大会快讯
QCon/AICon新闻资讯
Deep Research 智能体工程化实践：从原型到生产级服务的关键挑战与解法｜QCon 北京
本次分享围绕在 Deep Research 智能体服务化过程中的实践经验
Bosch 集团首席 AI 科学家阎栋博士已确认出席 QCon 北京站，探讨 AI 大模型是否会吞噬软件世界
一日千里的 AI 进展，会在不远的将来吞噬我们所熟悉的软件世界吗？这是每个从业者都绕不开的问题。
MCP Gateway：构建下一代 AI Agent 的“中枢网关”｜QCon 北京
MCP Gateway：构建下一代 AI Agent 的“中枢网关”
AI Agent 的记忆中间件：火山 Mem0 架构拆解及落地实践｜QCon 北京
火山托管 Mem0 (Managed Mem0) 是一个为 AI Agent 和智能应用设计的专用记忆中间件。
智能体架构的降龙十八掌：从原型到工程落地的“生死取舍”｜QCon 北京
这不是一场“架构大全”的介绍，而是一份智能体工程落地的踩坑与反思记录。
构建 AI 的“第二大脑”：大规模多模态记忆平台技术实践｜QCon 北京
大模型拥有强大的思考能力，却缺乏持续、可信的记忆能力。
Agent 记忆系统在 eBay 支付风控团队的探索与实践｜QCon 北京
如何在企业团队中落地 Agent 记忆系统
通过小而具体的行动与轮换主持人，让回顾会议真正发挥作用
在 伦敦 QCon 大会上，Natan Žabkar Nordberg 提到，团队可以通过定期开展回顾会议，并将重点放在每周 1～2 个具体行动上，从而避免回顾变成单纯的“抱怨循环”。在他的演讲《打造高影响力的软件团队》中，他还指出，可以通过轮换回顾会议主持人来增强团队成员的主人翁意识，因为每个人都会带来不同的视角。对于更大的改进举措，他建议将其视为持续 4～6 周的“实验”，之后由团队投票决定是继续、调整，还是回退，从而确保团队能够真正从实践中学习并持续改进。
打造自进化的编码伙伴：Qoder 记忆系统落地实践｜QCon 北京
在软件开发日益复杂的背景下，开发者对智能体的期望已从简单的代码生成转向深度协作。
阿里中国电商事业群、飞猪 CTO 陈烨博士已确认出席 QCon 北京站，分享消费级智能体的演进
从突破通用大模型的幻觉瓶颈，到打造深谙业务约束、具备精准规划能力的垂直领域专属 Agent
OpenSandbox：重新思考 Agent 时代的 Runtime｜QCon 北京
深入解析 OpenSandbox 在高吞吐执行、细粒度网络安全控制与企业级可扩展性上的关键设计与落地经验
大模型驱动下的生成式搜推：淘宝闪购全链路重构实践｜QCon 北京
淘宝闪购业务规模快速增长，对搜索推荐系统的效率与精准度提出了更高要求。传统搜推算法在特征工程、用户理解和商品表征上已逐步触及天花板.
