AGENTIC AICON · 深圳站
进化的智能体 × 深入组织与研发重造
双 Keynote 并行开讲
Agentic AICon · 智能体应用与架构工程大会
10月30-31日
2 天议程
4 条议题线
12+ 出品人专场
50+ 场一线实践分享
30+ 家头部企业与机构
写在前面
2026，智能体开始"渡河"
过去两年，关于智能体，行业反复验证的是一件事：Demo 很容易，生产很稀缺。
一个 Agent 跑通一个惊艳的演示，只需要一个下午；而让它在真实企业里持续运行——算得清后果、记得住经验、守得住边界、扛得住规模——需要的是一整套工程体系：质量治理、记忆系统、企业本体、Harness 护栏、组织重设计。
2026 年，讨论的重心已经彻底换了：不再问"AI 能不能做"，而是问"怎么让它一直做、做得对、越做越好"。
10 月 30—31 日，汇丰银行、A*STAR、京东、腾讯、蚂蚁、蚂蚁数科、阿里云、vivo、快手、bilibili、OPPO、荣耀、网易智企、MiniMax、小红书、去哪儿网、平安人寿、中兴通讯、Zilliz、华为云、亚马逊云科技等 30+ 家企业的实践者，带着真实数据、真实架构、真实踩坑记录，完整拆解智能体从 Demo 走向生产的工程之路。
PART 1 · 双 KEYNOTE 主题发布
智能体在进化，组织与流程在重造
今年大会设置 Keynote Speech 1 与 Keynote Speech 2 双主场并行
KEYNOTE SPEECH 1
进化的智能体
从 Demo 可用到企业规模化
—— Agent 工程化的质量、边界与闭环之路
大模型已经证明了"能做"，企业要的是"一直做、做得对、越做越好"。本专场从质量与记忆、设计与本体、闭环经营、知识工程四个侧面，拆解智能体走向规模化生产的完整工程路径。
KEYNOTE 1-1
智能体规模化的深层挑战与能力跃迁
夏勇博士 ｜ 汇丰银行 董事总经理 · 国际财富管理及卓越理财解决方案 CIO、首席架构师
▪金融级定调：Oracle 缺失令其不知对错，经验失忆令其不长记性——规模化生产的两环根基；
▪graph10x 代码图谱：在汇丰 8000+ 项目规模下治理测试质量，把检测信号沉淀为可复用的工程知识；
▪mem10x 事实记忆层：承载专家经验、驱动云端 Skill 持续进化，让智能体在运行中"长记性"；
▪核心机制：质量为记忆提供可信素材，记忆反哺生成质量——同构共生的自我修正、自我累积闭环。
为什么必听：讲 Agent 单点能力的很多，系统讲"质量 × 记忆"双环进化机制的，这是最完整的一场。
KEYNOTE 1-2
从 Agent 设计模式到企业本体：FDE 如何把 AI 接进真实业务
黄佳 ｜ 新加坡科技研究局（A*STAR）AI 研究员，《Agent 设计模式》《Designing AI Agents》作者
▪问题诊断：近百个 Agent 接不成一条业务链，根因是数据与知识欠账——企业没有本体，Agent 不知道自己代表谁、边界在哪；
▪ADPS 双轴模式矩阵：七大认知维度 × 六种执行拓扑 = 27 种 Agent 设计模式，以 Claude Code、Manus 等生产系统验证；
▪一条工程线："循环之内"（ADPS）与"循环脚下"（企业本体：身份、权限、责任边界）焊接在一起；
▪FDE 五步实操：业务问题定位 → 企业世界模型 → 行动规范 → 协同与信任 → 运营与交还，附已发布企业案例印证。
为什么必听：第一次把设计模式、企业本体论、FDE 现场工程放进同一条工程线讨论，方法论可直接对齐到自己的项目。
KEYNOTE 1-3
AI Native 全托管：企业智能在京东货盘经营的工程实战
