首页 > 资讯 > 从「构建 AI」到「驾驭 AI」，如何搞定 AI 深水区的 6 个工程问题？

从「构建 AI」到「驾驭 AI」，如何搞定 AI 深水区的 6 个工程问题？

InfoQ 2026-09-11 10:03 2 阅读 查看原文
AI工程问题 AI应用 软件工程

现如今，AI 不仅会写代码、会做测试、会调用工具，甚至已经能自主完成复杂任务。

当 AI 从“回答问题的模型”演变为“能够行动的软件系统”，软件工程面对的挑战已经不再只是如何训练模型、如何部署模型、如何写 Prompt，而是如何让具备自主能力的 AI 稳定、可信、可控地运行在生产环境里。这意味着，接下来真正决定 AI 能否创造持续价值的，已经不只是如何 Build AI（构建 AI），而是 Harness AI（驾驭 AI）。

10 月 22-24 日，QCon 全球软件开发大会·2026 上海站，我们把以上一系列问题拆成了 6 个关键追问——从代码到 Agent、从系统到业务、从软件到物理世界，直面 AI 深水区的真实工程挑战。

问题一：AI 会写代码之后，软件工程要怎么重构？

Coding Agent 正从代码生成深入重构、评审、测试与交付的每一个环节。代码产出速度越来越快，但“写得更快”也让验证、质量与稳定性成为新的工程瓶颈。AI 写的代码谁来保证质量？数十万行的巨石应用怎么用 AI 安全重构？Code Review 怎么从人审变成人机协同？当代码不再稀缺，确定性底座又该怎么建？

这一次，QCon 上海站把一线实践者请到了现场。

在「Vibe Coding 时代的新质量债」专题论坛，四位一线实践者将从工具、方法、体系到完整链路，拆解这笔债该怎么还：

如果说「Vibe Coding 时代的新质量债」是纵深切入质量这一个核心命题，那么「AI 驱动的软件工程」就是把视角拉宽——从编码、审查、验证，到运维、治理、开源生态，看 AI 如何重构整条研发链路。

问题二：AI 从“会回答”到“会行动”，系统如何做到可控、可信、可协作？

当 AI 开始拥有长期记忆、自主执行、多智能体协作与持续进化能力，难点已经从“能不能完成任务”转向“怎么稳定运行、可靠协作和持续优化”。Agent 会不会偏离目标？多个 Agent 怎么可靠协作？工具调用怎么保证安全？企业数据怎么合理授权？AI 的行为怎么观测、评估与治理？

针对这一系列问题，本次大会策划了 8 个相关专题，分别从可控、可信、可协作三个维度，系统拆解生产级 Agent 如何做到跑得稳、看得见、管得住、协同好。

可控：把 Agent 关进确定性的笼子里

Agent 能自主行动是好事，但行动的边界在哪里、执行的路径能不能调控、出了问题能不能及时叫停——这些问题是 Agent 进入生产环境的第一道门槛。

  • AI Native 架构：围绕核心原语与认知控制流重构（Loop Engineering）、上下文工程与 AI 原生数据平面、智能体运行基座（Agent Harness）与外部系统交互、持久化执行（Long-horizon）与运行时治理等方向展开深度研讨，直击 AI 时代软件系统被重新设计的工程内核；

  • Loop Engineering：重点讨论生产级的 Agent、Agent 可读的代码与知识体系、工具协议与安全沙箱、轨迹级可观测性、自动化 Eval、多智能体协作与权限控制，以及基于执行反馈的 Harness 自进化；

  • Agent as a Service：重点讨论托管 Agent 服务的架构，例如手脑分离和本地 Agent 的交互；托管 Agent 服务的调度控制、状态/会话管理，底层并发控制、存储管理；安全能力，如密钥管理、沙箱隔离、文件系统隔离等话题；

  • Harness、Loop 与 Graph：Agent 产品设计的演进之路：聚焦 AI Native 产品设计，从技术演进与组织变革的双重视角，探讨 AI 时代产品形态将如何变化，以及"可用、可信、可协作"的 Agent 产品该如何被设计。

可信：让 Agent 的行为可观测、可评估、可进化

Agent 做了什么、做得对不对、出了问题谁来背锅——当 AI 从“回答问题”变成“采取行动”，可信度就成了生命线。可观测、可评估、安全可控，是 Agent 赢得信任的三块基石。

  • AI Agent 可观测与持续改进工程：探讨 Agent 可观测体系全链路构建、生产环境的 Agent 评估、Agent 自改进闭环、Agent 运行时全链路审计/安全治理、Agentic AIOps 的前沿实践等话题；

  • AI 时代的攻防重构：分享从攻击者视角和 AI 使用者安全管理者视角的不同维度安全工作，为参会者带来 AI 时代的安全思考；

  • Agent 自主进化：从记忆到持续学习：通过一线生产实践与量化评测，为构建“记得住、想得起、学得会、管得住”的 Agent 提供可落地的工程体系，推动智能体从“完成任务”走向“持续进化”。

可协作：多 Agent 协同，从单兵作战到组织级生产力

单个 Agent 再强，能做的事也有限。当多个 Agent 一起工作，怎么调度、怎么分工、怎么保证数据安全和权限可控——多智能体协作，是 Agent 从工具升级为组织级生产力的关键一跃。

  • 企业级多 Agent 架构与系统：聚焦企业级多 Agent 架构设计、协同机制与工程落地，解决多智能体调度混乱、协同低效、数据不可控、迭代困难等行业痛点，分享可复用的多 Agent 系统建设方法论，让 AI 工具升级为可管控、可自治、可规模化的组织级 AI 生产力。

