演讲嘉宾张铂上海人工智能实验室青年科学家、智能体中心负责人所属大会2026 奇点智能技术大会 · 北京对奇点智能大会2026的完整技术议题感兴趣可前往奇点大会官方渠道免费获取PPT详细资料一、引言智能体研究的工程化拐点2024-2025 年大语言模型驱动的智能体Agent技术经历了从概念验证到工程落地的关键转折。然而通用智能体与垂直领域 Agent 之间存在巨大的工程鸿沟——前者在开放场景中表现惊艳但不可靠后者在封闭场景中可靠但泛化能力有限。如何 bridging this gap是当前智能体研究的核心挑战。上海人工智能实验室Shanghai AI Laboratory作为国内顶尖的人工智能研究机构其智能体中心在通用智能体架构和垂直领域落地方面取得了重要进展。中心负责人张铂将出席本次大会分享智能体工程化的系统方法论。二、通用智能体的架构设计2.1 智能体的核心能力模型张铂团队将智能体的能力分解为五个核心维度┌─────────────────────────────────────────┐ │ 感知Perception │ │ 能力多模态输入理解、环境状态表征 │ │ 技术视觉编码器、音频处理、传感器融合 │ ├─────────────────────────────────────────┤ │ 记忆Memory │ │ 能力短期上下文、长期知识、 episodic 记忆 │ │ 技术向量数据库、知识图谱、记忆压缩 │ ├─────────────────────────────────────────┤ │ 推理Reasoning │ │ 能力逻辑推理、规划、决策、反思 │ │ 技术Chain-of-Thought、Tree Search、RL │ ├─────────────────────────────────────────┤ │ 行动Action │ │ 能力工具使用、API 调用、物理操作 │ │ 技术Function Calling、代码执行、机器人控制 │ ├─────────────────────────────────────────┤ │ 学习Learning │ │ 能力从反馈学习、迁移学习、持续适应 │ │ 技术RLHF、在线学习、元学习 │ └─────────────────────────────────────────┘2.2 智能体操作系统Agent OS上海 AI 实验室提出了智能体操作系统的概念将智能体视为一个可编程的计算实体classAgentOS:def__init__(self):self.kernelAgentKernel()# 核心调度器self.memory_managerMemoryManager()# 内存管理self.tool_registryToolRegistry()# 工具注册表self.sandboxSecureSandbox()# 安全沙箱self.monitorAgentMonitor()# 监控模块defexecute_task(self,task_spec):执行用户任务# 1. 任务解析parsed_taskself.kernel.parse_task(task_spec)# 2. 规划生成planself.kernel.generate_plan(taskparsed_task,available_toolsself.tool_registry.list_tools(),memoryself.memory_manager.retrieve_relevant(parsed_task))# 3. 计划执行forstepinplan.steps:# 安全检查ifnotself.sandbox.is_safe(step):raiseSecurityException(fUnsafe step:{step})# 执行步骤resultself.execute_step(step)# 记忆更新self.memory_manager.store(step,result)# 监控记录self.monitor.record(step,result)# 4. 结果汇总returnself.kernel.synthesize_results(plan)2.3 多智能体协作框架复杂任务往往需要多个智能体协作完成。上海 AI 实验室设计了多智能体协作协议MACPclassMultiAgentFramework:def__init__(self):self.agents{}# 注册的智能体self.communication_busMessageBus()# 通信总线self.orchestratorOrchestrator()# 编排器defregister_agent(self,agent_id,agent_config):注册智能体agentAgentFactory.create(agent_config)self.agents[agent_id]agent self.communication_bus.subscribe(agent_id,agent.inbox)defexecute_collaborative_task(self,task,agent_roles):执行协作任务# 1. 角色分配assignmentsself.orchestrator.assign_roles(task,agent_roles)# 2. 协作执行forroundinrange(self.max_rounds):# 各智能体并行处理messages{}foragent_id,subtaskinassignments.items():agentself.agents[agent_id]responseagent.process(subtask,self.communication_bus)messages[agent_id]response# 检查是否达成共识ifself.orchestrator.is_consensus_reached(messages):break# 更新任务分配assignmentsself.orchestrator.reassign(task,messages)# 3. 