AI 大模型

从「构建 AI」到「驾驭 AI」，如何搞定 AI 深水区的 6 个工程问题？

InfoQ 中文 2026-09-11 约 15 分钟读完 2 阅读
文章来源声明： 来源站点：InfoQ 中文； 原文链接：https://www.infoq.cn/article/PyUlLla6MWSSoRLiDKbu?utm_source=rss&utm_medium=article； 本文基于上述来源整理/加工，觅优补充点评，仅供技术学习交流。版权归原作者所有。
觅优短评

文章以QCon专题为线索，系统勾勒AI工程化全景。适合技术负责人、架构师与AI落地团队，用于规划Agent生产化路线与组织转型。

现如今，AI 不仅会写代码、会做测试、会调用工具，甚至已经能自主完成复杂任务。

当 AI 从“回答问题的模型”演变为“能够行动的软件系统”，软件工程面对的挑战已经不再只是如何训练模型、如何部署模型、如何写 Prompt，而是如何让具备自主能力的 AI 稳定、可信、可控地运行在生产环境里。这意味着，接下来真正决定 AI 能否创造持续价值的，已经不只是如何 Build AI（构建 AI），而是 Harness AI（驾驭 AI）。

10 月 22-24 日，QCon 全球软件开发大会·2026 上海站，我们把以上一系列问题拆成了 6 个关键追问——从代码到 Agent、从系统到业务、从软件到物理世界，直面 AI 深水区的真实工程挑战。

问题一：AI 会写代码之后，软件工程要怎么重构？

Coding Agent 正从代码生成深入重构、评审、测试与交付的每一个环节。代码产出速度越来越快，但“写得更快”也让验证、质量与稳定性成为新的工程瓶颈。AI 写的代码谁来保证质量？数十万行的巨石应用怎么用 AI 安全重构？Code Review 怎么从人审变成人机协同？当代码不再稀缺，确定性底座又该怎么建？

这一次，QCon 上海站把一线实践者请到了现场。

在「Vibe Coding 时代的新质量债」专题论坛，四位一线实践者将从工具、方法、体系到完整链路，拆解这笔债该怎么还：

如果说「Vibe Coding 时代的新质量债」是纵深切入质量这一个核心命题，那么「AI 驱动的软件工程」就是把视角拉宽——从编码、审查、验证，到运维、治理、开源生态，看 AI 如何重构整条研发链路。

问题二：AI 从“会回答”到“会行动”，系统如何做到可控、可信、可协作？

当 AI 开始拥有长期记忆、自主执行、多智能体协作与持续进化能力，难点已经从“能不能完成任务”转向“怎么稳定运行、可靠协作和持续优化”。Agent 会不会偏离目标？多个 Agent 怎么可靠协作？工具调用怎么保证安全？企业数据怎么合理授权？AI 的行为怎么观测、评估与治理？

针对这一系列问题，本次大会策划了 8 个相关专题，分别从可控、可信、可协作三个维度，系统拆解生产级 Agent 如何做到跑得稳、看得见、管得住、协同好。

可控：把 Agent 关进确定性的笼子里

Agent 能自主行动是好事，但行动的边界在哪里、执行的路径能不能调控、出了问题能不能及时叫停——这些问题是 Agent 进入生产环境的第一道门槛。

  • AI Native 架构：围绕核心原语与认知控制流重构（Loop Engineering）、上下文工程与 AI 原生数据平面、智能体运行基座（Agent Harness）与外部系统交互、持久化执行（Long-horizon）与运行时治理等方向展开深度研讨，直击 AI 时代软件系统被重新设计的工程内核；
  • Loop Engineering：重点讨论生产级的 Agent、Agent 可读的代码与知识体系、工具协议与安全沙箱、轨迹级可观测性、自动化 Eval、多智能体协作与权限控制，以及基于执行反馈的 Harness 自进化；
  • Agent as a Service：重点讨论托管 Agent 服务的架构，例如手脑分离和本地 Agent 的交互；托管 Agent 服务的调度控制、状态/会话管理，底层并发控制、存储管理；安全能力，如密钥管理、沙箱隔离、文件系统隔离等话题；
  • Harness、Loop 与 Graph：Agent 产品设计的演进之路：聚焦 AI Native 产品设计，从技术演进与组织变革的双重视角，探讨 AI 时代产品形态将如何变化，以及"可用、可信、可协作"的 Agent 产品该如何被设计。

