写点什么

AI 浪潮下应用开发的“华山论剑” | QCon

  • 2024-08-29
    北京
  • 本文字数:3325 字

    阅读完需:约 11 分钟

大小:1.76M时长:10:14
AI 浪潮下应用开发的“华山论剑” | QCon

随着人工智能技术的突破性进展,AI 应用开发已成为全球技术革新的核心,并以前所未有的速度改变着世界,您准备好了吗?作为企业技术管理者和架构师,您是否在思考如何利用 AI 推动业务强劲增长?


AI 应用开发实践涉及到数据采集与处理、机器学习模型的构建与训练、深度学习技术的应用、以及 AI 系统的集成与部署等多个环节。从智能个性化推荐算法到复杂的自动驾驶系统,再到医疗健康领域的精准诊断,AI 正以其独特的方式重塑着各行各业的面貌。我们惊喜地看到从中小创业公司到大型企业,都在利用计算机视觉、自然语言处理、个性化推荐、对话式交互等 AI 能力提升业务效率、优化用户体验,显著增强了产品的市场竞争力。


同时我们也关注到,在实际的 AI 应用中,确保 AI 技术与具体业务需求的紧密结合仍然是一个复杂的挑战,涉及到高质量的数据收集与预处理、模型的选型、RAG 等工程扩展技术,去取得更具鲁棒性和灵活性的解决方案。


10 月 18—19 日 QCon 全球软件开发大会(上海站),我们设置了【AI 应用开发实践】专题,聚焦实战直击痛点!我们邀请了来自字节跳动、百度、阿里巴巴等头部企业的 AI 专家,分享他们在 AI 代码补全、Agent 开发、电商 AI 落地等方面的实战经验,并探讨如何解决数据安全、性能优化、跨平台兼容等关键挑战。目前是8 折购票倒计时 2 天,感兴趣的同学抓紧机会。  

精彩内容抢先看

演讲主题:豆包 MarsCode 在 AI Coding 的探索与实践


自 LLM 用于辅助编码以来,Al 增强开发成为目前最具革命性的技术趋势,人类开发软件的方式正在发生根本性的变化。预计未来几年,世界上每一位工程师都会在 AI 辅助下进行开发,这是一个令人振奋和向往的技术浪潮,豆包 MarsCode 作为浪潮中的一份子,对 AI Coding 技术在编码开发场景的落地有一些自己的见解。本次演讲我们将分享豆包 MarsCode 在 AI Coding 方向的实践和探索,探讨 AI 与编程工具如何深度融合以及我们对未来软件开发形态的展望。


演讲提纲


1. AI Coding 的演进史和发展趋势


2. AI 代码补全和 AI 问答的效果优化实践


  • 代码补全关键指标 (CPO)

