专场：数据治理和知识工程
......
专场出品人：郑岩
华为云 AI应用首席架构师
华为云AI应用首席架构师，华为数字化高级技术专家，华为云数智使能团队负责人。
拥有15年企业数智化转型相关经验，曾在中石油、SAP等企业就职，在AI、知识、数据、云原生等多个领域有丰富实践经验。
作为华为云AI应用首席架构师，主导AI大模型在华为云研发、营销服、资产运营等业务领域应用落地，辅助业务提效增质。
拥有15年企业数智化转型相关经验，曾在中石油、SAP等企业就职，在AI、知识、数据、云原生等多个领域有丰富实践经验。
作为华为云AI应用首席架构师，主导AI大模型在华为云研发、营销服、资产运营等业务领域应用落地，辅助业务提效增质。
秦思
中兴通讯 资深IT架构规划师
中兴通讯资深IT架构规划师，企业需求领域教练
待定
待定
上下文工程引领TEAM AI研发协作模式变革实践
本次分享将聚焦 AI 技术驱动下的软件工程变革，深入探讨以知识工程为基石的 Team AI 研发协作新范式。结合在企业级项目研发场景的实践经验，解析如何通过数据治理、知识挖掘与 AI Agent 协同，重构传统开发流程中的角色边界与协作模式。分享将涵盖理论框架、落地方法论及实际案例，揭示知识工程如何赋能研发效能提升，助力企业在 AI4SE（AI for Software Engineering）时代构建核心竞争力。
内容大纲
1. AI4SE 新范式：Team AI重塑研发协作痛点问题
研发协作常面临知识碎片化、跨部门信息壁垒、经验传承低效等痛点，Team AI 虽通过智能化工具提升协同效率，却因知识管理无序导致数据价值难释放、决策支撑不足。
在此变革中，知识工程如同 “数字基建”，通过构建标准化知识图谱、打通数据孤岛，将散落的研发经验转化为结构化知识资产，既为 AI 模型提供高质量训练素材，又助力团队实现知识的高效沉淀与复用，成为连接技术协作与智慧进化的核心纽带。
2. 知识工程：Team AI 的底层基石
研发知识工程的闭环体系：数据治理，从原始数据到 AI-Ready 知识的清洗与结构化；知识挖掘，利用 NLP 与大模型提取业务规则、设计模式等核心知识；知识应用与迭代，通过 Agent 实现知识的场景化落地与持续优化
落地原则与技术选型：领域导向，按业务主题构建垂直知识库（如需求、测试、架构）；数据适配，针对结构化 / 非结构化数据的差异化处理方案；场景优先：以价值驱动的知识库建设路径
3. 企业落地案例：工具链助力需求分析与知识工程闭环
项目背景：企业跨项目跨部门复杂流程需求分析环节的效率与标准化痛点；
解决方案：Agent 矩阵构建，用户旅程、需求生成、知识提取等多角色协同；知识工程闭环，从冷启动知识库到 AI 驱动的持续迭代机制；
实施成效：知识活水沉淀端到端研发价值流闭环；知识迭代的频度和周期改善；
4. 行动指南：知识工程落地三大核心策略
数据盘点：识别 “知识矿产” 与 “信息沼泽”，建立数据资产目录；
驱动“活的”知识库建设：基于场景需求设计 Agent 协作链路与知识地图；
组织能力建设：培养知识运营官团队，构建持续化知识管理体系；
听众收益
认知升级：理解 AI 技术如何从工具层渗透至研发协作模式，及在此模式下知识工程基石建设的重要性和必要性。
方法论获取：掌握研发知识工程的全流程实施框架，包括数据治理、知识建模与 Agent 协同策略。
案例借鉴：通过真实企业案例，学习如何将理论转化为实践，规避落地过程中的常见陷阱。
能力赋能：获取可复用的团队角色转型路径与组织能力建设建议，助力企业构建 AI 时代的研发竞争力。
内容大纲
1. AI4SE 新范式：Team AI重塑研发协作痛点问题
研发协作常面临知识碎片化、跨部门信息壁垒、经验传承低效等痛点，Team AI 虽通过智能化工具提升协同效率，却因知识管理无序导致数据价值难释放、决策支撑不足。
在此变革中，知识工程如同 “数字基建”，通过构建标准化知识图谱、打通数据孤岛，将散落的研发经验转化为结构化知识资产，既为 AI 模型提供高质量训练素材，又助力团队实现知识的高效沉淀与复用，成为连接技术协作与智慧进化的核心纽带。
2. 知识工程：Team AI 的底层基石