韩艾博士 ｜ 京东集团 算法总监、京东零售数据与算法通道委员，OxyGent 开源项目架构师
▪企业智能公式：Model × Context × Learning Loop——乘法关系，缺一不可；
▪三层协同架构：大模型理解经营语义 + 量化模型在仿真空间推演"平行未来" + Agent 执行落地；
▪闭环进化：全量快照与归因（从"发生了什么"到"为什么发生"）、策略中心复用人类经验与 AI 学习成果；
▪真实战绩：已在 20 万自营商品验证，超 20% 不动销品重新动销；从自营走向 POP 的开放路径。
为什么必听：少见的把企业智能讲成"可验证的工程系统"而非"概念架构"的报告，数字全部来自真实经营现场。
KEYNOTE 1-4
持续进化的知识工程
王植萌 ｜ 去哪儿网 AI Lab 技术负责人
▪六阶段进化实录：全部来自 2026 年真实踩坑——Skill+标准 Harness → Skill+专属 Harness → 结构化知识+专属 Harness → DDD+专属 Harness（限界上下文 + 防腐层解决多垂类衔接）；
▪知识的 CI/CD：让知识可版本化、可回滚、可测试、可 AB Test——知识工程也是工程，非工程师写知识更安全；
▪面向 RSI 追问：AI for AI——AI 能否成为非工程师的 Copilot？如果可行，知识管理走向何方。
为什么必听：一份不修饰、按时间顺序展开的踩坑日志，每阶段都标着"解决了什么、还剩什么"。
KEYNOTE SPEECH 2
重造：当 AI 深入组织与研发的深水区
—— 从组织重构、记忆系统到工程护栏的全面重建
当智能体走向生产，真正的瓶颈不再是模型，而是模型周围的一切：组织如何为"第二个智能主体"重新设计？记忆如何被系统化管理？日产万行的吞吐靠什么护栏托住？研发流程如何被端到端重建？
KEYNOTE 2-1
当 AI 成为第二个智能主体——重新设计一家公司
李彬 ｜ 前京东 组织发展专家，曾主导京东零售 BigBoss 组织转型、AI 组织转型、京东外卖组织转型
▪六层重构框架：组织 → 机制 → 岗位 → 人才 → 文化 → 系统，层层递进；
▪组织：从"装 AI"到"为 AI 生一家公司"——Block、Shopify AI 原生雇佣对照；"技术买得到，责任与权力买不到"；
▪机制：给旧流程贴 AI 补丁 ≠ 重写工作流——Klarna 三段反转、GitLab 可逆性原则、Air Canada 责任原点判例；
▪岗位与人才："一个萝卜一个坑"结束，岗位散成任务节点；BCG×哈佛 758 顾问实验揭示锯齿状能力前沿——最稀缺的是能对 AI 说"不对"的人；
▪收束金句："未来不属于拥有最强 AI 的公司，而属于敢把自己重新设计一遍的人。"
为什么必听：技术团队让 Agent 跑起来，而决定 Agent 能跑多远的，是这场报告里讲的东西。
KEYNOTE 2-2
MemOS & Metis：记忆操作系统与原生记忆模型核心技术与挑战
李志宇 ｜ 记忆张量 MemTensor 联合创始人兼 CTO，上海市东方英才拔尖人才
▪MemOS 记忆操作系统：统一管理明文、激活态、参数化三种记忆形态，覆盖写入、组织、检索、更新、迁移与遗忘全生命周期；
▪Metis 原生记忆：记忆内化到基座模型架构——权重冻结、无需反向传播，仅靠前向计算维护与调用历史记忆；
▪硬核挑战清单：选择性写入、记忆压缩、稳定性与可塑性、长程评测、训推效率、隐私与可追溯治理；
▪协同演进：系统层记忆管理 × 模型层原生记忆的职责分工与架构取舍。
为什么必听：与汇丰 mem10x、去哪儿知识工程互相印证——记忆已从 Prompt 技巧升级为操作系统级学科。
KEYNOTE 2-3
