Agent 时代，哪些方向正在成为行业关键变量？50 + 实战案例揭晓答案！
模型参数规模不断突破，推理成本持续下降，开源生态日益繁荣。当模型能力逐渐成为行业共识，一个新的问题开始浮现：当人人都能获得强大的模型能力之后，真正的竞争力还剩下什么？ 答案正在从模型能力本身，转向围绕模型构建可规模化的智能系统；从单点能力提升，转向系统工程与组织级落地能力。
在这一背景下，2026 年 AICon 人工智能开发与应用大会 · 深圳站正式启动。本次大会将于 8 月 21 日—22 日举办，聚焦 AI 基础设施、大模型系统、智能体工程、数据智能、多模态技术与行业落地等关键方向，邀请来自腾讯、阿里、华为、百度、蚂蚁集团等 50 + 头部科技企业技术负责人、科研机构一线专家，系统性分享前沿洞察与实战干货，共同探讨 AI 技术从能力到系统、从实验到生产的真实路径。
NoDesk AICTO 王仿已确认出席 “Harness Engineering：模型之外的智能体工程” 专题，并发表题为《从大模型到 AI 执行系统：构建企业级可控 Agent 体系》的主题分享。随着大模型能力的快速提升，越来越多企业开始尝试将 AI 引入业务流程。然而在实际落地过程中，大部分企业面临着同样的问题：模型能力很强，但业务价值难以稳定释放。数据显示，超过 80% 的企业 AI 项目停留在 PoC 或局部试点阶段，难以进入生产环境。其核心原因并非模型能力不足，而是缺少一套能够连接业务目标、企业知识、业务系统和执行流程的 Agent 执行体系。
本次分享将结合实践经验，探讨如何将“不可控的大模型”转化为“可控的 Agent 执行系统”。对此，王仿及其团队提出了一套基于 Business Translation（业务翻译）、Knowledge Engine（知识引擎）、Skill Framework（技能体系）和 Agent Runtime（执行引擎）的企业级 Agent Infra 架构，将业务目标逐层拆解为可执行任务，通过 MCP 协议连接企业 ERP、CRM、MES、OA 等系统，并引入 Human-in-the-Loop、人机协同审批、可观测 Trace、长期记忆和 SOP 约束机制，实现 Agent 的可控执行与持续优化。
分享中还将介绍在行业项目实践中，该架构帮助企业将原本需要数小时的数据分析与决策流程缩短至分钟级，运营分析效率提升 70% 以上，Agent 任务成功率提升超过 30%，显著提升了企业 AI 项目的生产化落地能力。
王仿，NoDesk AICTO，专注于企业级 AI 落地，具备“基模训练—工程实战—商业闭环”全链路能力。曾就职于智谱，从 0 到 1 搭建华东区大模型与解决方案团队，服务电商、医疗、制造等多个行业；此前在搜狗、阿里负责高并发 AI 系统建设。现创业 DeskClaw，专注于企业级 Agent Infra 与执行系统建设，帮助企业将 AI Agent 从 Demo 推向生产环境并持续创造业务价值。他在本次会议的详细演讲内容如下：
演讲提纲：
问题背景：为什么企业 Agent 难以规模化落地
行业现状：大模型能力快速提升；Agent 成为企业 AI 落地热点；大量项目停留在 PoC 阶段。
核心矛盾：模型能力增强 ≠ 业务价值提升；Demo 效果 ≠ 生产系统能力。
四大关键问题：① 知识孤岛：企业知识无法统一利用；② 系统孤岛：ERP / CRM / MES / OA 无法打通；③ Agent 不可控：幻觉 / 越权 / 执行错误 ；④ ROI 不可衡量：无法证明业务价值 。
2. 核心观点：从模型能力到执行系统
核心判断：企业需要的不是模型，而是 AI Execution System（执行系统）
能力演进路径：Chat → Copilot → Workflow → Agent → Execution System
关键变化：
从“生成内容”走向“执行任务”
从“模型中心”走向“系统中心”
3. 企业级 Agent Infra 架构设计
总体架构：Business Translation；Knowledge Engine；Skill Framework；Agent Runtime；Enterprise Systems（ERP/CRM/MES/OA）