可信：让 Agent 的行为可观测、可评估、可进化

Agent 做了什么、做得对不对、出了问题谁来背锅——当 AI 从“回答问题”变成“采取行动”，可信度就成了生命线。可观测、可评估、安全可控，是 Agent 赢得信任的三块基石。

  • AI Agent 可观测与持续改进工程：探讨 Agent 可观测体系全链路构建、生产环境的 Agent 评估、Agent 自改进闭环、Agent 运行时全链路审计/安全治理、Agentic AIOps 的前沿实践等话题；
  • AI 时代的攻防重构：分享从攻击者视角和 AI 使用者安全管理者视角的不同维度安全工作，为参会者带来 AI 时代的安全思考；
  • Agent 自主进化：从记忆到持续学习：通过一线生产实践与量化评测，为构建“记得住、想得起、学得会、管得住”的 Agent 提供可落地的工程体系，推动智能体从“完成任务”走向“持续进化”。

可协作：多 Agent 协同，从单兵作战到组织级生产力

单个 Agent 再强，能做的事也有限。当多个 Agent 一起工作，怎么调度、怎么分工、怎么保证数据安全和权限可控——多智能体协作，是 Agent 从工具升级为组织级生产力的关键一跃。

  • 企业级多 Agent 架构与系统：聚焦企业级多 Agent 架构设计、协同机制与工程落地，解决多智能体调度混乱、协同低效、数据不可控、迭代困难等行业痛点，分享可复用的多 Agent 系统建设方法论，让 AI 工具升级为可管控、可自治、可规模化的组织级 AI 生产力。

问题三：AI 真正跑到规模化，底层系统怎么扛住？

AI 进入规模化生产后，瓶颈已经转向算力怎么用得更高效、训练怎么持续进化、数据怎么稳定供给、生产系统怎么可靠运行。推理成本居高不下怎么办？KV Cache 还能怎么优化？Agent 执行环境怎么支撑超大规模并发？SRE 怎么把 AI 关进确定性笼子里？

本次大会将从**算子优化、强化学习、训练数据系统、Agentic Data 到 SRE 可靠性实践，**拆解 AI 大规模运行背后的效率、数据与稳定性挑战。

  • AI Infra：算力效率决定规模化落地：围绕 AI Infra 全生命周期展开，从算力调度、数据治理、模型训练、推理加速、软硬协同、部署运维到持续进化七个维度，探讨算力损耗、显存浪费、数据失配等挑战的系统性应对与工程化路径；
  • Agentic 时代的数据系统重构：重点聚焦在 AI 时代，数据系统如何进行重构，具体包括数据领域的 Agent 架构设计，数据领域 Context Layer 的组织和设计，Agent Harness 工程最佳实践，Agentic 时代下数据领域的组织协作和分工等。探讨 Cowork with AI Agent 时代，数据系统的转型最佳实践。
  • 理性驾驭 AI 的 SRE 可靠性工程：重点讨论如何厘清大模型的能力边界；哪些场景适合 AI 辅助，哪些场景必须坚守确定性流程；如何搭建可靠防护护栏；AI 浪潮下 SRE 工程师们将何去何从等话题。

问题四：AI 进入核心业务，怎么从“技术可用”走向“业务有用”？

AI 真正进入各行各业的核心业务，衡量标准已经不只是“模型效果”，而是业务流程能不能跑通、效率能不能提升、价值能不能持续产生。当技术团队还在讨论模型选型、架构设计和工程化落地时，业务团队的灵魂拷问也来了：AI 到底帮我们多赚了多少钱、省了多少人、提升了多少效率？从 Demo 到生产、从工具到生产力、从技术自嗨到业务闭环——中间隔着的，不只是代码量，更是对业务场景的深度理解、对风险的精准把控、以及对价值的清晰衡量。

