大会主题
从 Vibe Coding 到 Agentic Engineering：AI 研发范式跃迁
Vibe Coding 是AI研发起点，Agentic Engineering 是行业终极形态。核心拆解从「AI辅助编码」到「Agent自主落地」的核心跨越，聚焦Harness Engineering四大核心体系（评估Evaluation、可观测性Observability、价值落地Outcomes、治理Governance），详解从提示词工程（Prompt Engineering）→ 上下文工程（Context Engineering）→ 智能体工程（Agentic Engineering）的完整演进路径。
驾驭工程Harness Engineering
本专场聚焦驾驭工程的最新设计框架与落地实践。提示词工程仅针对单次模型交互做指令优化，应用增益已见顶；上下文工程将提示词管控纳入其中，统筹管理模型全部输入信息以保障输出质量；驾驭工程作为涵盖前两者的高阶体系，为大模型搭建完整的外部运行管控框架，支撑规模化、长周期、高质量的企业级AI落地。本专场将分享最新落地经验，涵盖企业级上下文与知识管理，多 Agent 编排与协同，长程任务管理与记忆体系搭建等深度内容。
Spec-Driven Development：规格驱动的开发新范式
AI赋能编码普及后，人的核心工作从「手动写代码」转变为「精准写规格」。规格驱动开发（SDD）是AI编码的核心质量前提，无精准规格则会加速无效代码产出。专场重点拆解GitHub Spec Kit、Amazon Kiro等主流工具的落地实践。
FDE 重塑软件交付
.......
生产级 AI Coding 实战：效率与质量的平衡术
AI编码演示效果成熟，但生产落地难题突出。聚焦AI编码从80%基础效果到100%生产可用的最后一公里，涵盖自动化代码评审、AI生成代码安全审计、大型复杂代码库上下文管理、Karpathy 80%原则实战验证，同时横向对比Claude Code、Cursor、GitHub Copilot三大主流工具的落地差异。
多智能体协作与编排：Agent 工程化落地
单智能体仅能实现轻量化演示，多智能体协同才是企业级核心生产力。重点拆解Sub-Agent核心编排架构（编排器-工作器、流水线、辩论三大核心模式）、动态工作流设计、智能体间通信机制与状态管理、故障自动恢复等工程化核心能力。
AI 驱动的需求工程与设计：从模糊到精确
需求模糊是制约AI编码落地的最大瓶颈，输入质量直接决定输出质量。专场聚焦AI辅助需求拆解、ATDD测试驱动开发新实践、设计规格自动生成，搭建从产品PRD到可执行技术规格的自动化闭环链路。
Agent 驱动的智能化测试：从辅助到自治
测试是智能体落地最成熟的场景。完整拆解 AI 测试演进链路：从 AI 辅助生成测试用例、Agent 自主执行测试、自主研判结果到自主闭环修复，落地 LLM 赋能下测试左移、测试右移一体化自治测试体系，输出覆盖需求到上线全流程的智能化质量落地实践。
AI 质量管控：从左移到右移的全链路实践
随着AI编码工具的快速普及，生成代码已成为开发日常，但随之而来的幻觉、缺陷和安全隐患也越来越突出，传统的质量保证方式已明显跟不上节奏。 本专场探讨在AI时代，如何建立一套真正适配的全链路质量保障体系：从开发早期就做好针对AI代码的评审和幻觉检测，到引入适合AI原生应用的新型测试方法，再到利用智能工具加强安全扫描和生产阶段的持续监控，实现从左移预防到右移验证的完整闭环。结合当前行业面临的实际挑战与最新实践，分享如何在加快交付的同时，切实把控住代码质量和风险，帮助团队平稳完成向AI驱动开发的转型。
评测驱动研发：模型与 Agent 的能力度量体系
本专场聚焦模型与智能体的评测体系搭建与实际研发落地。研发优化迭代依赖量化依据，缺少标准化度量，模型与Agent的升级优化便无明确抓手。当前多数评测方式指标不成体系、贴合业务场景不足，难以有效指导AI编码、人机协作、智能体任务执行等研发工作。本场将围绕实操落地，分享LLM与智能体评测体系的搭建方法，梳理AI编码效率、人机协作效能等核心评估指标，介绍评测基准的设计逻辑、实操流程及行业对标手段，帮助团队建立常态化评测机制，依托量化数据推进模型与Agent的常态化迭代优化。
AI 时代非功能测试与安全新挑战
AI研发带来全新安全风险，包含提示注入、幻觉代码、数据泄露、供应链污染等新型问题。专场聚焦AI应用专属安全测试、新型性能测试范式、合规性审计自动化落地方案，解决AI研发的非功能风险难题。
Skills 构建与优化
.......
AI + 平台工程：研发基础设施的智能化演进
本专场聚焦“AI+平台工程”在研发基础设施中的体系化落地，探讨大模型与工程平台深度融合所带来的研发范式变革。内容覆盖AI编码助手、自动化研发平台、研发数据闭环、研发流程端到端交付等关键方向，结合一线实践分享如何构建面向未来的智能研发底座。在成本、效率与质量多维约束下，解析企业如何通过平台化与AI能力的协同演进，实现开发者生产力跃迁与工程体系的持续优化，推动从“工具增强”迈向“智能协同”的新阶段。
智能运维与 SRE 变革：Agent 驱动的稳定性保障
......
研发智能体与数字员工：从工具到队友
AI的核心价值从「辅助工具」升级为「团队协作队友」。明确研发数字员工的定义与能力边界、人机协同协作模式设计、智能体权限与安全管控体系、企业组织级Agent规模化部署策略。
上下文工程与知识工程
在大模型与AI原生研发浪潮下，软件研发正从传统的代码流程驱动，迭代为知识驱动的全新范式。上下文工程与知识工程是AI研发提质增效的核心底座，可打通研发信息壁垒，沉淀企业核心知识资产，实现研发流程可追溯、可复用、智能化迭代，高效解决研发上下文零散、知识沉淀不足、AI落地适配性弱、模型幻觉等行业痛点。构建标准化上下文治理体系、搭建研发知识图谱、以知识赋能全流程智能研发，已是企业研发升级的核心方向。本次「上下文工程与知识工程」分论坛汇聚行业技术专家与一线实践者，聚焦领域前沿，深度探讨上下文建模治理、研发知识复用、知识驱动研发质量与效能优化等核心议题，分享头部企业实战落地经验，为行业搭建智能化、标准化的新一代研发体系提供可落地的实践参考。
AIGC 时代质效度量与研发管理新实践
AI重构研发生产力的同时，彻底颠覆了传统度量体系，传统代码行数、故事点等指标已完全失效。专场聚焦AI编码全新效率指标体系、人机协作效能度量方法、AI时代研发组织架构变革与技术人才培养体系升级。
AI 驱动的技术债治理与安全
辩证解答AI与技术债的关系：AI既是存量技术债的解决方案，也可能产生新增技术债。重点落地AI辅助遗留系统理解与重构、知识图谱+RAG搭建企业代码知识库、AI生成代码的长期可维护性保障方案。
Agent 可观测性
.......
CONFERENCE TOPICS
......
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