Business Translation（业务翻译层）：
将业务目标转化为 Agent 可执行任务
Job → Task → Action 拆解机制
解决“业务语言不可执行”的问题
Knowledge Engine（知识引擎）
企业知识来源：文档 / 数据库 / 系统 / 外部数据
核心能力：Chunk / Embedding / Hybrid Search / Rerank
关键问题：知识治理而非单纯 RAG
Skill Framework（技能体系）：Tool → Skill → Workflow 抽象；解决工具碎片化问题；支撑复用、权限与治理
Agent Runtime（执行引擎）：Planning / Reasoning / Memory / Execution；多 Agent 协同机制；长任务执行与状态管理；失败恢复与重试机制
4. Agent 可控性设计：从“能用”到“可控”
Human-in-the-Loop：关键节点人工介入；风险控制与确认机制
SOP 约束机制：将企业流程固化为执行规则；限制 Agent 自由发挥空间
Trace 可观测体系：思考过程可视化；Tool 调用链路追踪；执行过程审计
Agent 治理体系：权限控制；审计机制；回滚与风控
5. 企业级 Agent 实践案例
进出口报关 Agent
业务效果：从 3 小时 → 10 分钟，效率提升 70%+
Agent 实现路径：业务翻译(业务专家负责)->skill 开发 &Agent 调度（技术专家负责）->Agent 执行（运营专家负责）
广告投放 Agent
业务效果：从半天 → 30 分钟
人和 Agent 协作路径：Agent 执行、人来拍板，行业/客户的需求变化如何快速调整运维
6. 总结与展望
核心结论：大模型决定能力上限；执行系统决定业务价值
行业趋势：从模型竞争 → 系统竞争；从工具使用 → 执行体系构建
最终观点：企业真正需要的不是一个会聊天的大模型，而是一套能够持续创造业务价值的 AI 执行系统
这样的技术在实践过程中有哪些痛点？
Agent 任务成功率难以保证企业任务往往涉及多步骤推理、多系统协同和长链路执行。随着任务长度增加，模型容易出现目标漂移、上下文遗忘和执行失败等问题，导致任务完成率快速下降。
企业知识利用率低很多企业已经建设了知识库，但实际效果并不理想。问题往往不在于 RAG 本身，而在于知识治理体系缺失，包括知识清洗、切片、标签体系和知识质量评估机制不足。
Agent 执行不可控企业无法接受“差不多正确”的结果。如何通过 SOP 约束、人机审批、权限体系、执行审计以及全链路 Trace，让 Agent 从“会思考”走向“可执行、可治理”，是落地过程中的关键挑战。
企业系统集成复杂 Agent 要真正创造价值，必须连接 ERP、CRM、MES、OA 等核心系统。权限管理、接口稳定性、异常恢复、长链路事务处理等问题远比模型推理本身更加复杂。
听众收益
对于架构师和技术负责人：
理解企业级 Agent 落地的整体架构设计
掌握 Agent Runtime 与 Agent Governance 的关键设计思路
2. 对于 Agent 工程师：
学习 Business Translation、Knowledge Engine、Skill Framework 等核心架构设计
掌握多 Agent 协同与长任务执行的实现方法
理解 Agent 可观测性与可控性建设路径
3. 对于企业数字化负责人和 CTO：
了解企业 Agent 项目为什么难以规模化落地
学习如何构建企业级 AI 执行系统
掌握衡量 Agent ROI 和业务价值的方法论
除此之外，本次大会还策划了AI Infra、推理工程与异构计算、超级个体与蜂群智能的共生进化、迈向机器人 AGI 的关键技术与产业实践、Agent 安全：从风险到可控、端侧智能与 AI 原生终端、AI Agent 高价值商业场景实战等 11 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。
大会限时早鸟票享 8 折专属优惠，现在报名立减 1160，更多详情可扫码或联系票务经理 13269078023 进行咨询。
