主题介绍：\n 代码能力是大模型的核心能力，基于大模型打造的智能编码助手（Code Copilot）是当前大模型应用的核心方向之一，极大的提高了编程效率，并快速推动整个软件工程智能化的发展。\n 通义灵码是阿里巴巴通义实验室和阿里云联合推出的智能编码助手，提供单文件及跨文件的行级和函数级代码续写、单元测试生成、代码优化、注释生成、研发智能问答等能力，支持200+编程语言，并针对Java、Python、Go、C/C++、JS/TS、C#、PHP 等数十种主流编程语言做了深度优化。产品兼容 VS Code、Jetbrains IDEs 及多种远程开发场景。本次分享将介绍通义灵码建设过程中遇到的难题以及相应的大模型解决方案。\n \n 主题大纲：\n 1. 代码智能大图\n 1）人类和机器是智能化时代的两大主体\n 2）通义灵码智能编码助手的整体大图\n 2. 代码大模型\n 1）代码大模型的发展路线\n 2）如何训练好的代码大模型\n 3. 代码生成技术\n 1）代码生成的场景和难点\n 2）文件级代码补全生成\n 3）项目级代码补全生成\n 4. 软件工程全链路智能化\n 1）软件工程全链路智能化的难点\n 2）核心环节的智能化进展\n 5. 总结与展望\n 1）Code Agent\n 2）自然语言编程\n \n 听众收益：\n 1. 了解代码大模型相关技术\n 2. 了解智能编码助手的难点和方案\n 3. 了解大模型时代代码智能的未来趋势\n

主题介绍：\n LLM爆火之后，如何打通LLM结合企业业务场景的最后“一公里”成为重点讨论的话题。而Agent在LLM的加持下，由于具备“自主性”，能够观察环境，做出决策并完成目标，已经成为目前LLM应用最重要的落地形态之一。\n 在这一波浪潮下，企业已经行动起来，尝试上手搭建符合企业个性需求的AI Agents，接触了Agent开发框架、Agent搭建平台等产品。本次分享将从Agent的工作机制出发，为大家介绍火山引擎在Agent搭建方面的设计思路与落地案例，并由此设计思路演进孵化出的新一代AI Agent搭建平台 - HiAgent。\n \n 主题大纲：\n 1.Agent如何“智能”地工作\n 1）环境信息感知；\n 2）记忆，不仅是信息存储，更是信息加工；\n 3）System1 vs System2；\n 4）人类进化的里程碑是使用工具，Agent也是；\n 5）Agent也需要成长 - 反思与学习。\n 2.面向Agent的工作机制来构建Agent\n 1）环境感知 - 多模态信息接收；\n 2）工作记忆 - 对信息进行二次加工；\n 3）长期记忆 - 构建Agent的知识体系；\n 4）意图预测 - System 1 还是 System 2；\n 5）思考与规划 - 从工作流到智能编排；\n 6）工具使用 - 插件；\n 7）反思与学习 - 让人来教Agent进步；\n 8）Agent注册与发现 - 让Agent像人一样协同办公。\n 3.HiAgent，让企业可以和想要的智能体说Hi\n 1）HiAgent产品架构；\n 2）HiAgent在各行业中的落地案例。\n \n 听众收益：\n 1.了解LLM加持下的Agent工作机制；\n 2.对做出一个好的AI Agent需要的工作有一个基础的认识；\n 3.了解Hi Agent的产品架构以及一些行业落地案例。\n

