当前，以 Agent 为核心的新一轮技术浪潮正在席卷产业。那么，世界模型的下一个突破在哪？Agent 从 Demo 到工程化还差什么？研发体系不重构，还能撑多久？
6 月 26 日-6 月 27 日，AICon全球人工智能开发与应用大会将在上海举办。本次大会将围绕以上问题，邀请来自腾讯、阿里、快手、华为、飞猪等 50+头部企业的技术负责人、高校与科研机构的一线专家，分享 Agent 在真实生产环境中的落地经验与前瞻思考。深入探讨 Agent 从原型到量产的工程挑战、数据与记忆的基础设施底座、安全可信的落地保障，以及大模型推理优化、智算架构升级等关键命题。
美图高级算法工程师周劲飞确认出席 “Agent 系统架构与工程化实践” 专题，发表题为《Roboneo：设计生产场景下多智能体编排工程实践》的主题分享。随着大模型能力的持续突破，AI Agent 正在重塑内容生产的工作范式。设计生产场景天然具备高度复杂性——多工具协作、意图模糊、流程长链路——这让它成为验证 Agent 工程能力的绝佳试验场。Roboneo 正是在这一背景下诞生：面向真实的设计生产需求，让用户只需表达想法，Agent 即可自动完成从意图理解到图像处理的全流程修图任务。本次分享将结合 Roboneo 从 0 到 1 的建设历程，系统梳理面向设计生产场景的 Agent 能力编排工程实践，涵盖业务背景、核心挑战、架构设计与演进路径，以及落地过程中的真实踩坑经验。详细演讲内容如下：
演讲提纲：
背景与场景
设计生产场景的现状与痛点：工具碎片化、流程重、专业门槛高
Agent 范式的机会：从"工具调用者"到"需求表达者"的用户跃迁
Roboneo 的目标定义：用户只需有需求，Agent 完成修图全流程
面临的困难与挑战
业务层挑战
设计意图天然模糊：用户描述的"好看一点"背后可能对应数十种操作组合
设计场景的长尾性：修图需求种类繁多，边界难以穷举
用户期望与模型输出之间的对齐难题
技术层挑战
多工具、多步骤的可靠编排：单步失败如何降级与恢复
工具调用的延迟与稳定性：设计生产场景对响应质量敏感
Agent 决策的可解释性与可调试性
Roboneo 的设计与落地
用户意图理解：从自然语言到结构化设计指令的转化机制
多 Agent 架构：规划 Agent、执行 Agent、校验 Agent 的分工与协作
MCP 工具集设计：面向修图场景的工具抽象、注册与动态调用
能力编排的演变：从线性流水线到动态 DAG，随业务复杂度持续演进的编排策略
总结与展望
核心经验沉淀：哪些设计决策真正决定了系统上限
已知边界与改进方向
从设计生产走向更广泛创意生产场景的想象空间
听众收益：
理解面向垂直生产场景构建 Agent 系统的完整方法论
掌握多 Agent 协作架构与 MCP 工具链的工程设计要点
获取从 0 到 1 落地 Agent 系统的一手踩坑经验与演进思路
除此之外，本次大会还策划了端侧 AI、物理与数字空间智能化、世界模型与多模态智能突破、Agent 架构与工程化实践、Agent 安全与可信治理、企业级研发体系重构、AI 原生数据工程、AI 时代的个人提效与组织变革等 14 个专题论坛，届时将有来自不同行业、不同领域、不同企业的 50+资深专家在现场带来前沿技术洞察和一线实践经验。
更多详情可扫码或联系票务经理 13269078023 进行咨询。