日产万行业务代码：我用两个月搭出的 Agent Harness 公路
吴穹 ｜ Agilean 首席咨询顾问
▪真实拆解：Kanban2 三类代码约 175 万行，两个月稳定增长约 100 万行，一度接近"日产万行"——提交越快越易返工，Agent 越多越易互踩环境；
▪Harness 公路图：AGENTS.md 文档入口 + 20 余条静态门禁 → CLI E2E 与测试数据底座 → fullcheck 分层闸门（L0–L9）与 stop hook 强制验收 → 可观测与 Playwright 现场验收 → 多 Agent 共用运行时；
▪复利信号：Harness 投入反超业务投入的那一刻，工程系统开始复利——每次失败沉淀为护栏；
▪落地清单：AGENTS/skills/invariants、路径感知验收、CNB 强制门禁，直接套用到自己团队。
为什么必听：全场工程浓度最高的分享之一，"公路图 + 落地清单"让听众回去就能开工。
KEYNOTE 2-4
需求即交付：用多 Agent 端到端重建研发流程
杨帅 ｜ 腾讯 PCG 社交安全中心 高级后台开发工程师，部门 AI Agent 全面铺开专项负责人
▪运营数据：335 个需求端到端交付，月均交付部门 30% 需求，单需求中位耗时 106 分钟，AI 交付零线上事故；
▪开场即演示：一句话需求 + 一张截图，当天下午上线，人只确认两次；
▪零基思维：插 AI 是加法，重建流程是乘法——评审会、对齐会是因"人的局限"存在，还是问题本身需要它？
▪工程骨架：九阶段流水线、30+ 状态机、12+ Agent 接力，人只在三个节点介入；Agent 无状态、心跳自愈、四道质量门；
▪知识飞轮：交付即沉淀 2000+ 结构化知识资产；"注入命中率 22.7%"的教训——多注入不等于注得准。
为什么必听：已在生产环境验证、带完整数据与失败教训的端到端方案，可迁移到测试、巡检、运维等场景。
PART 2 · 两天完整议题主线
四条议题线，两天 50+ 场分享
除双 Keynote 外，大会以四条议题线组织全部分会场：智能体工程线、智能体应用线、智能体产品线、智能体组织线，共 12+ 个出品人专场，1场闭门研讨会。
闭门研讨会：从 AI Coding 到 AI Working
——让 Agent 进入真实业务
主持人：黄佳（A*STAR AI 研究员，ADPS 发起人）
▪ 模型变强之后，企业还需要自建什么？——换模型、补业务信息，还是改系统设计？
▪ Coding Agent 的经验能直接迁移到企业业务吗？——Harness 设计与业务任务"完成"的判断依据；
▪ 一个 Agent 还是多个 Agent？——固定工作流、单/多 Agent 的取舍与协作契约；
▪ 从 Demo 到生产，怎样证明它真的可靠、确实提效？——从"每步确认"到"允许独立完成一类任务"；
▪ 项目做完以后，企业留下了什么？——业务规则与专家判断沉淀为可复用、可维护的知识资产。
PART 3 · 谁应该来
如果你想让 AI 真正干活
技术决策者（CTO / 技术VP / 首席架构师）
两天看到 30+ 家企业的真实落地答卷，避开别人已经踩过的坑。
Agent 工程与平台团队
Harness、记忆、评测、可观测、安全——工程线的每一块拼图都有专场。
研发效能与 AI Coding 落地团队
从日产万行的护栏体系，到需求即交付的端到端流水线。
业务与数字化负责人
组织与 HR 负责人
当 AI 成为第二个智能主体，岗位、人才、文化、机制如何重设计。
这里有智能体从 Demo 到生产的完整路线图
2026 年 10 月 30—31 日 · 深圳
Agentic AICon 智能体应用与架构工程大会
最终日程以大会现场公布为准
