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。
快手 AgenticOps 研发负责人吴垚已确认出席 “AI Agent 可观测与持续改进工程” 专题，并发表题为《从接住告警到自我进化：快手智能运维助手实践》的主题分享。运维的数据早就齐了——指标、日志、Trace、变更、CMDB 都在线上，但一个告警落地后，人仍要跨多个平台拼上下文、做初判、推处置。瓶颈不在工具覆盖度，在事件处理链路没被系统串起来。他们没有把工具都挂到一个问答框里，而是把运维事件做成一等公民：告警、巡检、变更、应急触发后，先由确定性 pipeline 完成上下文预取，再交给 Agent 做归因推理与方案生成，并且在上下文中持续更新运维事件的状态。但跑通一次只是起点。运维场景的长期难题是经验只沉淀在个别人身上、同类误判反复出现。所以他们把改进助手本身也做成闭环：从事件处理过程中提取运维经验，在同类事件中召回复用，用线上反馈驱动迭代，并配套可回归、可回滚的验证机制。体系已在公司多条核心业务线的大盘巡检、告警初判、应急定位场景落地。本次分享会讲清这套运维事件驱动的 Agent 架构，以及如何让运维 Agent 能持续进化。
吴垚，快手 AgenticOps 研发负责人，高级技术专家。有丰富的可观测、高可用领域经验，近些年切入 AgenticOps，主导了快手运维 Agent--智能运维助手从 0 到 1 的建设，并探索落地了快手运维 Agent 的自进化体系，让公司运维模式从人驱动转向 Agent 驱动。他在本次会议的详细演讲内容如下：
演讲提纲：
1. 为什么工具都齐了，运维还是这么累
一个告警到闭环要走十来步，真正耗时的不是决策，而是前面重复的信息查询和上下文拼接
DevOps 解决交付协同，AIOps 解决发现异常，但还没有理解事件的处理流程
一个判断：Agentic AIOps 的第一个技术问题不是选模型，是上下文从哪来
2. 事件驱动而非对话驱动：运维助手的架构内核
为什么不做运维版 ChatGPT：对话入口只服务"我主动问"，而运维的高价值场景是事件自己找上门
运维事件与上下文的交互机制
3. 领域经验怎么进助手：Skill 与记忆的双层沉淀
Skill 承载流程，记忆承载结论，两者的边界与各自的适用场景
关键设计是作用域绑定团队而非个人
4. 运维助手的自进化
自进化的切入点：运维经验
运维经验的提取、召回与迭代
怎么验证效果：运维助手的评测能力
5. 总结与展望
快手 AgenticOps 的实现路径和效果总结
下一步：处置边界继续扩大，让助手从辅助判断走向风险可控的自主处置
实践痛点：
上下文该放什么，运维事件可关联的信息几乎没有边界，放多了撑爆上下文、稀释注意力，真正的证据被淹没；放少了缺失关键信息，归因直接跑偏。
人工沉淀下来的知识会劣化，业务写好的 Skill 和知识，随着时间推移和架构演进逐渐不再适配，助手会稳定地按过时的步骤做错事——怎么防劣化，甚至让它自己持续优化。
运维 Agent 怎么评测。 只看准确率、时延或关键步骤达成率都不足以判断一次改进的好坏，而运维依赖的时序数据会过期，昨天的告警今天已经回放不出当时的现场。
演讲前沿亮点：
以运维事件为一等公民而非以对话为入口，配合确定性上下文预取，让运维模式由"人决定查什么"变成"系统先跑一遍、人做确认"。
自进化的对象是结构化的运维经验而非模型权重，反馈只回流到可 diff、可审计、可单独回滚的经验资产上，因此"助手为什么变好了"和"这次为什么变坏了"都能追溯到具体某次变更——这是低容错场景做自进化的前提。
听众收益：
一套 Agentic Ops 的完整落地架构：事件模型、上下文预取、经验沉淀与自进化闭环，以及每个环节的取舍依据。
一条不依赖模型微调的 Agent 自进化路径：运维经验怎么提取、怎么召回、怎么迭代、怎么验证效果。
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。