结果整合returnself.orchestrator.synthesize(messages)三、从通用到垂直领域适配方法论3.1 垂直领域 Agent 的构建流程张铂团队总结出五阶段构建法阶段目标关键活动产出领域分析理解领域知识和工作流专家访谈、流程梳理领域模型能力映射确定 Agent 需要的能力任务分解、能力评估能力矩阵工具开发构建领域专用工具API 封装、数据连接器工具库模型适配优化模型在领域的表现微调、RAG、提示优化领域模型评估迭代持续优化 Agent 性能基准测试、用户反馈性能报告3.2 领域知识注入垂直领域 Agent 的核心竞争力在于领域知识的深度整合classDomainKnowledgeInjector:def__init__(self,domain):self.domaindomain self.knowledge_graphself.load_knowledge_graph()self.ontologyself.load_domain_ontology()self.case_baseself.load_case_base()defenrich_prompt(self,base_prompt,task_context):为提示注入领域知识# 1. 检索相关知识relevant_knowledgeself.knowledge_graph.query(entitiestask_context.entities,relationstask_context.relations)# 2. 检索相似案例similar_casesself.case_base.retrieve(querytask_context,top_k3)# 3. 构建增强提示enrichedf{base_prompt}## 领域知识{self.format_knowledge(relevant_knowledge)}## 参考案例{self.format_cases(similar_cases)}## 领域约束{self.ontology.get_constraints(task_context.task_type)}returnenriched3.3 领域评估基准通用智能体评估基准如 GAIA、WebArena不足以评估垂直领域 Agent。上海 AI 实验室构建了领域专用评估框架评估维度指标测量方法任务完成率成功完成任务的比率自动化测试准确性输出结果的正确性专家标注效率完成任务所需的步骤/时间日志分析安全性避免错误操作的能力对抗测试可解释性决策过程的可理解性用户调研四、工程化实践从实验室到生产4.1 智能体服务的架构模式┌─────────────────────────────────────────┐ │ 接入层API Gateway 负载均衡 │ ├─────────────────────────────────────────┤ │ 编排层任务分解、智能体调度、结果聚合 │ ├─────────────────────────────────────────┤ │ 智能体层多个垂直领域智能体实例 │ ├─────────────────────────────────────────┤ │ 工具层外部 API、数据库、文件系统 │ ├─────────────────────────────────────────┤ │ 模型层LLM 推理服务、Embedding 服务 │ ├─────────────────────────────────────────┤ │ 数据层向量数据库、知识图谱、日志存储 │ └─────────────────────────────────────────┘4.2 关键工程挑战挑战一长程任务稳定性复杂任务可能涉及数十个步骤任何一步出错都会导致任务失败。解决方案classRobustTaskExecutor:def__init__(self):self.error_recoveryErrorRecoveryModule()self.checkpoint_managerCheckpointManager()asyncdefexecute_with_recovery(self,plan):带错误恢复的任务执行fori,stepinenumerate(plan.steps):# 保存检查点self.checkpoint_manager.save(i,state)try:resultawaitself.execute_step(step)exceptExecutionErrorase:# 尝试恢复recoveryself.error_recovery.handle(e,step)ifrecovery.can_recover:resultawaitrecovery.execute()else:# 回滚到上一个检查点stateself.checkpoint_manager.load(i-1)# 重新规划planself.replan(state,e)returnawaitself.execute_with_recovery(plan)stateself.update_state(state,result)returnstate挑战二成本控制智能体的推理成本可能很高。