茹炳晟
复旦大学CodeWisdom团队首席技术专家 腾讯研究院特约研究员
中国计算机学会(CCF)TF研发效能SIG主席，“软件研发效能度量规范“标准核心编写专家，中国商业联合会互联网应用技术委员会智库专家，中国通信标准化协会TC608云计算标准和开源推进委员会云上软件工程工作组副组长，腾讯云架构师技术同盟入会主席，年度IT图书最具影响力作者，多本技术畅销书作者，著作有《软件研发效能提升之美》《现代软件测试技术之美》《测试工程师全栈技术进阶与实践》《多模态大模型技术原理与实战》《高效自动化测试平台:设计与开发实战》《软件研发效能提升实践》《软件研发效能权威指南》《现代软件测试技术权威指南》《高质效交付》《代码之外：软件工程师成长手记》等，译作有《软件设计的哲学》《整洁架构之道》《持续架构实践》《构建Agentic AI系统》《大模型驱动的软件测试：从理论到实践》《平台工程》《企业架构决策：战略框架与实施指南》《AI领导力》《现代软件工程》《计算机科学通识：计算思维培养与多学科问题解决实践》《DevOps实践指南（第2版）》《精益DevOps》《基础设施即代码-模型驱动的DevOps》等，国内外各大技术峰会的联席主席，出品人和Keynote演讲嘉宾。公众号“茹炳晟聊软件研发”主理人。
待定
待定
别让AI Coding“看起来很美”
——从评测到落地，填坑与新架构的实战之路
内容大纲：
1. 从评测视角看AI Coding的“真”能力
2. 从企业工程落地视角看AI Coding的“真”需求
3. “真”能力和“真”需求之间的“坑”
4. “填坑”必修课：AI时代软件新形态
5. 大型复杂软件AI Coding的机会点与坑点
6. “即兴软件”AI Coding的机会点与坑点
7. AI Native软件的“新三层”架构与AI Coding的机会点
1. 从评测视角看AI Coding的“真”能力
2. 从企业工程落地视角看AI Coding的“真”需求
3. “真”能力和“真”需求之间的“坑”
4. “填坑”必修课：AI时代软件新形态
5. 大型复杂软件AI Coding的机会点与坑点
6. “即兴软件”AI Coding的机会点与坑点
7. AI Native软件的“新三层”架构与AI Coding的机会点
Antonio Gulli
Google CTO 办公室工程总监
Antonio Gulli 是谷歌云资深工程总监、杰出工程师，也是多本深度学习与技术著作的作者。他是欧洲云原生与分布式系统领域的技术领袖，在机器学习、云计算和搜索引擎等方面拥有丰富经验，2025 至 2026 年发布了开源新书《智能体设计模式》。
待定
待定
Agentic Design Patterns
Abstract: The leap from raw reasoning engines to production-ready autonomous systems requires a fundamental shift in software engineering. While LLMs provide the "brain," Agentic Design Patterns provide the skeletal structure necessary for reliability, scalability, and safety. Based on a body of work that has garnered over 1.4 million views on LinkedIn—with all proceeds from the resulting book dedicated to charity—this session codifies the twenty essential patterns required to move beyond simple chat interfaces. We will explore the mechanics of:
Reliable Workflows: Prompt Chaining and Iterative Reflection.
Dynamic Execution: Tool Use, Planning, and Multi-Agent Orchestration.
Framework Integration: Practical implementation using LangChain, CrewAI, and beyond.
The presentation moves past the technical toolkit to advocate for "Compassionate Autonomy," a design philosophy centered on building AI with purpose and human-centric responsibility. We conclude by tackling the "frontier friction"—the critical research gaps that currently hinder mass deployment. We will analyze the mechanics of Cascading Reliability Failure, the necessity of Dynamic Guardrails, and the challenge of Autonomy Calibration. Attendees will walk away with a rigorous, pattern-driven roadmap for architecting the next generation of dependable AI agents.
Reliable Workflows: Prompt Chaining and Iterative Reflection.
Dynamic Execution: Tool Use, Planning, and Multi-Agent Orchestration.
Framework Integration: Practical implementation using LangChain, CrewAI, and beyond.
The presentation moves past the technical toolkit to advocate for "Compassionate Autonomy," a design philosophy centered on building AI with purpose and human-centric responsibility. We conclude by tackling the "frontier friction"—the critical research gaps that currently hinder mass deployment. We will analyze the mechanics of Cascading Reliability Failure, the necessity of Dynamic Guardrails, and the challenge of Autonomy Calibration. Attendees will walk away with a rigorous, pattern-driven roadmap for architecting the next generation of dependable AI agents.