PingCAP 联合创始人兼 CTO 黄东旭已确认出席 QCon 北京站，分享 The Age of Autonomous Systems 自主系统的时代
Agent 并非简单的功能模块，而是一种全新的计算实体
Ztopia：基于 Milvus 与 Claude Code 打造企业版 OpenClaw｜QCon 北京
Ztopia——一个以 Milvus 向量数据库为记忆基础、以 Claude Code 为推理引擎的企业级 Agent 系统，将分散的企业数据统一纳入 Agent 的长期记忆体系
Uforwarder：优步的可扩展 Kafka 消费者代理，助力高效的事件驱动微服务
Uber 开源了 uForwarder，这是一款基于推送模式的 Kafka 消费者代理，旨在处理每日数万亿条消息与 PB 级别的数据。该系统引入了上下文感知路由、队头阻塞缓解、自适应自动重平衡以及分区级延迟处理，以提升大规模事件驱动微服务的可扩展性、工作负载隔离能力与硬件使用效率。
从 Demo 到规模落地：AIOps Agent 在复杂云原生场景下的研发范式与数据飞轮实践｜QCon 北京
打破传统研发模式，构建以统一语义层 UModel 为底座、以数据飞轮为驱动的 Agent Engineering 新范式
谷歌研究院探索多智能体协调的扩展原则
谷歌研究院通过对 180 种智能体配置进行对照评估，试图解答如何设计智能体系统以实现最优性能的问题。研究团队由此得出了他们所称的“AI 智能体系统首批定量扩展原则”，结果表明，多智能体协同并不能稳定提升效果，甚至可能降低性能。
多模态 +Agent 在培训与教育领域的应用｜QCon 北京
本次演讲将深入探讨多模态模型的快速进化推动 AI 应用场景扩充、AI 课程和 AI 陪练领域的一些应用等相关内容
去哪儿旅行研发工程师刘洋确认出席 QCon 北京，分享智能体平台如何助力运营提效 1 万 PD
本次演讲重点分享智能体平台建设过程中的落地成果与治理经验
大模型记忆系统 MemOS 2.0：StarDust 技术演进与关键挑战｜QCon 北京
大模型记忆从 1.0（外挂式检索与上下文拼装）走向 2.0（记忆原生、可调度、可演化）的技术演进路径
杀死“流水线”： ListenHub 如何构建 AI 时代的液态超级团队｜QCon 北京
ListenHub 在 AI 时代激进变革中的实战细节与踩坑经验
蚂蚁阿福：从 0 到生产的医疗 Agent 工程化落地｜QCon 北京
蚂蚁阿福是如何在从 0 到生产的医疗 Agent 工程化落地，医疗 Agent 的出现带来了什么
软件开发人员认为无需关注却可能会影响其工作的那些事
在哥本哈根 Goto 大会上，Holly Cummins 发表了主题演讲，呼吁开发人员关注那些会影响其工作却常被忽视的问题。
人工智能如何帮助我们与客户建立联系
在 Goto Copenhagen 大会上，Ken Hughes 在主题演讲“连接即一切”中说道，在软件开发中，成功意味着超额满足用户的需求
OpenAI 与 Anthropic 向新成立的 Agentic AI 基金会捐赠 AGENTS.md 及模型上下文协议
OpenAI 和 Anthropic 已经将他们的 AGENTS.md 和 Model Context Protocol 项目捐赠给了 Agentic AI 基金会（AAIF），这是在 Linux 基金会下新成立的一个定向基金。
用 AWS Transform Custom 解决技术债务
最近，亚马逊云科技发布了 AWS Transform Custom，这是 AWS Transform 内的一项功能，允许开发人员现代化和重构自定义代码。
基于昇腾 NPU 的生成式推荐 scaling law 落地实践 ｜AICon 北京
昇腾如何破解生成式推荐 scaling 与实时性的双重挑战？
AWS CodeCommit 在遭遇强烈反对后恢复全面服务
亚马逊云科技近日宣布，其托管源代码控制服务 AWS CodeCommit 重新全面开放，并且将在 2026 年初新增包括 Git 大文件存储在内的新功能。此举标志着这家云服务提供商的战略转变。
大模型在荣耀推荐和广告场景的应用实践 ｜AICon 北京
既要 Scaling laws 的模型效果，又要极致的推理性能，大模型推荐的性能困局怎么破？
亚马逊云科技推出数据库节省计划，提供高达 35% 的成本降低和引擎灵活性
亚马逊云科技最近宣布了为其数据库服务推出数据库节省计划，包括 Aurora、DynamoDB、DocumentDB 和 Neptune。
共 8073 篇内容
共 2 篇内容
共 1437 篇内容