  • CPO 的定义要素

  • 如何用 CPO 衡量代码补全的真实价值

  • 代码补全核心实现架构

  • 如何降低 debounce,提升注释、补全的续写效果提高尝试率

  • 如何通过模型推理优化和网络、压缩等工程侧优化提升反馈速度

  • 如何通过推荐时机优化和模型训练提升采纳率

  • 基于 CKG 优化 AI 代码知识问答效果实践


3. AI Coding 带给 IDE 的变革和工程实践


  • AI IDE 核心三要素:AI 原生交互 + 随时随地开发 + 服务集成化

  • 基于前后端分离实现 IDE 模块解耦划分

  • IDE 性能优化:Rust 重构、通道复用、协议压缩、Web Component 化

  • 云 IDE 秒级启动实践:基于 K8s 定制池化调度策略、存储热挂载、进程 HotReload


4. 未来 AI Coding 的展望


  • 谈谈下一代的 AI Coding 技术

  • 升级版 AI 代码编辑推荐 (补全 Pro) 和 AutoDebug 的产品化探索

  • 未来软件开发趋势展望


实践痛点


  1. 如何更好去优化 AI 代码补全,如何定义指标,如何从算法侧和工程侧如何综合去优化整个链路

  2. AI Coding 新技术多且不算特别成熟,如何基于当下评估能力的可用性,做新技术的探索和落地

  3. 云 IDE 如何做工程化落地 AI 给 IDE 带来的变革


演讲亮点


  1. 字节跳动对于 AI 代码补全和 AI 问答的效果优化实践

  2. 字节跳动对于 代码推荐 (补全 Pro)  和 AI AutoDebug 两类新 AI Coding 场景的技术探索和产品化落地探索

  3. 业内 Top 级云 IDE 工程


听众收益


  1. 了解目前 AI Coding 领域最前沿的行业动态和知识

  2. 了解 MarsCode 在 AI 代码补全效果和 AI 问答效果的优化实践

  3. 了解 AI 代码编辑推荐和 AI AutoDebug 两大即将普惠的 AI Coding 技术和对其在落地形态的思考和探索

  4. 了解 MarsCode 在 AI IDE 领域关键工程技术和实践经验

演讲主题:百度文心智能体开发实战与分发模式创新


随着人工智能技术的蓬勃发展,AI Agent 作为智能服务的关键载体正深刻影响着各行各业。本次演讲,我将以“文心智能体”平台的智能体开发实战为蓝本,深入剖析 AI Agent 从理论到实践的构建过程;同时,结合“旅游 AI 助手”的分发实践,探讨 AI Agent 在多样化市场中的高效、安全分发策略。通过这两个具体案例,结合最新的开发工具、框架及最佳实践,揭示 AI Agent 在提升服务效率、优化用户体验方面的独特价值。此外,我们还将直面数据安全、性能优化、跨平台兼容等核心挑战,提出切实可行的解决方案,为听众呈现一场既具深度又具实用性的 AI Agent 开发与分发盛宴。


演讲提纲


1. 引言


  • Agent 技术背景与定义

  • 演讲目的与结构概述


2. Agent 开发实战(文心智能体)


  • Agent 应用理论基础

  • 技术选型与架构设计:构建高效能 Agent 的基石

  • 文心智能体的特点与应用效果


3. 分发模式创新(以旅游 Agent 为例)


  • 分发策略设计:质量评估、用户体验优化与反馈机制

  • 实战案例分析:旅游领域的 Agent 分发实践,包括市场定位、渠道选择、用户反馈等

  • 分发成效评估:市场反响、用户满意度、业务增长等关键指标


4. 核心难点与挑战及解法建议


  • 数据安全与隐私保护:挑战分析、现有策略与未来展望

  • 跨平台兼容性与标准化问题:现状剖析、解决方案与标准化路径

  • 实战中的其他挑战与应对策略分享


5. 总结与展望


  • Agent 应用研发与分发实践的关键点回顾

  • 未来发展趋势预测:技术革新、市场变化与用户需求

  • 鼓励行业交流与合作,共同推动 AI Agent 技术的持续进步


实践痛点


  • 数据安全与隐私保护:如何确保 Agent 应用的数据安全与隐私保护成为一大挑战

  • 算法性能优化:随着应用场景的复杂化,如何提升 Agent 的算法性能,确保其实时性与准确性成为关键

  • 跨平台兼容性与标准化问题:不同平台间的兼容性问题以及缺乏统一的标准框架,限制了 Agent 应用的广泛推广与应用


演讲亮点


  • 探索最新的 Agent 应用开发范式

  • 分享 Agent 应用设计和开发过程中的关键技术考虑,以及在实际应用中的成功案例


听众收益


  • 深入理解 Agent 技术的理论基础与应用场景

  • 掌握 Agent 应用的研发流程与分发策略

  • 获得最新 Agent 应用领域的前沿知识和工具应用经验

演讲主题:AI 托管商家经营:1688 电商 AI 落地实战


1688 对接了大量的工厂类型商家,他们普遍存在供应链能力强但是线上运营能力较弱的问题,这类商家在网站上缺乏有效的方法论指导,电商经营的试错成本居高不下,导致流失率较高。如何通过 AI 技术帮助商家提升线上运营能力,从而提升商家的经营效果是一个具有挑战性的命题。本次分享将结合 1688 商家端的 AI 实战,介绍面向商家提供的 AI 智能化服务,包括咨询问答、 客户管理、 商品运营、经营计划等工作,以及业界领先的 AI 经营托管能力,并阐述相关的技术方案和踩坑经验。