主题介绍：\n 阅文集团在落地AIGC相关能力的过程中，遇到了生成内容质量不佳、人工参与比例过高、规模化可复制能力弱等实践困境。\n 随着多模态可控生成与大模型语义理解能力的提升，Agent机制与框架可以更智能、更规模化的辅助输出各类内容，进而解决大模型在内容领域应用过程中，面临的效果不可控、难以扩展、幻觉逻辑不顺畅等问题。\n 本议题通过讨论大模型Planning能力，理解Agent的能力边界，结合阅文集团内部的落地实践，呈现出在内容赛道上，如何通过大模型重塑生产力。\n \n 主题大纲：\n 1. 阅文集团简介\n 2. Agent与内容场景结合\n 1） 感知能力-内容理解；\n 2） 规划拆解-辅助创作；\n 3）工具调用-多模态生成；\n 4）反思能力-内容评估与校正；\n 3. 阅文集团业务场景实践\n 1）多模态改编类生成；\n 2）剪辑与解说类生成；\n 3）角色扮演类生成；\n 4. 未来展望\n \n 听众收益：\n 1. Agent机制在内容行业的技术难点与用户反馈；\n 2. 当前Agent技术在内容行业的实践与能力边界；\n

主题介绍：\n 58同城生活服务平台包括房产、招聘、汽车、本地服务四大业务，平台连接着海量C端用户和B端商家，B端商家可以在平台发布信息，C端用户可以通过平台找房子、找工作、找家政、买二手车。在这样的垂直领域场景下，58同城TEG-AI Lab基于开源通用大语言模型，使用58同城生活服务领域数据打造了垂类大语言模型——灵犀大模型ChatLing。作为AI平台部门，为加速大模型AI应用在各业务线快速落地，我们构建了一套大语言模型开发平台，集成了灵犀大模型和各类开源大模型，支持大模型训练和推理，应用方可在平台上选择适合自身业务场景的大模型进行调用或者微调，构建自己的AI应用。而对于小型团队开发者来说，微调大模型还是门槛过高、流程过长，为更加快捷地落地AI应用，我们以灵犀大模型作为大脑驱动，构建了一套AI Agent平台，支持应用方便利地创建AI智能体机器人，搭建自己的应用。本次议题将介绍灵犀垂类大语言模型、大语言模型平台和智能体平台的建设过程，并给出一些实际应用案例，分享一些在大语言模型上的个人看法。\n \n 主题大纲：\n 1. 58同城生活服务平台介绍\n 2. 大语言模型平台架构\n 3. 58同城垂类大语言模型——灵犀大模型建设过程和效果评估\n 4. 智能体平台架构\n 5. 大模型应用举例\n 6. 个人思考\n \n 听众收益：\n 1. 了解大语言模型平台设计思想和技术架构\n 2. 了解垂类大语言模型的建设过程\n 3. 了解AI智能体平台的技术架构\n 4. 了解大模型应用的探索落地情况\n

主题介绍：\n 快手商业化技术部一直致力于推动技术与业务的深度融合，特别是在智能化技术体系的构建上不断探索与实践。本次分享将着重介绍我们如何利用基于大语言模型（LLM）的RAG和Agent技术，推动B端商业化的技术创新和应用实践。“销帮帮智能客服”项目展示了AI如何在处理一线销售与运营的咨询中极大地减轻人力负担，提升响应效率和质量，7x24小时业务在线。我们还将深入探讨SalesCopilot技术平台的构建和运作机制，包含多租户技术框架、知识中心、意图理解与Plugin、效能评测等，以及它是如何在多业务线中实现具体应用的。\n 通过具体的业务应用举例，本次分享将体现大模型如何驱动业务创新，也将探讨未来技术发展趋势和业务应用的广阔前景。本次分享旨在展示智能技术在商业化领域的实际应用和深远影响，希望能激发您对智能化商业应用的兴趣。\n \n 主题大纲：\n 1. 销帮帮智能客服\n 1）项目背景与业务痛点\n 2）整体系统架构\n 3）RAG范式实践\n 4）下一阶段：Agent和多业务场景\n 2. SalesCopilot技术平台\n 1）Agent技术范式\n 2）SaaS化技术平台\n 3）核心组件——知识中心\n 4）核心组件——意图理解与Plugin\n 5）核心组件——可插拔LLM与prompt管理\n 6）核心组件——效能评测\n 3. 大模型驱动应用研发的思考\n \n 听众收益：\n 1.了解大模型驱动下的技术理念与技术实践\n 2.了解关于RAG、Copilot和Agent三种范式的技术实践\n