从原始推理引擎迈向可落地投产的自主智能系统，软件工程层面需要一次根本性变革。大语言模型（LLM）为智能体赋予 “大脑”，而智能体设计模式则为系统搭建起保障可靠性、可扩展性与安全性的核心骨架。课程系统梳理了突破简易对话交互、构建高阶智能体必备的 20 种核心设计模式，将深入拆解三大核心技术体系的底层原理：
可靠工作流：提示词链式调用、迭代自省机制
动态执行能力：工具调用、任务规划、多智能体协同编排
框架工程落地：基于 LangChain、CrewAI 等主流框架的实战落地方法
本次分享不止局限于技术工具讲解，更倡导人文向善自主智能设计理念 —— 以使命价值为内核、以人本责任为准则构建人工智能。
最后，课程将直面阻碍 AI 智能体大规模落地的前沿瓶颈难题：深度剖析级联可靠性失效的内在机理、动态安全防护围栏的刚需价值，以及自主权限校准的行业挑战。参会者将收获一套严谨完备、以设计模式为驱动的路线图，用于架构打造下一代高可靠 AI 智能体。
可靠工作流：提示词链式调用、迭代自省机制
动态执行能力：工具调用、任务规划、多智能体协同编排
框架工程落地：基于 LangChain、CrewAI 等主流框架的实战落地方法
本次分享不止局限于技术工具讲解，更倡导人文向善自主智能设计理念 —— 以使命价值为内核、以人本责任为准则构建人工智能。
最后，课程将直面阻碍 AI 智能体大规模落地的前沿瓶颈难题：深度剖析级联可靠性失效的内在机理、动态安全防护围栏的刚需价值，以及自主权限校准的行业挑战。参会者将收获一套严谨完备、以设计模式为驱动的路线图，用于架构打造下一代高可靠 AI 智能体。
夏振华
阿里云 Qoder 高级技术专家
阿里云高级技术专家，Qoder 团队 Coding Agent框架与工具负责人。主导通义灵码、Qoder IDE 内 Agentic Coding 产品能力的架构设计与研发落地。曾在蚂蚁金服、阿里云从事十多年软件研发工具链的架构设计与工程落地，长期关注 AI Agent 在软件开发领域的创新应用，聚焦 Context Engineering、Multi-Agent 系统与 Agentic RAG 等方向，致力于提升 Coding Agent 在开发者日常编程与长程复杂任务中的体验与效果。
待定
待定
AI Coding 的产品演进和研发范式变革
第一章：行业洞察 —— AI Coding 正在发生什么？
● 产品形态的演进轨迹：从代码补全工具到分布式智能体集群
● 能力边界的三次跃迁：Coding → Task → Solution，问题域持续扩展
● 研发范式的三阶段演进：辅助式编程 → 协同式编程 → 自主式编程
● 工程方法论的底层变革：提示词工程 → 上下文工程 → Harness 工程
第二章：我们的答案 —— Qoder 如何定义 AI Coding？
● 产品定位：面向实软件工程的 Agentic Coding 平台，全形态产品矩阵
● 三种协作模式：匹配研发范式三个阶段的差异化产品设计
○ Agent Mode：实时对话协作，适用于日常开发与调试
○ Quest Mode：Spec 驱动的 AI 自主编程，适用于任务级自动化
○ Experts Mode：多智能体并行协作，适用于项目级完整交付
● 全场景覆盖：CLI 终端集成与 JetBrains 后端工程深度支持
● 核心差异化：顶尖模型矩阵、工程知识引擎、企业级安全管控
第三章：真实验证 —— 范式变革不是概念，是数字
● 案例一 · 自动化：用户 Issue 全链路自动处理
○ 30分钟 → 2分钟，40% 自动修复率，7×24 持续运行
● 案例二 · Agentic：5人 × 7天，用 Qoder 完成产品从 Spec 到上线
○ 全程 Spec 驱动，多工种融合，急速交付产品
● 案例三 · Autonomous：3周完成 450万行代码巨型应用大重写
○ 人 × AI 7*24 昼夜接力，大幅提升 AI 代码贡献率和主动完成任务数
结尾：范式已变，你准备好了吗？
● 三个留给观众的问题：你的团队在第几阶段？工程师会写 Spec 吗？研发流程为 AI 留出空间了吗？
● 先跑通范式的团队，将获得不可逆的 10x 工程产能优势
● 产品形态的演进轨迹：从代码补全工具到分布式智能体集群
● 能力边界的三次跃迁：Coding → Task → Solution，问题域持续扩展
● 研发范式的三阶段演进：辅助式编程 → 协同式编程 → 自主式编程
● 工程方法论的底层变革：提示词工程 → 上下文工程 → Harness 工程
