写点什么

AI 时代的移动端稳定性保障 —— 柯南 AI Agent 实践|QCon 上海

  • 2026-10-11
    北京
  • 本文字数:2329 字

    阅读完需:约 8 分钟

AI摘要

QCon 上海站聚焦 AI Native 时代工程落地,覆盖 AI Infra、Agent Runtime、安全可观测等九大关键技术方向,汇集百个产业级实战案例。

AI Native 架构需重构系统设计范式,非仅模型集成;Agent Runtime 是生产级智能体的核心调度与生命周期管理基座;Loop Engineering 强调人机协同闭环中反馈机制的工程化实现。

适合 AI 工程师、平台架构师、MLOps 工程师阅读。

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!

2026 年 QCon 全球软件开发大会大会 · 上海站

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。

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。

快手技术专家王泽锋已确认出席 “AI 驱动的软件工程” 专题,并发表题为《AI 时代的移动端稳定性保障 —— 柯南 AI Agent 实践》的主题分享。过去一年,AI Coding 已逐渐成为软件研发的新范式。随着代码生成能力不断提升,需求实现成本被大幅降低,研发生产节奏持续加快。然而,在真实复杂的工程环境中,研发效率的瓶颈正逐渐从“代码编写”转向“研发后链路”——包括稳定性分析、问题定位、风险治理、上线保障与经验沉淀等环节。这些工作仍然高度依赖人工,难以跟上 AI Coding 带来的研发吞吐增长,也成为 AI 深入研发流程必须解决的关键问题。

与此同时,鸿蒙生态快速发展,移动端研发正逐步进入 Android、iOS、HarmonyOS 多平台并行的新阶段。鸿蒙原生、KMP 等新技术栈在带来跨平台研发效率提升的同时,也引入了新的稳定性挑战:跨语言运行时、多技术栈协同、复杂异常现场分析等问题,使传统稳定性保障体系面临更高复杂度,也对 AI 的工程理解能力提出了更高要求。

本次分享将结合快手移动端稳定性 Agent「柯南 AI」的建设实践,分享 AI 如何从代码辅助走向研发后链路,成为能够理解工程上下文、参与稳定性治理的数字同事。内容将覆盖 Agent Workflow、Context Engineering、Agent Harness、Agent 友好型工程基建等关键实践,介绍 AI 如何自动完成异常现场聚合、证据补齐、根因分析、处置建议、自动修复及知识沉淀等完整流程,并结合鸿蒙与 KMP 等典型场景,分享 AI 在复杂工程环境下解决疑难稳定性问题的实践经验,探讨 Agent First 的稳定性研发新范式,以及 AI 驱动研发体系演进的未来方向。

王泽锋现任快手大前端稳定性方向技术专家。2023 年加入快手,先后参与 Android & 鸿蒙稳定性方向监控报警、排障工具、止损工具等多个领域的建设,目前主要聚焦探索 AI + 稳定性方向。他在本次会议的详细演讲内容如下:

演讲提纲

1. AI 时代移动端稳定性保障面临的新挑战

  • AI Coding 提升研发生产效率,但稳定性保障链路尚未同步提速

  • AI 时代研发效率瓶颈为何逐渐转向研发后链路

  • 鸿蒙原生、KMP 等新技术栈带来的稳定性新挑战

2. AI 如何重构稳定性研发流程:Agent First 工作范式

  • 快手移动端稳定性体系现状与挑战

  • 柯南 AI Agent 实践与典型案例展示

  • Agent 工程关键实践

    Workflow、LLM 与 Agent 的能力边界

    面向稳定性场景的轻量级 Agent Harness

    Agent 友好的数据服务与上下文工程

    基于可观测体系的数据飞轮建设

3. AI 驱动复杂稳定性问题治理实践

  • 鸿蒙 OOM、Freeze 等复杂问题分析实践

    Agent 驱动的异常现场聚合与 Heap Snapshot 分析

    自动分析、自动分发与治理闭环

    多技术栈协同问题治理(鸿蒙 + KMP)

  • Agent 如何整合跨语言、跨运行时上下文

    跨语言循环引用问题治理实践

    跨语言死锁问题治理实践

4. 总结与展望

  • AI 从辅助工具走向研发流程参与者

  • Agent 在稳定性领域的发展方向

  • AI 驱动研发后链路智能化的未来展望

实践痛点

  • 大模型不是稳定性领域的银弹。一方面,稳定性天然和大量内部系统紧密结合,存在大量私域知识,而移动端线上版本的高度碎片化还会带来大量历史兼容性问题。这些信息无法通过模型升级被自然习得,而且还会被持续生产。我们需要持续通过上下文工程建设给模型补齐知识(私域知识),加上“手脚”(内部系统访问能力)。另一方面,一个稳定性问题被解决的上限,取决于问题现场的信息能多大程度被采集到。端侧基建不会过时,需要持续建设。

演讲亮点

  • 实战参考价值:在快手这一亿级 DAU 和超长使用时长 App 上,在内部百级别开发者和真实线上 Top 问题的考验下取得实际提效和指标治理结果

听众收益

  • 了解 AI Agent 在研发后链路中的真实落地实践,理解如何基于日志、堆栈、源码、监控、变更等工程资产构建真正可落地的稳定性 Agent。

  • 掌握 Agent Workflow、Context Engineering、Agent Harness、Agent 友好型基础设施等关键工程方法,以及复杂研发场景中的实践经验。

  • 了解鸿蒙、KMP 等新技术栈下稳定性治理的核心挑战,以及 AI 在复杂工程问题分析、定位与治理中的应用方式。

  • 理解 AI Coding 时代研发效率瓶颈的变化趋势,探索 Agent 如何推动研发流程从代码生成走向稳定性治理、知识沉淀等全链路智能化,构建面向未来的 Agent First 研发范式。

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。

查看更多详情可扫码或联系票务经理 18514549229 进行咨询。