智能体构建与进化——Agent 开源开发者沙龙·广州站精彩回顾 & PPT 下载

简介: 近日,智能体构建与进化——Agent 开源开发者沙龙·深圳站圆满落幕。本场活动吸引了 150+ 名技术从业者深度参与,深度分享了 AgentTeams 、AgentScope 2.0 、Nacos ARD、Agent 可观测、UnifiedModel 、Vibe Chaos 等相关议题,并设置了动手实操环节。

作者:盈楹


近日,智能体构建与进化——Agent 开源开发者沙龙·深圳站圆满落幕。本场活动吸引了 150+ 名技术从业者深度参与,深度分享了 AgentTeams 、AgentScope 2.0 、Nacos ARD、Agent 可观测、UnifiedModel 、Vibe Chaos 等相关议题,并设置了动手实操环节。

image.png

关注「阿里云云原生」公众号,后台回复:0812

免费获得广州站讲师 PPT 合辑

精彩回顾

议题一:从 HiClaw 到 AgentTeams:多运行时 Worker、生产级控制面与企业协作能力升级丨姚翔(弑魔),阿里云智能云原生技术专家

AgentTeams 定位为多智能体协作与统一管理的底座,专注于解决复杂任务交付中的协作难题。它通过统一的 Team/Room/Task 语义,将人类与多种异构 Runtime(如 QwenPaw, OpenClaw)的智能体组织起来,实现分工、协作、干预和验收。其核心是基于 Matrix 的协作架构和 TeamHarness 统一协议,确保人机协同在任何时刻都可观察、可介入。AgentTeams 与 AgentScope(开发框架)等生态组件互补,共同构成从开发、运行到治理的完整链路。

议题二:使用 AgentScope 2.0 Harness 框架构建分布式、企业级智能体!丨刘军(陆龟),AgentScope Core Maintainer

AgentScope 2.0 是一个面向企业级、分布式场景的智能体开发框架。其核心是 Harness 设计,在 ReActAgent 之上封装了长期运行 Agent 必备的工程能力。包括:将智能体状态文件化的 Workspace;自动沉淀跨会话事实的双层长期记忆;确保对话不超 Token 预算的上下文压缩;遵循“思考-计划-确认-执行”流程的计划模式;以及将危险操作隔离执行的沙箱管理。通过不同配置,Harness 可快速构建个人助手、多租户平台、数据 Agent 等多种企业级应用形态。

议题三:Agent 的“资源搜索引擎”来了:Nacos 正式支持 ARD丨杨翊(席翁),Nacos Maintainer

Nacos 3.3 版本的核心是推出了 Agentic Resource Discovery (ARD),一个专为 AI 应用设计的统一资源搜索引擎。它旨在打破 Skill、MCP、Agent 等资源分散在不同市场的壁垒,通过混合关键词与向量召回技术,实现跨类型的资源发现。其架构设计确保了资源事实先落库,再异步构建索引,保证了数据的最终一致性。此外,该版本还增强了远程 Agent 发现(RAD)、单资源授权等特性,目标是逐步演进为统一的 AI 资源管理中心。

议题四:OBI:无侵入的 AI Agent 可观测丨张海彬(古琦),OpenTelemetry Maintainer

OBI (OpenTelemetry eBPF Instrumentation) 是一个无侵入的 AI Agent 可观测方案。它利用 eBPF 技术,在不修改应用代码的前提下,自动拦截并解析网络流量,生成包含 GenAI 语义(如 model、tokens、tool calls)的标准 Trace 和 Metrics。OBI 能全面覆盖裸 HTTP 调用、跨语言协程及 Sandbox 容器内调用,解决了传统 APM 在 AI 场景下的观测盲区。通过真实案例展示了其在定位 RAG 召回质量差、排查 Token 消耗异常等场景下的强大排障能力。

议题五:AI Agent 时代需要的不是更多数据,而是一个语义层丨张鑫(千乘),阿里云智能可观测技术专家,开源项目 UnifiedModel 负责人

UnifiedModel 提出为 AI Agent 构建一个“语义层”,以解决 Agent 在真实系统中因缺乏对对象和关系的理解而“盲人摸象”的问题。它通过 Set(对象)、Link(关系)、Field(字段)等统一原语,将分散的数据组织成一张 Agent 可理解的“对象图”。这套语义层提供统一的 SPL 查询语言,屏蔽底层存储差异,并支持渐进式披露和 MCP 协议,让 Agent 能动态发现并调用能力。实验证明,引入语义层能显著提升 Agent 在数据问答等任务上的准确率,是实现智能读数和根因分析等场景的关键基础设施。

