从「构建 AI」到「驾驭 AI」，100+ 实战案例拆解 AI Native 时代的工程新实践！
推理模型持续突破能力边界，Coding Agent 深度参与研发流程，Agent Runtime、Agent Framework 快速演进……AI 正在从回答问题的模型，演变为能够自主规划、调用工具、执行任务的软件系统。AI 不再只是软件中的一个能力，而开始成为软件系统的一部分。这意味着软件工程面对的挑战也发生了变化：团队需要思考的不再只是如何训练模型、模型、部署模型 或优化 Prompt，而不是如何让具备自主能力的 AI 稳定、可信、可控地运行。模型决定 AI 能做什么，系统决定 AI 能否真正创造价值。
在这一背景下，2026 年 QCon 全球软件开发大会大会 · 上海站正式启动。本次大会将于 10 月 22 日—24 日举办，聚焦 Harness AI 时代的工程实践，围绕 AI Native 架构、Agent Runtime、AI Infra、Data Systems、Agent 安全与可观测、Loop Engineering、Vibe Coding、具身智能与世界模型、端云协同等前沿技术方向，邀请全球技术社区与产业一线的实践者，系统性分享前沿洞察与实战经验，共同探索 AI 从能力到系统、从实验到生产的真实路径。
蚂蚁集团阿福 Harness 架构组负责人肖汉松已确认出席 “Loop Engineering” 专题，并发表题为《从 Harness 到 Loop：阿福 Agent 小队如何处理持续涌入的线上 Badcase》的主题分享。Agent 进入生产环境后，随着用户量增长，线上 badcase 也会持续增加。蚂蚁阿福上线后同样面临这一问题。从 badcase 的发现、归因和分派，到修复、验证和结果回流，各环节都需要工程师人工衔接。即使有 AI 辅助，处理能力仍不足以应对持续新增的问题。为此，他们分两个阶段推进：先用 Harness Engineering 解决“如何可靠修好 badcase”，再用 Loop Engineering 解决“如何持续修复 badcase”。
第一个问题是：如何减少人工参与，让 Agent 自主完成 badcase 的修复和验证？他们为 Agent 接入开发、部署和评测工具，通过执行约束保障长任务持续运行，再通过评测约束判断问题是否真正修好。在一次真实任务中，Agent 连续迭代 16 轮，改动最终经人工复核后上线。
当修复和验证能够稳定运行后，新的瓶颈随之出现：发现、归因、分派和结果回流仍依赖人工。如何把这些环节也交给 Agent，不再由工程师逐条发起 badcase 修复任务？他们将完整流程组织成两个相互衔接的循环（Loop）：内循环负责修复和验证，外循环负责发现、归因、分派和结果回流。两个循环衔接后，系统可以持续处理 badcase；异常改派和最终上线仍由人把关。
本次分享将结合真实案例，展示 badcase 如何入池、分派、修复和验证，并说明当前哪些环节仍需人工决策。
肖汉松,蚂蚁集团技术专家，阿福 Harness 架构组负责人，参与阿福从 0 到 1 的建设。长期从事 Agent 相关工作，实践方向包括 Agent 强化学习和 Harness Engineering。他在本次会议的详细演讲内容如下：
演讲提纲：
1. 业务背景与 badcase 处理现状
badcase 持续进入，工程师需要逐条分析、修改、部署和评测，现有处理能力难以覆盖不断新增的问题
一个 badcase 从发现、归因、分派到修复、验证和关闭，需要多名工程师在不同环节手工交接
两阶段改造思路：先让 Agent 自己完成修复和验证，再让 Agent 持续接收和处理新问题
2. Harness 设计与单 Agent 自主迭代
工具接入：把开发、部署、发起评测和获取结果变成 Agent 可以直接调用的工具
长任务运行：解决任务提前结束、重复空转和上下文不足等问题；主 Agent 负责目标管理，子 Agent 执行每轮分析和修改
避免只优化评测分数：隔离开发数据与验证数据，并在每轮修改后重新与当前基线对比
实践结果：Agent 连续迭代 16 轮，改动经人工复核后上线
3. Loop 架构与内外循环协作
修复效率提升后，问题发现、归因、分派和结果回收仍依赖人工，成为新的瓶颈
外循环 Agent 小队负责接收问题、分派任务，并根据处理结果决定后续流向；内循环 Agent 小队负责诊断、修改和验证
两组 Agent 共用 Harness 提供的工具、状态记录、执行约束和评测
4. Agent 小队任务处理与验证流程
接收与分派：先对一批 badcase 去重、归类和初步归因，再按问题归属创建任务
诊断与修改：根据证据定位问题所在层级，确认修改范围后，审查方案并实施修改
独立验证：验证者不参与修改，独立确认目标问题是否解决，并检查是否对其他问题造成影响
失败后改派：当前小队无法处理时，将判断结果和证据返回外循环，经人工确认后重新分派
5. 落地效果与实践经验
明确当前可由 Agent 处理的 badcase 类型，以及仍需人工介入的问题
工程师不再逐项执行重复操作，但仍负责制定约束、抽样复核、异常决策和最终确认
从自动化评测开始，先让一个边界清晰、结果可验证的小型 Harness 稳定运行，再通过定时任务驱动 Loop 持续处理问题
实践痛点
如何让 Agent 在长时间、多轮执行中保持稳定，避免早停
如何判断 Agent 是否真正解决了问题，而不是只提高了评测分数
如何保证多 Agent 之间的任务、状态和证据能够可靠交接，并划清自动执行与人工决策的边界
演讲亮点
以线上 badcase 处理为真实案例，复盘从 Harness 到 Loop 的两阶段演进：先用 Harness 支撑 Agent 稳定完成修复和验证，再由两支 Agent 小队共用这套 Harness，持续接收、分派和处理新问题
不只展示成功结果，也通过失败案例说明评测、独立验证和证据回流在闭环中为何缺一不可
不追求“全自动化”，而是明确 Agent 自动执行与人工决策、复核和最终责任之间的边界
听众收益
判断自己的场景处于哪个阶段：应先建设 Agent Harness，还是需要引入 Loop 处理持续问题
掌握一套判断 Agent 是否真正形成闭环的检查方法：能否持续执行、是否经过独立验证、失败后是否有明确的后续处理流程
获得一条明确的实施路径：从自动化评测和边界清晰、结果可验证的小型 Harness 开始，逐步扩大 Agent 的自主范围，同时保留人工决策与最终责任
除此之外，本次大会还策划了Loop Engineering、千行百业 Agent 创新实践、Agent 自主进化：从记忆到持续学习、Agent as a Service、Vibe Coding 时代的新质量债、理性驾驭 AI 的 SRE 可靠性工程、金融 AI Native工程实践：从研发提效到业务破局、AI Infra：算力效率决定规模化落地、AI Native 架构等 20 个专题论坛，届时将有来自不同行业、不同领域、不同企业的 100+资深专家在现场带来前沿技术洞察和一线实践经验。
QCon 全球软件开发大会·2026（上海站）现已正式启动。本届大会聚焦 Harness AI 时代的工程实践，从「构建 AI」到「驾驭 AI」，围绕 AI Native 架构、Agent Runtime、AI Infra、Agent 安全与可观测、Loop Engineering、具身智能与世界模型 等热门技术方向，邀请全球技术社区与产业一线实践者，共同分享 AI Native 时代最具价值的工程经验。8 折倒计时进入最后一周，现在报名立减 1360，查看更多详情可扫码或联系票务经理 18514549229 进行咨询。