优化策略策略效果实现复杂度模型分级简单任务用小模型低缓存复用缓存相似查询结果中并行执行独立步骤并行处理中提前终止达到目标后停止低结果复用复用历史任务结果高挑战三安全与可控智能体具有自主行动能力安全风险更高classAgentSafetyGuard:def__init__(self):self.permission_systemPermissionSystem()self.action_filterActionFilter()self.human_in_the_loopHumanApprovalSystem()defcheck_action(self,action,context):检查动作是否安全# 1. 权限检查ifnotself.permission_system.is_allowed(context.user,action):returnActionResult.denied(Permission denied)# 2. 风险分类risk_levelself.assess_risk(action)# 3. 分级处理ifrisk_levellow:returnActionResult.approved()elifrisk_levelmedium:returnActionResult.approved_with_logging()elifrisk_levelhigh:returnself.human_in_the_loop.request_approval(action)else:# criticalreturnActionResult.denied(Action too risky)五、应用场景与产业落地5.1 科学研究智能体上海 AI 实验室在科学研究领域进行了智能体落地探索文献综述 Agent自动检索、阅读、总结相关文献实验设计 Agent基于研究目标设计实验方案数据分析 Agent自动执行统计分析、生成图表论文写作 Agent辅助撰写论文各部分5.2 金融分析智能体财报分析 Agent自动读取财报、提取关键指标、生成分析风险评估 Agent监控市场数据、识别风险信号合规审查 Agent检查交易合规性、生成合规报告5.3 医疗辅助智能体病历整理 Agent结构化病历信息、提取关键信息用药审查 Agent检查药物相互作用、过敏风险随访管理 Agent自动生成随访计划、提醒患者六、未来方向通用人工智能的路径张铂认为智能体技术是通向通用人工智能AGI的重要路径能力扩展从文本到多模态从单任务到多任务自主学习减少对人工标注的依赖实现自主探索和学习协作进化多智能体系统的涌现智能价值对齐确保智能体行为符合人类价值观七、总结张铂的分享将展示智能体技术从通用架构到垂直落地的完整路径。在 AI 技术快速迭代的今天工程化能力将成为智能体技术落地的关键竞争力。2026 年 11 月奇点智能技术大会与张铂一起探索智能体的工程化未来。大会信息2026 奇点智能技术大会 C 及系统软件技术大会时间2026 年 11 月 20-21 日地点中国·北京万达文华酒店参会报名地址https://boolan.com/enroll/c1051/event/1162?channelseo立即报名了解智能体工程化的前沿实践 26年奇点智能大会张铂:上海AI实验室智能体中心——从通用智能体到垂直领域Agent的工程化路径
演讲嘉宾张铂上海人工智能实验室青年科学家、智能体中心负责人所属大会2026 奇点智能技术大会 · 北京对奇点智能大会2026的完整技术议题感兴趣可前往奇点大会官方渠道免费获取PPT详细资料一、引言智能体研究的工程化拐点2024-2025 年大语言模型驱动的智能体Agent技术经历了从概念验证到工程落地的关键转折。然而通用智能体与垂直领域 Agent 之间存在巨大的工程鸿沟——前者在开放场景中表现惊艳但不可靠后者在封闭场景中可靠但泛化能力有限。如何 bridging this gap是当前智能体研究的核心挑战。上海人工智能实验室Shanghai AI Laboratory作为国内顶尖的人工智能研究机构其智能体中心在通用智能体架构和垂直领域落地方面取得了重要进展。中心负责人张铂将出席本次大会分享智能体工程化的系统方法论。二、通用智能体的架构设计2.1 智能体的核心能力模型张铂团队将智能体的能力分解为五个核心维度┌─────────────────────────────────────────┐ │ 感知Perception │ │ 能力多模态输入理解、环境状态表征 │ │ 技术视觉编码器、音频处理、传感器融合 │ ├─────────────────────────────────────────┤ │ 记忆Memory │ │ 能力短期上下文、长期知识、 episodic 记忆 │ │ 技术向量数据库、知识图谱、记忆压缩 │ ├─────────────────────────────────────────┤ │ 推理Reasoning │ │ 能力逻辑推理、规划、决策、反思 │ │ 技术Chain-of-Thought、Tree Search、RL │ ├─────────────────────────────────────────┤ │ 行动Action │ │ 能力工具使用、API 调用、物理操作 │ │ 技术Function Calling、代码执行、机器人控制 │ ├─────────────────────────────────────────┤ │ 学习Learning │ │ 能力从反馈学习、迁移学习、持续适应 │ │ 技术RLHF、在线学习、元学习 │ └─────────────────────────────────────────┘2.2 智能体操作系统Agent OS上海 AI 实验室提出了智能体操作系统的概念将智能体视为一个可编程的计算实体classAgentOS:def__init__(self):self.kernelAgentKernel()# 核心调度器self.memory_managerMemoryManager()# 内存管理self.tool_registryToolRegistry()# 工具注册表self.sandboxSecureSandbox()# 安全沙箱self.monitorAgentMonitor()# 监控模块defexecute_task(self,task_spec):执行用户任务# 1. 