第二章：我们的答案 —— Qoder 如何定义 AI Coding？
● 产品定位：面向实软件工程的 Agentic Coding 平台，全形态产品矩阵
● 三种协作模式：匹配研发范式三个阶段的差异化产品设计
○ Agent Mode：实时对话协作，适用于日常开发与调试
○ Quest Mode：Spec 驱动的 AI 自主编程，适用于任务级自动化
○ Experts Mode：多智能体并行协作，适用于项目级完整交付
● 全场景覆盖：CLI 终端集成与 JetBrains 后端工程深度支持
● 核心差异化：顶尖模型矩阵、工程知识引擎、企业级安全管控
第三章：真实验证 —— 范式变革不是概念，是数字
● 案例一 · 自动化：用户 Issue 全链路自动处理
○ 30分钟 → 2分钟，40% 自动修复率，7×24 持续运行
● 案例二 · Agentic：5人 × 7天，用 Qoder 完成产品从 Spec 到上线
○ 全程 Spec 驱动，多工种融合，急速交付产品
● 案例三 · Autonomous：3周完成 450万行代码巨型应用大重写
○ 人 × AI 7*24 昼夜接力，大幅提升 AI 代码贡献率和主动完成任务数
结尾：范式已变，你准备好了吗？
● 三个留给观众的问题：你的团队在第几阶段？工程师会写 Spec 吗？研发流程为 AI 留出空间了吗？
● 先跑通范式的团队，将获得不可逆的 10x 工程产能优势
王硕
快手 AI研发平台负责人
快手研发平台负责人。负责快手 AI 数字研发工程师（KATE）体系建设，以及 DevOps 工具链（Team、KDev、KTest、KOncall）的规划与落地，推动研发效能在业务场景中的规模化实践。加入快手前，他曾在美团、华为、IBM等国内外大型研发组织任职，拥有10年研发管理与一线开发经验。长期关注智能化软件工程（AI4SE）、敏捷（Agile）与精益（Lean）等工程理念，致力于通过工程方法与平台能力提升研发效率与组织生产力。
待定
待定
快手AI研发数字员工平台：从局部AI提效到全局AI提效
议题背景：
随着AI Coding的蓬勃发展，AI在快手软件开发全生命周期（SDLC）的高价值研发活动上取得了显著的进展，代码生成率40%+，智能单测采纳率80%+，智能CR采纳率54%+，智能测试用例采纳率68%。但依然面临需求交付提效不显著以及AI提效由于协作模式未及时调整带来的严重折损，为解决上述问题，快手形成AI研发范式升级实践来「优化组织姿势」以及配套的快手AI研发数字员工平台来「固化组织姿势」。
内容大纲：
1. 快手研发局部AI提效
1.1 AI x 高价值研发活动：AI需求理解、AI技术设计、代码生成、智能单测、智能CR、智能测试用例生成
1.2 AI x 知识工程：仓库离线知识/仓库实时知识、研发域开发/测试知识
2. 快手AI研发范式升级
2.1 AI x 开发/测试实践：从L1到L2的渐进式演进范式，从L1到L3的跃迁式演进范式
2.2 快手AI研发数字员工平台：研发工具链 x AI能力 x 知识工程 x 平台工程
2.3 AI x 效能度量：AI原子能力成熟度模型；AI需求成熟度模型
听众收益：
1. 了解快手「研发局部AI提效」踩过的坑
2. 了解快手如何从「研发局部AI提效」逐步升级到「AI研发范式升级」来实现「真正的AI 研发提效」
内容大纲：
1. 快手研发局部AI提效
1.1 AI x 高价值研发活动：AI需求理解、AI技术设计、代码生成、智能单测、智能CR、智能测试用例生成
1.2 AI x 知识工程：仓库离线知识/仓库实时知识、研发域开发/测试知识
2. 快手AI研发范式升级
2.1 AI x 开发/测试实践：从L1到L2的渐进式演进范式，从L1到L3的跃迁式演进范式
2.2 快手AI研发数字员工平台：研发工具链 x AI能力 x 知识工程 x 平台工程
2.3 AI x 效能度量：AI原子能力成熟度模型；AI需求成熟度模型
听众收益：
1. 了解快手「研发局部AI提效」踩过的坑
2. 了解快手如何从「研发局部AI提效」逐步升级到「AI研发范式升级」来实现「真正的AI 研发提效」
关注QECon公众号
关注QECon视频号
议题投稿
speaker@qecon.com.cn
票务联系
18649077637 Lily
媒体合作
135-1619-6409 皮皮
商务合作
151-2264-3988 木子
购票咨询
18649077637 Lily
