专场：AgentOps：多智能体任务异常监测与诊断
随着大模型智能体从单轮交互走向多智能体协作与长程（Long-Horizon）任务，规划偏差、错误委托、工具调用异常、状态丢失和约束遗漏等问题可能沿执行链持续传播，导致复杂任务失败率居高不下。传统指标、日志与链路追踪往往只能发现最终失败，难以回答异常何时出现、由哪个智能体引入、哪个早期事件构成根因。本分论坛将围绕多智能体任务的运行监测、早期异常检测、责任主体与首个错误步骤定位、长轨迹根因分析、可观测事件模型及诊断评测基准等议题展开讨论，探索构建可追踪、可诊断、可评测、可干预的AgentOps技术体系，为智能体系统的可靠运行与规模化应用提供支撑。
专场出品人：裴昶华
中国科学院计算机网络信息中心副研究员
中国科学院计算机网络信息中心副研究员，国科大杭州高等研究院岗位教授，博士生导师，学位委员会成员，百人计划引进人才，承担国家发改委人机物融合信息基础设施创新与实验平台智能运管创新平台研制建设，中国科学院“十四五”科教基础设施建设专项智能运管项目，国家自然科学基金青年科学基金项目，国家重点研发计划青年科学家项目。在SIGCOMM， ICML,SIGKDD,WWW,FSE,INFOCOM等国内外顶级会议及期刊发表论文50余篇，Google Scholar总引用6000+，多篇论文获得最佳论文奖及提名。
张圣林
南开大学 软件学院教授、副院长
南开大学软件学院教授、博士生导师、副院长，入选南开大学“青年学科带头人培养计划”。2017年于清华大学计算机系获博士学位，并获清华大学优秀博士学位论文奖。主要研究方向为智能运维（AIOps）。以第一作者或唯一通讯作者在CCF A类会议和期刊发表论文40余篇。主持国家自然科学基金项目2项，以及华为、字节跳动、阿里巴巴、腾讯等企业横向课题近30项。荣获CCF A类会议FSE 2026唯一杰出工业论文奖，并三次荣获CCF B类会议ISSRE最佳论文奖，创该会议35年历史上个人获奖次数之最。获中国电子学会科技进步一等奖（第3完成人）、天津市科技进步一等奖，以及华为计算产品线“最佳技术合作教授”、南开大学“良师益友”、麒麟软件“校企合作突出贡献奖”等荣誉。联合创办CCF AIOps挑战赛，并担任首届和第六届程序委员会主席；担任CCF 2026中国软件大会程序委员会主席、CCF 2025中国网络大会宣传委员会主席、CCF YOCSEF天津学术委员会副主席（2023—2024）、CCF互联网专委常务委员。
待定
待定
面向运维的智能体 OpsAgent & 面向智能体的运维 AgentOps
议题背景：
本报告分为两个部分。
本报告分为两个部分。
第一部分介绍面向运维的智能体 OpsAgent，系统阐述如何利用多智能体协同技术应对软件系统日益复杂的运维挑战，并介绍南开大学智能运维课题组与字节跳动、阿里巴巴等企业合作取得的研究成果，包括可解释、高准确率的根因定位基础模型 FoundRoot，以及面向操作系统故障诊断的 OScope 框架。
第二部分探讨面向智能体的运维 AgentOps。与传统信息系统不同，智能体系统的高度自主性与非确定性行为给传统运维技术带来了难以应对的新挑战。本部分将讨论如何针对复杂执行轨迹进行根因定位与可解释证据链构建，以及如何将诊断结论转化为对下一轮执行加以约束的修复动作。
内容大纲：
1. 开场与全局框架
2. OpsAgent背景与意义
2.1 现代IT系统复杂性挑战
2.2 现状对比
2.3 战略意义与国家需求
2.4 为什么选择OpsAgent
2.5 人机协同新范式
2.6 研究路线图
2.2 现状对比
2.3 战略意义与国家需求
2.4 为什么选择OpsAgent
2.5 人机协同新范式
2.6 研究路线图
3. FoundRoot—微服务根因分析
3.1 问题与动机
3.2 架构核心—结构化深度思考
3.3 两阶段训练机制SFT+RL
3.4 性能突破
3.2 架构核心—结构化深度思考
3.3 两阶段训练机制SFT+RL
3.4 性能突破
4. OScope—操作系统故障诊断
4.1 OS诊断的专业性门槛
4.2 OScope框架
4.3 Knowledge Aligner
4.4 Report Validator
4.5 企业部署成效
4.2 OScope框架
4.3 Knowledge Aligner
4.4 Report Validator
4.5 企业部署成效
5. OpsAgent小结与展望
5.1 边界与局限
5.2 未来突破方向
5.2 未来突破方向
6. AgentOps背景与意义
6.1 AgentOps的崛起
6.2 传统vs智能体系统对比
6.3 为什么AgentOps更难
6.4 AgentOps核心能力
6.5 路线图
6.2 传统vs智能体系统对比
6.3 为什么AgentOps更难
6.4 AgentOps核心能力
6.5 路线图
7. PROBE—软件工程Agent失败恢复
7.1 AgentOps挑战
7.2 PROBE整体方法
7.3 Diagnosis Layer
7.4 Guidance Gate
7.5 性能结果
7.2 PROBE整体方法
7.3 Diagnosis Layer
7.4 Guidance Gate
7.5 性能结果
8. TraJudger—多智能体系统故障诊断
8.1 MAS诊断的现实挑战
8.2 TraJudger框架
8.3 神经-符号协同诊断
8.4 故障传播步骤设定
8.5 企业部署成效
8.2 TraJudger框架
8.3 神经-符号协同诊断
8.4 故障传播步骤设定
8.5 企业部署成效
9. AgentOps小结与展望
9.1 边界与局限
9.2 未来突破方向
9.2 未来突破方向
10. 收尾与致谢
听众收益：
1. 建立统一的技术认知框架：厘清OpsAgent（面向运维的智能体）与AgentOps（面向智能体的运维）的对象、挑战、核心能力和演进路线，理解二者为何需要协同建设。
2. 掌握可复用的诊断与恢复方法：结合FoundRoot、OScope、PROBE和TraJudger，学习结构化推理、SFT+RL、知识对齐、报告校验、神经-符号协同、证据链构建和Guidance Gate等关键设计与技术取舍。
3. 获得工程落地的判断依据：结合性能结果、企业部署成效及边界与局限，理解各方案在微服务、操作系统、软件工程Agent和多智能体系统中的适用条件，以及如何把诊断结论转化为约束下一轮执行的修复动作。
听众收益：
1. 建立统一的技术认知框架：厘清OpsAgent（面向运维的智能体）与AgentOps（面向智能体的运维）的对象、挑战、核心能力和演进路线，理解二者为何需要协同建设。
2. 掌握可复用的诊断与恢复方法：结合FoundRoot、OScope、PROBE和TraJudger，学习结构化推理、SFT+RL、知识对齐、报告校验、神经-符号协同、证据链构建和Guidance Gate等关键设计与技术取舍。
3. 获得工程落地的判断依据：结合性能结果、企业部署成效及边界与局限，理解各方案在微服务、操作系统、软件工程Agent和多智能体系统中的适用条件，以及如何把诊断结论转化为约束下一轮执行的修复动作。
敬请期待
......
.....
待定
待定
敬请期待
....
关注QECon公众号
议题投稿
speaker@qecon.com.cn
商务合作
151-2264-3988 木子
票务联系
135-2067-8913 媛媛
媒体合作
135-1619-6409 皮皮
添加QECon小助手，获取
会议最新资讯
购票咨询
13520678913 媛媛