任务解析parsed_taskself.kernel.parse_task(task_spec)# 2. 规划生成planself.kernel.generate_plan(taskparsed_task,available_toolsself.tool_registry.list_tools(),memoryself.memory_manager.retrieve_relevant(parsed_task))# 3. 计划执行forstepinplan.steps:# 安全检查ifnotself.sandbox.is_safe(step):raiseSecurityException(fUnsafe step:{step})# 执行步骤resultself.execute_step(step)# 记忆更新self.memory_manager.store(step,result)# 监控记录self.monitor.record(step,result)# 4. 结果汇总returnself.kernel.synthesize_results(plan)2.3 多智能体协作框架复杂任务往往需要多个智能体协作完成。上海 AI 实验室设计了多智能体协作协议MACPclassMultiAgentFramework:def__init__(self):self.agents{}# 注册的智能体self.communication_busMessageBus()# 通信总线self.orchestratorOrchestrator()# 编排器defregister_agent(self,agent_id,agent_config):注册智能体agentAgentFactory.create(agent_config)self.agents[agent_id]agent self.communication_bus.subscribe(agent_id,agent.inbox)defexecute_collaborative_task(self,task,agent_roles):执行协作任务# 1. 角色分配assignmentsself.orchestrator.assign_roles(task,agent_roles)# 2. 协作执行forroundinrange(self.max_rounds):# 各智能体并行处理messages{}foragent_id,subtaskinassignments.items():agentself.agents[agent_id]responseagent.process(subtask,self.communication_bus)messages[agent_id]response# 检查是否达成共识ifself.orchestrator.is_consensus_reached(messages):break# 更新任务分配assignmentsself.orchestrator.reassign(task,messages)# 3. 结果整合returnself.orchestrator.synthesize(messages)三、从通用到垂直领域适配方法论3.1 垂直领域 Agent 的构建流程张铂团队总结出五阶段构建法阶段目标关键活动产出领域分析理解领域知识和工作流专家访谈、流程梳理领域模型能力映射确定 Agent 需要的能力任务分解、能力评估能力矩阵工具开发构建领域专用工具API 封装、数据连接器工具库模型适配优化模型在领域的表现微调、RAG、提示优化领域模型评估迭代持续优化 Agent 性能基准测试、用户反馈性能报告3.2 领域知识注入垂直领域 Agent 的核心竞争力在于领域知识的深度整合classDomainKnowledgeInjector:def__init__(self,domain):self.domaindomain self.knowledge_graphself.load_knowledge_graph()self.ontologyself.load_domain_ontology()self.case_baseself.load_case_base()defenrich_prompt(self,base_prompt,task_context):为提示注入领域知识# 1. 检索相关知识relevant_knowledgeself.knowledge_graph.query(entitiestask_context.entities,relationstask_context.relations)# 2. 检索相似案例similar_casesself.case_base.retrieve(querytask_context,top_k3)# 3. 构建增强提示enrichedf{base_prompt}## 领域知识{self.format_knowledge(relevant_knowledge)}## 参考案例{self.format_cases(similar_cases)}## 领域约束{self.ontology.get_constraints(task_context.task_type)}returnenriched3.3 领域评估基准通用智能体评估基准如 GAIA、WebArena不足以评估垂直领域 Agent。