专场：多智能体协作与编排：Agent 工程化落地
本专场聚焦多智能体协作编排的架构设计与企业级工程实践。面对复杂业务任务，单一智能体在专业分工、任务执行和系统稳定性等方面往往存在局限，多智能体协作则提供了更灵活的解决思路。专场将围绕多智能体系统建设中的共性问题，结合不同业务场景与实践案例，探讨任务拆分、角色协同、流程编排、资源调度与运行治理等方向，分享从方案设计到生产落地过程中的实践经验、挑战与思考。内容可涉及复杂任务处理、系统性能优化、稳定性建设及规模化应用等议题。
专场出品人：Jeff Kit
腾讯云 架构师联盟社群管理主席
20年研发与团队管理经验，前腾讯云TVP，现腾讯全栈技术专家，公司级低代码项目负责人，是IEEE低代码标准及大湾区企业低代码标准的主撰写人；大模型应用早期实践者与布道师，是国内顶级行业/技术峰会相关话題优秀讲师及出品人。在低代码与LLM结合场景有深度的实践，愿景是“人人能编程”。带领团队深度践行LLM对研发提效、探索Vibe coding 在专业程序员与准开发者群体的落地，个人代码全栈AI含量几近100%。
黄文昊
戴佳怡
OPPO
高级软件测试工程师
OPPO
软件测试工程师
黄文昊：
现任 OPPO 快应用测试负责人，拥有十余年互联网与金融科技领域质量保障经验，从业期间先后任职于招银、腾讯、Shopee等企业，历经金融、社交、跨境电商等多元业务场景的测试体系建设，积累了丰富的大规模系统交付与质量管控实战经验。长期专注于精准测试、精准监控及 DevOps 工程效能体系的落地，致力于推动测试从"被动把关"转向"主动赋能研发"。近年深度探索 AI 测试工程化应用，持续以技术创新驱动测试效能跃升。
待定
待定
AI 用例生成与智能 CR 的三代进化实录
议题背景：
在软件质量保障体系中，测试效能始终是团队面临的核心挑战。随着业务复杂度上升，传统的手工用例编写与人工代码审查模式正在逼近瓶颈：
(1) 用例编写耗时长，测试人员重复劳动比例高，如何利用 AI 能力实现用例的自动化生成？
(2) 企业内网环境下模型接入路径多样，选择接 API 接口还是 MCP 协议？不同方案的合规风险与落地成本如何权衡？
(3) 通用知识与业务知识边界模糊，知识库设计不合理导致生成质量低下，如何科学划分并持续运营？
(4) 效果好坏凭感觉，缺乏量化评估体系，如何建立可信的取数与评估机制来驱动迭代？
(5) Code Review 流程松散，问题发现滞后，如何将 AI 能力与 CR 环节深度融合，形成强约束的质量卡口？
本次分享将完整呈现我们团队从 0 到 1 构建 Cursor 插件、实现用例自动生成并延伸至 AI Code Review（AICR）的全过程，以及历经多代演进从规则驱动走向 Skill 化架构、最终赋能三方团队的实践路径与关键经验。
内容大纲：
1）测试团队效能现状与痛点：用例编写占比分析、CR 问题遗漏率数据
2）为什么选择 Cursor 作为切入点：IDE 原生集成 vs 独立平台的优劣对比
整体演进路线图：三阶段概览（原始探索 → 迭代优化 → 能力赋能）
第一阶段：原始探索——打通 AI 测试生成的基础链路
在软件质量保障体系中，测试效能始终是团队面临的核心挑战。随着业务复杂度上升，传统的手工用例编写与人工代码审查模式正在逼近瓶颈：
(1) 用例编写耗时长，测试人员重复劳动比例高，如何利用 AI 能力实现用例的自动化生成？
(2) 企业内网环境下模型接入路径多样，选择接 API 接口还是 MCP 协议？不同方案的合规风险与落地成本如何权衡？
(3) 通用知识与业务知识边界模糊，知识库设计不合理导致生成质量低下，如何科学划分并持续运营？
(4) 效果好坏凭感觉，缺乏量化评估体系，如何建立可信的取数与评估机制来驱动迭代？
(5) Code Review 流程松散，问题发现滞后，如何将 AI 能力与 CR 环节深度融合，形成强约束的质量卡口？
本次分享将完整呈现我们团队从 0 到 1 构建 Cursor 插件、实现用例自动生成并延伸至 AI Code Review（AICR）的全过程，以及历经多代演进从规则驱动走向 Skill 化架构、最终赋能三方团队的实践路径与关键经验。
内容大纲：
1）测试团队效能现状与痛点：用例编写占比分析、CR 问题遗漏率数据
2）为什么选择 Cursor 作为切入点：IDE 原生集成 vs 独立平台的优劣对比
