作者：盈楹
近日，群虾智能——AI 原生应用开源开发者沙龙·北京站圆满落幕。本场活动吸引了 110+ 名技术从业者深度参与，深度分享了HiClaw 企业规模化养虾实践、QwenPaw 智能搭档、数据答疑 Agent、Nacos 企业级 Skill 注册中心，并设置了动手实操环节。
关注「阿里云云原生」公众号，后台回复：0428
免费获得北京站讲师 PPT 合辑
精彩回顾
议题一：基于 HiClaw 实现企业级多 Agent 协作&Harness 工程最佳实践丨王泉力，HiClaw Maintainer，阿里云智能产品解决方案架构师
HiClaw 是面向企业级 AI 应用的多 Agent 协作平台，聚焦基于多 Agent 的真实落地场景。其核心采用 Manager-Team TL-Workers 架构，Manager 负责任务拆解与调度，Team Leader 协调子任务，Workers 执行具体技能。系统基于 Matrix 协议实现人与 Agent、Agent 与 Agent 之间的透明化协作，并通过现场 Demo 演示从零搭建 AI 团队的完整流程。针对企业关注的安全凭证隔离、SubAgent 协作效率和资源占用等问题，HiClaw 引入 AI 网关统一鉴权、沙箱运行环境隔离执行、以及轻量级通信机制，有效支撑多 Agent 在复杂业务中的规模化部署与治理。
议题二：QwenPaw，即刻加载你的专属智能搭档丨马志建，阿里巴巴通义实验室技术专家
QwenPaw 是基于 AgentScope-AI 生态构建的个人智能助理工作站，强调本地化、安全可控与高效交互。系统围绕小模型优化设计，集成技能市场、工具调用防护机制和长期记忆管理模块，支持多种开源或私有模型后端。用户可在本地环境中部署完整的 Agent 工作流，避免敏感数据外泄。QwenPaw 提供可视化界面与调试工具，便于开发者快速构建、测试和迭代个人 AI 助手，适用于知识管理、自动化脚本执行、日常办公辅助等场景，兼顾实用性与隐私保护。
议题三：基于 AgentScope-Java 的数据飞轮答疑 Agent 实践丨陈承，阿里云智能可观测基础平台技术专家
基于 AgentScope 的答疑 Agent 实践摒弃传统知识库，直接让 LLM 阅读源码实现“代码即知识”，避免信息滞后与维护成本。系统采用四层架构：接入层处理用户请求，Skill 层封装推理逻辑，工具层调用代码检索与执行能力，数据层提供上下文支持。通过 AgentLoop 机制，系统持续进行观测、自动评测、回归检测与策略优化，形成闭环迭代。该方案在内部技术答疑场景中显著提升准确率与响应质量，验证了以源码为唯一信源构建可信 AI 助手的可行性与工程价值。
议题四：Nacos Skill/worker Registry：企业私有化 AI 注册中心，快速搭建拉齐丨赵恒，阿里云智能中间件研发工程师
Nacos 推出企业私有化 AI 注册中心，旨在解决 Skill 与 Worker 在生产环境中面临的安全、权限、稳定性与可治理性挑战。注册中心内置安全扫描机制，支持多版本灰度发布、命名空间隔离及全链路操作审计，确保 AI 能力上线可控。Worker 被定义为包含完整工作流、配置、SOP 和依赖的可复用单元，团队可直接调用已验证模板，避免重复开发。该方案将传统微服务治理理念延伸至 AI 领域，为企业构建标准化、可追溯、高可用的 AI 资产管理体系提供基础设施支撑。
此外，现场设置了动手实操环节，讲师详细介绍了 HiClaw 现场部署方式和简单场景体验，并带领用户现场动手实操，互动交流热烈。
现场精彩瞬间
