主题介绍：\n 随着自然语言大模型的发展，下一代系统交互朝着基于自然语言交互（LanguageUI）高速发展，这将会产生大量的自然语言交互日志，对这些对话日志进行分析、总结、提取、推理，对话分析将会带来如系统优化、服务技能提升、需求洞察等大量的新应用。\n \n 目前对话分析主要还聚焦在客服和销售领域（典型的场景例如：IM咨询、外呼营销、电话销售等），这些对话和闲聊不同，其往往有明确的主题和目的，沟通内容涉及多方的重要信息，并可能贯穿整个业务的生命周期，因此背后蕴藏着巨大的商业价值。对话分析的目标就是从中挖掘和分析出重要信息并提升整个系统的性能，能力侧包括但不限于：客户profile、双方情绪倾向、客户购买意向、销售技能等，用于简化人工流程、辅助商业洞察与决策过程。\n \n 主题大纲：\n 1. 背景介绍\n 2. 技术架构\n 3. 技术细节\n 4. 未来发展\n \n 听众收益：\n 了解大模型在对话分析类任务的落地应用方案和价值。\n

主题介绍：\n 本次分享将关注当前复杂智能体路径规划的行业现状，解析传统Function call范式的致命瓶颈，分享在58同城灵犀智能体平台中，如何实现从“流程执行”到“类人决策”的跨越。\n \n 主题大纲：\n 1. 58同城灵犀智能体平台介绍\n 2. 智能体路径规划的现状、技术挑战与破局点\n 3. 智能体路径规划技术架构全解析\n 4. 灵犀智能体平台路径规划实战 \n 1）技术重点：任务分解策略、动态路径调整、容错降级机制\n 2）解析复杂任务的自动拆解与子目标生成技术\n 3）基于实时反馈的路径动态调整方案\n 4）多工具协同时的效率/质量平衡算法\n 5）失败场景的自动降级机制\n 5. 未来展望\n

主题介绍：\n 重点分享AI Agent在企业业务中的落地思考；介绍纷享销客AI Agent的实际建设经验；解读Agent平台建设过程中所遇到的挑战与解决思路；分析当前AI Agent建设与落地的挑战与未来建设方向。\n \n 主题大纲：\n 1. 生成式 AI 在企业落地的主要挑战\n  1）当前生成式 AI 发展到的阶段\n  2）企业对生成式 AI 的特有要求\n  3）纷享销客 AI Agent 平台的建设思考\n 2. 纷享销客 AI Agent 建设与演进实践\n  1）AI 平台架构（在纷享销客技术与业务平台中处于什么位置）\n  2）RAG 框架技术演进血泪史\n    a. 从 Native RAG -> Advanced -> Modelar RAG 迭代之路\n    b. 如何评价各种 RAG 方案的效果\n    c. 各种类型文档 RAG 召回遇到的坑以及解决办法\n  3）Agent 平台建设过程中趟过的坑\n    a. Agent 架构选型：「Agent - Tools」 vs 「Agent - Topic - Action」\n    b. 推理引擎：「Function Calling」 vs 「ReAct Prompt」 vs 「自己轮 Prompt」\n    c. RAG/Flow 与 Agent 的关系\n    d. 开放性：面向内部上层业务团队 & 面向外部企业用户/开发者\n    e. MCP & A2A Protocal 的适用思考\n    f. 多租户架构下的安全保障\n    g. 如何评价 Agent 的最终效果\n  4）AI Agent 落地业务场景\n    a. 销售领域\n    b. 服务领域\n    c. ChatBI 领域\n  5）依然存在的挑战 & 后续建设方向\n    a. 挑战：提示词/Instruction 质量的好坏直接决定 AI 最终效果\n    b. 后续建设：Multi-Agent、面向租户的评价体系产品化（可感知、可调优）\n \n 听众收益：\n 1. 了解 RAG 框架从简单搭建到真正用户能用起来的工程化实践\n 2. 了解 Agent 从平台化角度的构建思路，以及达到企业级可用的实践经验\n