整体演进路线图：三阶段概览（原始探索 → 迭代优化 → 能力赋能）
第一阶段：原始探索——打通 AI 测试生成的基础链路
1）技术选型：API 接口 vs MCP 协议，如何做决策
API 接口方案：集成简单、灵活可控，但上下文传递能力有限、工具调用链路长
MCP 协议方案：工具生态丰富、模型感知能力强，但协议复杂度高、调试成本大
企业内网场景下的选型关键因素：延迟、稳定性、维护成本
我们的最终选择与原因复盘
2）合规先行：如何避免企业内部权限引发的合规风险
数据流向管控：代码、用例内容是否上传外部模型的风险识别
权限分层设计：哪些功能对哪些角色开放
3）知识库架构设计：通用知识库与业务知识库的划分逻辑
通用知识库：测试方法论、用例模板、代码规范，如何沉淀与版本管理
业务知识库：需求文档、接口文档、历史用例，如何结构化与动态更新
RAG 召回策略设计：如何让模型优先使用业务上下文
冷启动问题：知识库为空时如何保证生成质量
API 接口方案：集成简单、灵活可控，但上下文传递能力有限、工具调用链路长
MCP 协议方案：工具生态丰富、模型感知能力强，但协议复杂度高、调试成本大
企业内网场景下的选型关键因素：延迟、稳定性、维护成本
我们的最终选择与原因复盘
2）合规先行：如何避免企业内部权限引发的合规风险
数据流向管控：代码、用例内容是否上传外部模型的风险识别
权限分层设计：哪些功能对哪些角色开放
3）知识库架构设计：通用知识库与业务知识库的划分逻辑
通用知识库：测试方法论、用例模板、代码规范，如何沉淀与版本管理
业务知识库：需求文档、接口文档、历史用例，如何结构化与动态更新
RAG 召回策略设计：如何让模型优先使用业务上下文
冷启动问题：知识库为空时如何保证生成质量
第二阶段：迭代优化——数据驱动效果提升与规模推广
1）效果评估体系建设：如何科学取数、量化好坏
评估维度设计：用例覆盖率、用例可执行率、人工修改量、缺陷发现率
数据采集方案：埋点设计与用户行为日志分析
基线建立方法：与人工用例质量对比的实验设计
典型评估结果展示与解读
2）推广落地：从小团队试点到多团队规模化使用
冷启动策略：选择种子用户与试点项目的标准
用户阻力分析：信任感建立、使用习惯迁移成本
推广节奏设计：灰度发布 → 全量上线的里程碑管理
运营机制：反馈收集、案例分享、使用激励
3）架构升级：为何从规则（Rules）迁移到 Skill 化架构
规则方案的局限：维护成本高、复用性差、扩展性瓶颈
Skill 化架构的核心优势：模块解耦、能力组合、统一管理
迁移过程中的关键挑战与解决方案
迁移前后的效果对比数据
评估维度设计：用例覆盖率、用例可执行率、人工修改量、缺陷发现率
数据采集方案：埋点设计与用户行为日志分析
基线建立方法：与人工用例质量对比的实验设计
典型评估结果展示与解读
2）推广落地：从小团队试点到多团队规模化使用
冷启动策略：选择种子用户与试点项目的标准
用户阻力分析：信任感建立、使用习惯迁移成本
推广节奏设计：灰度发布 → 全量上线的里程碑管理
运营机制：反馈收集、案例分享、使用激励
3）架构升级：为何从规则（Rules）迁移到 Skill 化架构
规则方案的局限：维护成本高、复用性差、扩展性瓶颈
Skill 化架构的核心优势：模块解耦、能力组合、统一管理
迁移过程中的关键挑战与解决方案
迁移前后的效果对比数据
第三阶段：能力赋能——从工具到平台，辐射更广场景
1）AI Code Review（AICR）：将 AI 纳入质量卡口
AICR 与传统 CR 的定位关系：辅助 vs 约束
基于用例的 CR 规则绑定：用例覆盖缺失如何触发 CR 拦截
CR 结果与缺陷数据的联动分析
落地效果：CR 覆盖率、问题拦截率、人效对比
2）赋能三方团队：功能生成与验收用例的协同生产
场景介绍：三方团队交付物质量参差不齐，如何通过 AI 建立统一验收标准
三方协作模式下的知识库共享机制
验收用例自动生成流程：需求输入 → 用例输出 → 人工确认
落地实践与数据成效展示
AICR 与传统 CR 的定位关系：辅助 vs 约束
基于用例的 CR 规则绑定：用例覆盖缺失如何触发 CR 拦截
CR 结果与缺陷数据的联动分析
落地效果：CR 覆盖率、问题拦截率、人效对比
2）赋能三方团队：功能生成与验收用例的协同生产
场景介绍：三方团队交付物质量参差不齐，如何通过 AI 建立统一验收标准
三方协作模式下的知识库共享机制
验收用例自动生成流程：需求输入 → 用例输出 → 人工确认