演讲提纲


1. AI 应用的趋势洞察与判断


  • 产业 AI 应用观察

  • 商家 AI 产业应用深度定义和全景

  • AI 2B 市场和客户画像分析


2. 商家 AI 场景的应用实战


  • 各类 AI 技术在商家领域内的应用

  • 图文 GC:隐藏在标题、图片里的坑

  • 问答:多轮对话牵引商家行动

  • 诊断归因:业界难题,我的流量为什么跌了


3. 商家 AI 托管模式探索


  • AI 托管的几大障碍

  • 核心技术架构和关键技术点

  • AI 经营计划的版本升级

  • AgentSwarm 模式如何工作

  • 巧用营销模型让商家 AI 价值最大化


4. 未来商家域 AI 的空间和路线


实践痛点


  • 大模型当前的知识储备和推理能力依然不足,很多命题必须通过 LLM+DL+ML+ 工程方案求解

  • Agent 是个美好的概念,但是落地过程中有诸多水土不服,需要重新认识


演讲亮点


  • 业内领先的 AI 经营托管的技术,通过经营计划的一揽子方案接管商家的线上经营,并取得不错的业务结果

  • 在 RAG 应用、AI 归因分析、AgentSwarm 模式等方面有一定的探索和结果


听众收益


  • 了解商家端 AI 应用全景和阿里体系商家 AI 探索路径

  • 了解各类 AI 技术在商家端业务里的坑以及常见商家端问题的解法

  • 了解 AI 托管的模式创新、问题和解法思路


更多精彩内容将在 10 月 18 - 19 日 QCon 上海站为您现场呈现,期待与您共赴这场技术之约。如果您有好的技术实践案例想要与我们分享,欢迎点击链接提交演讲申请。


会议推荐

InfoQ 将于 10 月 18-19 日在上海举办 QCon 全球软件开发大会 ,覆盖前后端 / 算法工程师、技术管理者、创业者、投资人等泛开发者群体,内容涵盖当下热点(AI Agent、AI Infra、RAG 等)和传统经典(架构、稳定性、云原生等),侧重实操性和可借鉴性。现在大会已开始正式报名,可以享受 8 折优惠,单张门票立省 960 元(原价 4800 元),详情可联系票务经理  17310043226 咨询。



2024-08-29 17:228703

评论

发布
暂无评论
发现更多内容

五分钟搞懂MySQL主从复制原理,附带学习经验

JVM调优资料

Java 程序员 后端

Java线程安全-JVM角度解析

程序员阿杜

Java JVM 多线程 并发 8月日更

字节三面+微信四面+PayPal四面,大厂面经分享

Java 程序员 架构 面试 计算机

书单 | 7月畅销新书情报,看谁是最大黑马

博文视点Broadview

开发者进阶宝典,HarmonyOS 职业认证全奉上

科技汇

Hudi自带工具DeltaStreamer的实时入湖最佳实践

华为云开发者联盟

大数据 Hudi

为什么@Value可以获取配置中心的值?年薪超过80万!

JVM调优资料

Java 程序员 后端

中国首位 K8s ingress-nginx reviewer 同时提名成为 Apache APISIX committer

API7.ai 技术团队

开源 Kubernetes 采访 APISIX

多数元素

Memorys

Java 面试 算法

京东面试真题解析,帮你解决95%以上的问题!

JVM调优资料

Java 程序员 后端

肝到头秃!阿里爆款的顶配版Spring Security笔记

Java spring 程序员 架构 计算机

学会这十招,轻松搜索github优质项目

Java架构师迁哥

synchronized 加锁 this 和 class 的区别!

王磊

Java 并发 8月日更

中高级Java面试中你不得不会的知识点,附详细答案

JVM调优资料

Java 程序员 后端

Nginx 内存池似懂非懂?一文带你看清高性能服务器内存池

Linux服务器开发

nginx Linux服务器开发 Linux后台开发 高性能服务器 内存池

【Vue2.x 源码学习】第二十三篇 - 依赖收集 - 视图更新部分

Brave

源码 vue2 8月日更

【共识专栏】共识的分类(下)

趣链科技

区块链 共识机制 共识算法 共识分类

为什么大公司一定要使用微服务?神操作!

JVM调优资料

Java 程序员 后端

为什么spring能最好地改变Java?成功跳槽阿里!

JVM调优资料

Java 程序员 后端

Apache ShardingSphere 元数据加载剖析

SphereEx

数据库 开源

MySQL不能没有字符串函数,就像西方不能失去耶路撒冷

北游学Java

Java MySQL 数据库

是谁,在暗中观察

skow

Java 后端 Java设计模式 8月日更

中高级Java大厂高频面试题,已开源下载

JVM调优资料

Java 程序员 后端

模块九毕设

c

架构实战营

三面拼多多,一篇文章帮你解答

JVM调优资料

Java 程序员 后端

五年Java开发者小米、阿里面经,附相关架构及资料

JVM调优资料

Java 程序员 后端

CIS Kubernetes 基线测试

greatersecurity

SpringBoot使用Junit5

Rubble

springboot JUnit 8月日更

DBA:这有一份对接NBU备份故障排除指南,请查收!

华为云开发者联盟

故障 DWS 备份 NBU NetBackup

图片风格迁移:基于实例缓解细节丢失、人脸风格化失败问题

华为云开发者联盟

神经网络 风格 实例 风格迁移 图像翻译

五面阿里拿下飞猪事业部offer,帮你突破瓶颈

JVM调优资料

Java 程序员 后端

AI 浪潮下应用开发的“华山论剑” | QCon_AI&大模型_Kitty_InfoQ精选文章