本次大会将从旅行、物流、客服营销到金融风控、保险后援，看 AI Agent 如何进入真实业务核心链路，完成从“技术可用”到“业务有用”的关键一跃。

在「金融 AI Native 工程实践：从研发提效到业务破局」专题论坛，来自平安人寿、XTransfer 等企业的技术专家，将聚焦工程实践——从研发底座的工具链建设，到业务场景的价值闭环，探索 AI 在金融领域从“效率工具”进化为“AI 原生生产力”的完整路径。

在「千行百业 Agent 创新实践」专题论坛，来自飞猪、阶跃星辰、网易智企、货拉拉等企业的技术专家，也将聚焦 Agent 在不同行业的创新应用与落地探索，深度拆解从技术能力到业务价值转化的完整链路，分享不同行业领先企业的前沿实践成果。

问题五：当 AI 进入组织，人才的价值坐标怎么变？

AI 写代码越来越快、做的事越来越多，但有一个问题始终绕不开：人怎么办？

当 Agent 成为团队的“数字同事”，组织的协作模式会变成什么样？传统的岗位分工、流程机制、考核体系还适用吗？当 AI 不断拉低技术实现的门槛，技术人的核心竞争力又该从哪里来？是在原有的赛道上卷得更狠，还是重新定义自己的价值坐标？

换言之，当 AI 重构了生产方式，组织本身也需要被重新“工程化”。针对以上话题，本次大会将从组织转型到个人进化，拆解 AI Native 时代的组织形态与人才路径。

「打造 AI Native 型组织」专题论坛将邀请来自不同行业、不同领域的技术专家，聚焦 AI Native 组织实践、协作机制、工程管理与人才转型，探讨企业如何在 AI 时代建立新的竞争力。

「技术人的下一站」专题论坛则会聚焦于 AI 时代下技术人的职业演进、思维重构与竞争优势建立，邀请多位在 AI 原生软件工程、技术架构演进以及组织变革中率先破局的先锋行者，为你复盘他们的“进化路径”。

问题六：AI 走出软件系统，怎么真正进入物理世界？

AI 的边界正在从云端延伸到手机、终端，并进一步走向真实世界。模型真正进入设备后，算力受限、实时响应、端云调度与规模化量产都成为新的工程挑战。而具身智能与世界模型的探索，更在重新定义 AI 与物理世界的交互方式。

对此，本次大会将从端侧模型、端云协同与终端量产实践出发**，并进一步延伸至具身智能与世界模型，**探索 AI 从云端走向终端、从数字系统走向物理世界的关键路径。

「端云协同与 AI Native 终端生态：从端侧模型到智能体应用」专题论坛将聚焦 AI Native 硬件与端云协同系统的真实落地，讨论端侧模型、NPU/异构计算、端云联合推理、OS Agent、多模态感知、以及跨设备智能体体验如何从 Demo 走向量产。

「数据驱动的具身智能：迈向规模化之路」专题论坛将以数据闭环为核心底座、产业落地为最终目标，围绕具身数据体系、数据驱动模型革新、通用物理智能落地三大核心内容展开，主要探讨真机数据高效积累与建模、机器人通用大脑等关键方向，推动物理智能从实验室技术走向规模化商用。

以上这六个问题，没有标准答案，但有现场的真实实践。

20 个专题、近百场深度分享、3 天沉浸式交流——10 月 22-24 日，上海 QCon，我们一起直面 AI 深水区的真实考题。

点击链接查看完整日程并立即报名：https://qcon.infoq.cn/2026/shanghai/schedule

相关推荐

端侧优先，云端兜底：端云协同调度在B端应用的工程实践｜QCon上海 AI 大模型
AI 有了“工号”，数据平台长出了手：我在 Snowflake World Tour 看到的三个变化 AI 大模型
“数据比模型重要”成了共识，接下来拼什么？ AI 大模型
AI Coding 的下一步不是写得更快，而是可验收：蚂蚁数科 Harness 工程实践 AI 大模型
“我们在拿生命做赌注”：造AI的人为何开始密集预警？ AI 大模型
让AI离开温室，走向动态世界：MineExplorer揭示顶级多模态大模型被忽视的能力断层 AI 大模型
下一代搜索智能体评测基准！美团开源LoHoSearch，用知识图谱校准AI能力认知 AI 大模型
美团正式发布 CatPaw：全场景 AI Agent，从个人提效到企业智能化 AI 大模型