落地实践与数据成效展示
总结与展望
三阶段核心经验提炼
关键决策回顾：哪些判断是对的，哪些走了弯路
未来方向：Agent 化测试、多模态用例生成
听众收益：
听众将从本次分享中获得以下实际收益：
技术选型参考：清晰了解 API 接口与 MCP 协议在企业测试场景下的选型逻辑，避免重走弯路；
合规风险意识：掌握企业内网 AI 工具落地的合规要点，建立数据安全边界；
知识库设计方法：获得可复用的通用/业务知识库划分框架，直接指导实际建设；
效果量化思路：学习如何建立可信的 AI 工具评估体系，用数据驱动持续优化；
推广落地经验：了解 AI 测试工具从试点到规模化的全流程推广策略；
架构演进启示：理解从规则到 Skill 的架构升级背后的工程思考；
场景延伸灵感：通过 AICR 与三方赋能案例，拓宽 AI 在测试领域的应用想象空间。
三阶段核心经验提炼
关键决策回顾：哪些判断是对的，哪些走了弯路
未来方向：Agent 化测试、多模态用例生成
听众收益：
听众将从本次分享中获得以下实际收益：
技术选型参考：清晰了解 API 接口与 MCP 协议在企业测试场景下的选型逻辑，避免重走弯路；
合规风险意识：掌握企业内网 AI 工具落地的合规要点，建立数据安全边界；
知识库设计方法：获得可复用的通用/业务知识库划分框架，直接指导实际建设；
效果量化思路：学习如何建立可信的 AI 工具评估体系，用数据驱动持续优化；
推广落地经验：了解 AI 测试工具从试点到规模化的全流程推广策略；
架构演进启示：理解从规则到 Skill 的架构升级背后的工程思考；
场景延伸灵感：通过 AICR 与三方赋能案例，拓宽 AI 在测试领域的应用想象空间。
胥克谦
酷比客科技 联合创始人
kubiker产品主创，产品人转型开发的代表。曾几个月完成300多万行企业级大型应用开发，文档规模超2000万字，日消耗tokens 20亿左右。对企业级AI原生工程化开发、质量可控的AI编程自动化等方面有深度的方法论积累，对智能体高可控混合编排有深入创新实践。
待定
待定
企业级高可控混合编排的实现
议题背景：
目前skills手段为主的AI智能体无法满足企业级高可控的质量要求，传统工作流又会限制大模型快速增长不断进化的能力，智能混合编排是解决出路
内容大纲：
1. 目前企业级agents开发的可控性与能力瓶颈：skills可控性差、workflow限制大模型能力、模型之间的能力差异
2. agent编排的三种模式与优缺点：固定编排、模型自主编排、混合编排
3. 混合编排是企业级agents可控性的根本解决之道：为什么、如何做、什么效果
4. 多模型混合编排是大势所趋：为什么、如何做、什么效果
5. 本地+云端混合编排是企业级agents终极架构：为什么、如何做、什么效果
听众收益：
1. 企业级agents开发可控性的解决方法
2. 固定+自主混合编排的实现方法
3. 多模型混合编排的实现方法
4. 本地+云端混合编排的实现方法
目前skills手段为主的AI智能体无法满足企业级高可控的质量要求，传统工作流又会限制大模型快速增长不断进化的能力，智能混合编排是解决出路
内容大纲：
1. 目前企业级agents开发的可控性与能力瓶颈：skills可控性差、workflow限制大模型能力、模型之间的能力差异
2. agent编排的三种模式与优缺点：固定编排、模型自主编排、混合编排
3. 混合编排是企业级agents可控性的根本解决之道：为什么、如何做、什么效果
4. 多模型混合编排是大势所趋：为什么、如何做、什么效果
5. 本地+云端混合编排是企业级agents终极架构：为什么、如何做、什么效果
听众收益：
1. 企业级agents开发可控性的解决方法
2. 固定+自主混合编排的实现方法
3. 多模型混合编排的实现方法
4. 本地+云端混合编排的实现方法
井红梅
中兴通讯 工具系统开发负责人
现任部门工具系统开发负责人，专注于研发效能与质量改进体系的工具化落地，负责工具链的全生命周期建设，从架构设计到运维保障，确保核心工具高可用性、稳定性和演练
待定
待定
基于Harness+Loop的共生伙伴助力效能跃迁
议题背景：