问题三：AI 真正跑到规模化，底层系统怎么扛住？

AI 进入规模化生产后，瓶颈已经转向算力怎么用得更高效、训练怎么持续进化、数据怎么稳定供给、生产系统怎么可靠运行。推理成本居高不下怎么办？KV Cache 还能怎么优化？Agent 执行环境怎么支撑超大规模并发？SRE 怎么把 AI 关进确定性笼子里？

本次大会将从算子优化、强化学习、训练数据系统、Agentic Data 到 SRE 可靠性实践，拆解 AI 大规模运行背后的效率、数据与稳定性挑战。

  • AI Infra：算力效率决定规模化落地：围绕 AI Infra 全生命周期展开，从算力调度、数据治理、模型训练、推理加速、软硬协同、部署运维到持续进化七个维度，探讨算力损耗、显存浪费、数据失配等挑战的系统性应对与工程化路径；

  • Agentic 时代的数据系统重构：重点聚焦在 AI 时代，数据系统如何进行重构，具体包括数据领域的 Agent 架构设计，数据领域 Context Layer 的组织和设计，Agent Harness 工程最佳实践，Agentic 时代下数据领域的组织协作和分工等。探讨 Cowork with AI Agent 时代，数据系统的转型最佳实践。

  • 理性驾驭 AI 的 SRE 可靠性工程：重点讨论如何厘清大模型的能力边界；哪些场景适合 AI 辅助，哪些场景必须坚守确定性流程；如何搭建可靠防护护栏；AI 浪潮下 SRE 工程师们将何去何从等话题。

问题四：AI 进入核心业务，怎么从“技术可用”走向“业务有用”？

AI 真正进入各行各业的核心业务，衡量标准已经不只是“模型效果”，而是业务流程能不能跑通、效率能不能提升、价值能不能持续产生。当技术团队还在讨论模型选型、架构设计和工程化落地时，业务团队的灵魂拷问也来了：AI 到底帮我们多赚了多少钱、省了多少人、提升了多少效率？从 Demo 到生产、从工具到生产力、从技术自嗨到业务闭环——中间隔着的，不只是代码量，更是对业务场景的深度理解、对风险的精准把控、以及对价值的清晰衡量。

本次大会将从旅行、物流、客服营销到金融风控、保险后援，看 AI Agent 如何进入真实业务核心链路，完成从“技术可用”到“业务有用”的关键一跃。

在「金融 AI Native 工程实践：从研发提效到业务破局」专题论坛，来自平安人寿、XTransfer 等企业的技术专家，将聚焦工程实践——从研发底座的工具链建设，到业务场景的价值闭环，探索 AI 在金融领域从“效率工具”进化为“AI 原生生产力”的完整路径。

在「千行百业 Agent 创新实践」专题论坛，来自飞猪、阶跃星辰、网易智企、货拉拉等企业的技术专家，也将聚焦 Agent 在不同行业的创新应用与落地探索，深度拆解从技术能力到业务价值转化的完整链路，分享不同行业领先企业的前沿实践成果。

问题五：当 AI 进入组织，人才的价值坐标怎么变？

AI 写代码越来越快、做的事越来越多，但有一个问题始终绕不开：人怎么办？

当 Agent 成为团队的“数字同事”，组织的协作模式会变成什么样？传统的岗位分工、流程机制、考核体系还适用吗？当 AI 不断拉低技术实现的门槛，技术人的核心竞争力又该从哪里来？是在原有的赛道上卷得更狠，还是重新定义自己的价值坐标？

换言之，当 AI 重构了生产方式，组织本身也需要被重新“工程化”。针对以上话题，本次大会将从组织转型到个人进化，拆解 AI Native 时代的组织形态与人才路径。

「打造 AI Native 型组织」专题论坛将邀请来自不同行业、不同领域的技术专家，聚焦 AI Native 组织实践、协作机制、工程管理与人才转型，探讨企业如何在 AI 时代建立新的竞争力。

「技术人的下一站」专题论坛则会聚焦于 AI 时代下技术人的职业演进、思维重构与竞争优势建立，邀请多位在 AI 原生软件工程、技术架构演进以及组织变革中率先破局的先锋行者，为你复盘他们的“进化路径”。

问题六：AI 走出软件系统，怎么真正进入物理世界？

AI 的边界正在从云端延伸到手机、终端，并进一步走向真实世界。模型真正进入设备后，算力受限、实时响应、端云调度与规模化量产都成为新的工程挑战。而具身智能与世界模型的探索，更在重新定义 AI 与物理世界的交互方式。

对此，本次大会将从端侧模型、端云协同与终端量产实践出发，并进一步延伸至具身智能与世界模型，探索 AI 从云端走向终端、从数字系统走向物理世界的关键路径。

「端云协同与 AI Native 终端生态：从端侧模型到智能体应用」专题论坛将聚焦 AI Native 硬件与端云协同系统的真实落地，讨论端侧模型、NPU/异构计算、端云联合推理、OS Agent、多模态感知、以及跨设备智能体体验如何从 Demo 走向量产。

「数据驱动的具身智能：迈向规模化之路」专题论坛将以数据闭环为核心底座、产业落地为最终目标，围绕具身数据体系、数据驱动模型革新、通用物理智能落地三大核心内容展开，主要探讨真机数据高效积累与建模、机器人通用大脑等关键方向，推动物理智能从实验室技术走向规模化商用。

以上这六个问题，没有标准答案，但有现场的真实实践。

20 个专题、近百场深度分享、3 天沉浸式交流——10 月 22-24 日，上海 QCon，我们一起直面 AI 深水区的真实考题。

点击链接查看完整日程并立即报名：https://qcon.infoq.cn/2026/shanghai/schedule

相关推荐