上海 AI 实验室构建了领域专用评估框架评估维度指标测量方法任务完成率成功完成任务的比率自动化测试准确性输出结果的正确性专家标注效率完成任务所需的步骤/时间日志分析安全性避免错误操作的能力对抗测试可解释性决策过程的可理解性用户调研四、工程化实践从实验室到生产4.1 智能体服务的架构模式┌─────────────────────────────────────────┐ │ 接入层API Gateway 负载均衡 │ ├─────────────────────────────────────────┤ │ 编排层任务分解、智能体调度、结果聚合 │ ├─────────────────────────────────────────┤ │ 智能体层多个垂直领域智能体实例 │ ├─────────────────────────────────────────┤ │ 工具层外部 API、数据库、文件系统 │ ├─────────────────────────────────────────┤ │ 模型层LLM 推理服务、Embedding 服务 │ ├─────────────────────────────────────────┤ │ 数据层向量数据库、知识图谱、日志存储 │ └─────────────────────────────────────────┘4.2 关键工程挑战挑战一长程任务稳定性复杂任务可能涉及数十个步骤任何一步出错都会导致任务失败。解决方案classRobustTaskExecutor:def__init__(self):self.error_recoveryErrorRecoveryModule()self.checkpoint_managerCheckpointManager()asyncdefexecute_with_recovery(self,plan):带错误恢复的任务执行fori,stepinenumerate(plan.steps):# 保存检查点self.checkpoint_manager.save(i,state)try:resultawaitself.execute_step(step)exceptExecutionErrorase:# 尝试恢复recoveryself.error_recovery.handle(e,step)ifrecovery.can_recover:resultawaitrecovery.execute()else:# 回滚到上一个检查点stateself.checkpoint_manager.load(i-1)# 重新规划planself.replan(state,e)returnawaitself.execute_with_recovery(plan)stateself.update_state(state,result)returnstate挑战二成本控制智能体的推理成本可能很高。优化策略策略效果实现复杂度模型分级简单任务用小模型低缓存复用缓存相似查询结果中并行执行独立步骤并行处理中提前终止达到目标后停止低结果复用复用历史任务结果高挑战三安全与可控智能体具有自主行动能力安全风险更高classAgentSafetyGuard:def__init__(self):self.permission_systemPermissionSystem()self.action_filterActionFilter()self.human_in_the_loopHumanApprovalSystem()defcheck_action(self,action,context):检查动作是否安全# 1. 权限检查ifnotself.permission_system.is_allowed(context.user,action):returnActionResult.denied(Permission denied)# 2. 风险分类risk_levelself.assess_risk(action)# 3. 分级处理ifrisk_levellow:returnActionResult.approved()elifrisk_levelmedium:returnActionResult.approved_with_logging()elifrisk_levelhigh:returnself.human_in_the_loop.request_approval(action)else:# criticalreturnActionResult.denied(Action too risky)五、应用场景与产业落地5.1 科学研究智能体上海 AI 实验室在科学研究领域进行了智能体落地探索文献综述 Agent自动检索、阅读、总结相关文献实验设计 Agent基于研究目标设计实验方案数据分析 Agent自动执行统计分析、生成图表论文写作 Agent辅助撰写论文各部分5.2 金融分析智能体财报分析 Agent自动读取财报、提取关键指标、生成分析风险评估 Agent监控市场数据、识别风险信号合规审查 Agent检查交易合规性、生成合规报告5.3 医疗辅助智能体病历整理 Agent结构化病历信息、提取关键信息用药审查 Agent检查药物相互作用、过敏风险随访管理 Agent自动生成随访计划、提醒患者六、未来方向通用人工智能的路径张铂认为智能体技术是通向通用人工智能AGI的重要路径能力扩展从文本到多模态从单任务到多任务自主学习减少对人工标注的依赖实现自主探索和学习协作进化多智能体系统的涌现智能价值对齐确保智能体行为符合人类价值观七、总结张铂的分享将展示智能体技术从通用架构到垂直落地的完整路径。在 AI 技术快速迭代的今天工程化能力将成为智能体技术落地的关键竞争力。2026 年 11 月奇点智能技术大会与张铂一起探索智能体的工程化未来。大会信息2026 奇点智能技术大会 C 及系统软件技术大会时间2026 年 11 月 20-21 日地点中国·北京万达文华酒店参会报名地址https://boolan.com/enroll/c1051/event/1162?channelseo立即报名了解智能体工程化的前沿实践