议题六:Vibe Chaos:面向生产集群的 Agent 工程实践丨蒋泽林(林曜),Blade-AI Core Maintainer

Blade AI 将混沌工程从“Vibe Coding”推向“Vibe Chaos”,强调生产级 Agent 必须具备工程化的责任兜底。它通过四大机制确保生产安全:1. 代码级护栏:安全检查是确定性代码节点,不可被 LLM 跳过。2. 冻结合同:用户确认后锁定实验目标,防止 LLM 目标漂移。3. 独立恢复:恢复流程是独立状态机,确保故障被可靠清除。4. 独立验证:通过独立证据链验证故障是否生效,而非采信执行者自述。

此外,现场设置了动手实操环节,讲师详细介绍了 AgentTeams 现场部署+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

相关文章
|
2月前
|
人工智能 监控 API
凌晨2点的PR谁来回?AgentTeams 给 LoongSuite 配了个 7×24h 社区管理员
基于多智能体治理与协作平台 AgentTeams,我们为 LoongSuite 开源项目搭建了一个 7×24 运转的 AI 数字员工,三周自动审查 108 个 PR、处理 48 个 Issue,本文记录了从架构设计到踩坑经验的全过程。
404 12
|
3月前
|
人工智能 运维 安全
工单闭环从半天到 6 分钟:我们把 AI Agent 编进了组织架构
我们以云原生应用部门为试验田,用商业化产品 AgentTeams 落地一支"数字员工小分队",让它们承接日常研发、工单答疑、开源维护与运营等业务,把原本人肉串联的协作流程,做成 AI Native 的工作方式。
1236 147
|
2月前
|
存储 人工智能 Kubernetes
阿里云 AgentTeams 解读:当 Agent 开始真正在企业里干活
多 Agent 协作不只是任务并行,更是组织运转。从产品主创团队视角,聊聊 AgentTeams 在安全、协作、弹性、进化四个方向的设计思考。
1082 10
|
29天前
|
人工智能 缓存 安全
模型这么多,请求该交给谁?阿里云 AI 网关智能路由,正式上线!
模型越来越多,每次请求该交给谁?AI 网关智能路由已上线:能力够是前提,更省、更快还是更适合由你选,Agent 干活中途不换脑。
|
13天前
|
消息中间件 人工智能 RocketMQ
智能体构建与进化——Agent 开源开发者沙龙·上海站精彩回顾 & PPT 下载
近日,智能体构建与进化——Agent 开源开发者沙龙·上海站圆满落幕。本场活动吸引了 130+ 名技术从业者深度参与,深度分享了 Higress、AgentScope 2.0、RocketMQ LiteTopic、LoongSuite Pilot 、AgentTeams 等相关议题,并设置了动手实操环节。
|
1月前
|
人工智能 安全 前端开发
基于 AgentScope 构建金融级智能体底座实战
金融级 AI 原生智能体底座白皮书发布。
|
1月前
|
消息中间件 存储 人工智能
免费送 10 张三天通票!邀你共赴 ApacheCon 2026
Community Over Code 是 Apache 软件基金会(ASF)官方全球系列大会,今年,Community Over Code Asia 2026 将于 8 月 7-9 日在北京市海淀区中关村国家自主创新示范区会议中心举行,覆盖 AI、云原生、大数据、开源社区治理等热点领域。阿里云云原生应用平台团队将携手开源社区贡献者和用户们,在消息、微服务、Web 应用与框架三大领域带来 11 个议题,欢迎大家报名参加。关注阿里云云原生公众号,在本文章评论区留言回复 ASFC+你想听的议题,前 10 名参与互动的用户将获得大会三天通票一张(价值 999 元)。
|
21天前
|
缓存 开发工具 数据安全/隐私保护
Windows PowerShell 设置 HTTP 代理:系统级配置完整教程
Windows代理无“总开关”!浏览器、PowerShell、后台服务各走一套配置:WinINET(用户级)、WinHTTP(系统级)、环境变量(跨平台工具)。本文详解三者 PowerShell 配置、验证与恢复,助你精准穿透代理迷雾。
|
22天前
|
存储 人工智能 缓存
DeepSeek Harness 全景可观测实践
日志能记下发生了什么,却说不清时间和 Token 花在哪。基于开源 LoongSuite,DeepSeek Harness 有了两条 OpenTelemetry 路线:插件两分钟直发 OTLP,Pilot 统一观测多个 Agent。
|
1月前
|
人工智能 运维 安全
基于阿里云 AgentLoop 的 Skill 评估与优化最佳实践
本文介绍一套基于 AgentLoop 平台的 Skill 评估与优化最佳实践,覆盖从 Skill 创建、可观测接入、离线评估、Bad Case 分析到迭代优化的完整闭环,帮助开发者以数据驱动的方式交付高质量 Skill。