京东科技-数字化效能部，专注于 AI 编程（AI Coding）领域的探索与落地。自 2023 年以来，致力于 AI 编程核心算法的设计与开发，涵盖开源代码补全、智能问答以及 Code Agent 等前沿模型，旨在全面提升研发效能。

研发数字员工的上下文工程和数据飞轮建设实践

王笑吉

百度资深工程师

内容简介：

传统交付模式下，高质效交付大多都需要强依赖人，整个交付过程往往需要跨多平台经过繁琐的长路径操作才能完成，对于新同学来说，交付门槛和学习成本很高。因此，我们依托大模型和上下文工程，自建5类核心Agent能力，完成了AIQA数字员工的建设与发布，进一步提升了交付效率和交付体验。
随着数字员工的上线，我们发现其智能化和实用性程度，十分依赖底层数据、知识和经验的沉淀、迭代与更新。通常情况下，这些知识和经验的积累靠人完成，强依赖个人习惯，沉淀的知识价值也会随时间流逝而逐渐降低。为了解决这些问题，我们基于人与人的日常沟通过程，建设了数据自动沉淀与知识动态更新的飞轮机制，并将其赋能AI Agent应用，使AI员工可以自主学习、进化与思考，提升了AI员工的智能化程度，助力日常工作提效20%+

演讲提纲：
1. 交付质效痛点分析与AIQA数字员工建设实践
1.1 项目交付质效痛点分析与AIQA数字员工建设背景
1.2 AIQA数字员工的建设思路及系统架构
1.3 AIQA数字员工的核心上下文工程
2. 知识数据飞轮助力使AI员工像人一样懂交付、会学习
2.1 基于群聊的知识数据飞轮建设：数据收集机制与多模态数据处理方法
2.2 基于群聊的知识数据飞轮建设：如何将日常沟通沉淀为优质的知识与思维链信息，供AGent学习与应用，形成数据飞轮
2.3 知识应用：在各类场景中，主动理解用户问题，提供解决方案；收集评估反馈，实现自我纠偏与修正
3. AIQA数字员工应用与交付提效实践
3.1 数字员工学习-应用实践案例
3.2 效果与收益

百度MEG团队资深测试开发工程师，8年从业经验，目前主要负责百度FEED检索业务的交付质效保障相关工作，探索如何利用大模型能力提升研发交付效能，带领团队基于AI员工完成了交付模式从GUI向LUI转换，通过数据飞轮机制的建设，提升AI员工的智能化程度，从而为交付提效。

规格驱动·多端落地：跨平台 Agent 系统设计

张晔

腾讯PCG质效技术负责人

内容简介：

本演讲面向多样化业务场景，系统构建一套可生产化的跨平台 Agent 架构。其核心是以稳定契约不变式（统一行动语义、状态最小集、上下文规范）为锚点，将 Web/桌面/移动的差异与不确定性下沉至适配与实现层，在此之上形成可复用、可审计、可演进的跨端执行框架。我们将以腾讯 PCG 测试域的真实案例展示该架构在多业务落地中的一致性与规模效益，并以数据化成效验证其工程可控与扩展潜力。

演讲提纲：
第一部分｜Agent 行业发展
内容包括：Agent 相关概念与演进、主流 Agent 项目对比、行业痛点与挑战。
第二部分｜Agent 体系结构内容包括：总体架构图、多级规划、增强型界面感知、动作注册机制、长短期记忆实现、上下文工程实现。
第三部分｜跨平台能力建设内容包括：动作执行与会话治理（生命周期、可见性、权限、链路自愈）下沉，统一 web/pc/mobile 的微/宏动作与StateSummary实现。
第四部分｜腾讯测试域多业务案例内容包括：腾讯 PCG 不同业务的落地应用案例及成效。
第五部分｜总结与展望内容包括：对跨平台 Agent 设计的总结与后续的演进规划。

腾讯PCG质效技术负责人、研发效能专家、AI Agent构建者。人工智能研发及产业应用工作委员会委员，具备多年企业级教练和咨询顾问经验。具备丰富的跨领域（互联网、金融、通信）的工程效能、AI 提效辅导经验。《软件研发效能权威指南》、《现代软件测试技术权威指南》《敏捷（精益）教练能力模型白皮书》、《开发运维一体化能力成熟度模型》等书籍、标准作者。

AiDD峰会

K+峰会

联系我们