研发知识工程的闭环体系：数据治理，从原始数据到 AI-Ready 知识的清洗与结构化；知识挖掘，利用 NLP 与大模型提取业务规则、设计模式等核心知识；知识应用与迭代，通过 Agent 实现知识的场景化落地与持续优化
落地原则与技术选型：领域导向，按业务主题构建垂直知识库（如需求、测试、架构）；数据适配，针对结构化 / 非结构化数据的差异化处理方案；场景优先：以价值驱动的知识库建设路径
3. 企业落地案例：工具链助力需求分析与知识工程闭环
项目背景：企业跨项目跨部门复杂流程需求分析环节的效率与标准化痛点；
解决方案：Agent 矩阵构建，用户旅程、需求生成、知识提取等多角色协同；知识工程闭环，从冷启动知识库到 AI 驱动的持续迭代机制；
实施成效：知识活水沉淀端到端研发价值流闭环；知识迭代的频度和周期改善；
4. 行动指南：知识工程落地三大核心策略
数据盘点：识别 “知识矿产” 与 “信息沼泽”，建立数据资产目录；
驱动“活的”知识库建设：基于场景需求设计 Agent 协作链路与知识地图；
组织能力建设：培养知识运营官团队，构建持续化知识管理体系；
听众收益
认知升级：理解 AI 技术如何从工具层渗透至研发协作模式，及在此模式下知识工程基石建设的重要性和必要性。
方法论获取：掌握研发知识工程的全流程实施框架，包括数据治理、知识建模与 Agent 协同策略。
案例借鉴：通过真实企业案例，学习如何将理论转化为实践，规避落地过程中的常见陷阱。
能力赋能：获取可复用的团队角色转型路径与组织能力建设建议，助力企业构建 AI 时代的研发竞争力。
王笑吉
百度 资深工程师
百度MEG团队资深测试开发工程师，8年从业经验，目前主要负责百度FEED检索业务的交付质效保障相关工作，探索如何利用大模型能力提升研发交付效能，带领团队基于AI员工完成了交付模式从GUI向LUI转换，探索数据飞轮机制，提升AI员工的智能化程度，从而为交付提效。
待定
待定
AI时代下的数据飞轮建设与AI员工应用实践
AI时代下，AI员工的智能化和实用性程度，十分依赖底层数据、知识和经验的沉淀、迭代与更新。通常情况下，这些知识和经验的积累靠人完成，强依赖个人习惯，沉淀的知识价值也会随时间流逝而逐渐降低。为了解决这些问题，我们基于人与人的日常沟通过程，建设了数据自动沉淀与知识动态更新的飞轮机制，并将其赋能AI Agent应用，使AI员工可以自主学习、进化与思考，提升了AI员工的智能化程度，助力日常工作提效20%+
内容大纲
1. AI员工的建设思路与痛点问题分析
2. 知识数据飞轮助力使AI员工像人一样懂交付、会学习
2.1 数据收集与数据处理：建设数据收集机制与多模态数据处理方法实践
2.2 话题分割：如何将日常沟通与聊天记录进行主题切割的方法与实践
2.3 知识生成与评估反馈：如何将日常沟通沉淀为优质的知识与思维链信息，供AGent学习与应用，形成数据飞轮
2.4 收益及效果
3. AI员工应用与交付提效实践
3.1 AI员工建设整体框架介绍
3.2 应用场景1 AI员工学习-应用实践演示
3.3 应用场景2 AI员工辅助项目交付全流程演示
内容大纲
1. AI员工的建设思路与痛点问题分析
2. 知识数据飞轮助力使AI员工像人一样懂交付、会学习
2.1 数据收集与数据处理：建设数据收集机制与多模态数据处理方法实践
2.2 话题分割：如何将日常沟通与聊天记录进行主题切割的方法与实践
2.3 知识生成与评估反馈：如何将日常沟通沉淀为优质的知识与思维链信息，供AGent学习与应用，形成数据飞轮
2.4 收益及效果
3. AI员工应用与交付提效实践
3.1 AI员工建设整体框架介绍
3.2 应用场景1 AI员工学习-应用实践演示
3.3 应用场景2 AI员工辅助项目交付全流程演示
听众收益
启发、借鉴；值班、客服、问答类场景应用，Agent建设与智能化提升思路。
敬请期待
......
.....
待定
待定
敬请期待
....
关注QECon公众号
关注QECon视频号
商务合作
151-2264-3988 木子
票务联系
186-4907-7637 胡利利
媒体合作
135-1619-6409 皮皮
购票咨询
胡利利 18649077637