在项目产品型号多、版本多、需求多的背景下，传统研发管理普遍面临研发等待多、管理投入多、需求流动慢、质量管控难四大痛点，大量资源耗在人工催办、状态同步与流程中转上。本实践从端到端业务流转与质量过程可控两个维度同时发力：一方面将AI嵌入研发主流程，构建"需求流+版本流"双流合一系统，以令牌驱动、智能体自动调度，把"人工串行等待"变为"智能体并行执行"；另一方面打通端到端知识工程，建立"消费-生产-回流-反构"循环知识体系，并定义产品级、版本级、需求级三级质量防护网，实现有质量的提效。方案以共生伙伴协作台为底座，总控智能体自主调度、基于Loop自进化，推动研发体系从"工具辅助"迈向"意图驱动"的人机共生新阶段。
内容大纲：
1. 案例背景：研发交付的"四多一难"困局
在项目产品型号多、版本多、需求多的背景下，传统研发管理普遍面临研发等待多、管理投入多、需求流动慢、质量管控难四大痛点，大量资源耗在人工催办、状态同步与流程中转上。本实践从端到端业务流转与质量过程可控两个维度同时发力：一方面将AI嵌入研发主流程，构建"需求流+版本流"双流合一系统，以令牌驱动、智能体自动调度，把"人工串行等待"变为"智能体并行执行"；另一方面打通端到端知识工程，建立"消费-生产-回流-反构"循环知识体系，并定义产品级、版本级、需求级三级质量防护网，实现有质量的提效。方案以共生伙伴协作台为底座，总控智能体自主调度、基于Loop自进化，推动研发体系从"工具辅助"迈向"意图驱动"的人机共生新阶段。
内容大纲：
1. 案例背景：研发交付的"四多一难"困局
1.1 现状：型号多、版本多、需求多｜1.2 痛点：等待多、投入多、管控难｜1.3 破局：系统化工程能力再造
2. 实践思路：AI工程能力进化之路
2.1 能力演进：单次问答→被动响应→自主循环任务系统
2.2 业务自动流转：需求流加速流转、版本流突破管理瓶颈
2.3 双流合一的顶层架构（需求业务流/版本业务流/管理智能体）
2.4 端到端知识工程：消费-生产-回流-反构循环
2.5 自驱动进化：基于Loop的夜间/影子工程
2.2 业务自动流转：需求流加速流转、版本流突破管理瓶颈
2.3 双流合一的顶层架构（需求业务流/版本业务流/管理智能体）
2.4 端到端知识工程：消费-生产-回流-反构循环
2.5 自驱动进化：基于Loop的夜间/影子工程
3. 实践方案：从"工具辅助"到"智能伙伴"
3.1 方案全景：业务流+技能双引擎、千人千面工作台、三级防护网
3.2 四大能力保障：全景可视/流程可驭/质量可控/过程可溯
3.3 需求流六环节（自动触发/控制点/决策点逐一拆解）
3.4 版本流五环节
3.5 踩坑避坑经验（质量Hook点内嵌、双签回溯、令牌状态机防断点）
3.2 四大能力保障：全景可视/流程可驭/质量可控/过程可溯
3.3 需求流六环节（自动触发/控制点/决策点逐一拆解）
3.4 版本流五环节
3.5 踩坑避坑经验（质量Hook点内嵌、双签回溯、令牌状态机防断点）
4. 总结 & 展望
4.1 量化成效：AI内容生成采纳率61%、AI代码生成占比41%、AI用例&脚本生成率90%、人机协同交付占比36%、平台运行成功率93%、单需求Token 34.5K
4.2 展望：千人千面全景伙伴、智能预测、平台生态化
4.2 展望：千人千面全景伙伴、智能预测、平台生态化
听众收益：
1. 一套"人机共生"的工程化落地方法论：看懂如何把AI嵌入研发主流程（双流合一+令牌驱动+质量Hook点+人工决策点），并可迁移「自动触发/控制点/决策点」三段式框架到自己流程。
2. 可复制的踩坑经验与规模化路径：给出从单点工具到端到端体系的真实演进路线，帮你少走弯路。
3. 可量化的效能与质量收益证据：通过61%、41%、90%、34.5K等真实数据结合三级防护网，理解"提效"与"质量可控"如何共存，以及如何设计自己的度量指标。
1. 一套"人机共生"的工程化落地方法论：看懂如何把AI嵌入研发主流程（双流合一+令牌驱动+质量Hook点+人工决策点），并可迁移「自动触发/控制点/决策点」三段式框架到自己流程。
2. 可复制的踩坑经验与规模化路径：给出从单点工具到端到端体系的真实演进路线，帮你少走弯路。
3. 可量化的效能与质量收益证据：通过61%、41%、90%、34.5K等真实数据结合三级防护网，理解"提效"与"质量可控"如何共存，以及如何设计自己的度量指标。
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
159-0126-5561 小娟
媒体合作
135-1619-6409 皮皮
购票咨询
小娟 15901265561
