从「构建 AI」到「驾驭 AI」，100+ 实战案例拆解 AI Native 时代的工程新实践！
推理模型持续突破能力边界，Coding Agent 深度参与研发流程，Agent Runtime、Agent Framework 快速演进……AI 正在从回答问题的模型，演变为能够自主规划、调用工具、执行任务的软件系统。AI 不再只是软件中的一个能力，而开始成为软件系统的一部分。这意味着软件工程面对的挑战也发生了变化：团队需要思考的不再只是如何训练模型、模型、部署模型 或优化 Prompt，而不是如何让具备自主能力的 AI 稳定、可信、可控地运行。模型决定 AI 能做什么，系统决定 AI 能否真正创造价值。
在这一背景下，2026 年 QCon 全球软件开发大会大会 · 上海站正式启动。本次大会将于 10 月 22 日—24 日举办，聚焦 Harness AI 时代的工程实践，围绕 AI Native 架构、Agent Runtime、AI Infra、Data Systems、Agent 安全与可观测、Loop Engineering、Vibe Coding、具身智能与世界模型、端云协同等前沿技术方向，邀请全球技术社区与产业一线的实践者，系统性分享前沿洞察与实战经验，共同探索 AI 从能力到系统、从实验到生产的真实路径。
香港科技大学助理教授袁彬航博士已确认出席 “AI Infra：算力效率决定规模化落地” 专题，并发表题为《让 Agent 越用越强：AReaL 2.0 构建 Agent 在线强化学习闭环》的主题分享。随着 Coding Agent、企业智能助手等 Agent 应用进入真实生产环境，如何让 Agent 在持续使用过程中不断提升能力，成为下一阶段的重要挑战。传统 Agent 系统产生的大量交互轨迹、工具调用记录和用户反馈通常仅用于日志分析，难以转化为模型能力提升的数据闭环。本次分享介绍 AReaL 2.0 如何构建面向 Agent 自演进的在线强化学习基础设施。方案通过 Agent 轨迹协议、数据代理层和演进控制平面，将真实业务交互转化为可训练、可回放、可治理的数据，并通过微服务化 Agent-Compute 架构，实现无需重构原有 Agent 即可接入 Online RL。在 Hermes Agent 和软件工程 Agent 场景中，该方案支持大规模并发环境、异步训练和持续优化，使 Agent 从“一次性执行系统”逐步演进为“持续学习系统”。
袁彬航博士，香港科技大学（HKUST）计算机科学与工程系（CSE）的助理教授。他在莱斯大学（Rice University）获得博士学位和硕士学位，并在复旦大学获得学士学位。在加入香港科技大学之前，他曾在瑞士联邦理工学院苏黎世分校（ETH Zurich）担任博士后研究员。主要研究方向包括大语言模型服务系统，面向机器学习的数据管理系统，以及分布式和去中心化的机器学习系统。他曾经获得 2019 年 VLDB 最佳论文提名奖，2020 年 SIGMOD 研究亮点奖。他在本次会议的详细演讲内容如下：
演讲提纲：
1. Agent 为什么需要从执行闭环走向学习闭环
分析当前 Agent 在工具调用、任务规划方面的发展，以及真实生产环境中“无法持续变强”的核心问题。
介绍线上 Agent 产生的多轮交互、工具调用、用户反馈等数据为何无法直接用于训练。
2. 面向 Agent 自演进的新型 RL 基础设施设计：
介绍 Agent Trajectory Data Protocol：将传统日志升级为包含状态、动作、反馈、奖励和环境信息的学习轨迹。
介绍 Agentic Data Proxy：解决生产环境中的轨迹采集、权限隔离、数据治理和回放问题。
介绍 Agent Evolution Control Plane：根据失败类型决定优化对象，例如 Memory 更新、Harness 调整或模型 RL 更新。
3. Online RL 微服务化实践：
分享如何通过 Gateway、Router、Data Proxy 和 Agent-Compute Worker 解耦 Agent 服务与 RL 训练系统。
重点介绍低侵入式接入方式：无需重写 Agent workflow，仅替换推理入口即可引入真实交互训练闭环。
4. 实践中的关键踩坑经验：
线上日志不足以支撑 RL，需要设计面向学习的数据协议。
直接在线更新容易造成模型回归，需要结合离线评估、灰度发布和版本回滚。
Agent 失败原因复杂，需要区分 Memory、Tool、Prompt、Model 等不同优化路径。
实践痛点：
首先，Online RL 的最大挑战是稳定性。Agent 的运行环境不断变化，包括用户行为、工具版本和任务分布变化，因此一次模型更新可能提升部分任务，同时导致已有能力退化，需要额外设计回放评估、灰度发布和快速回滚机制。
其次，Reward 设计仍然困难。相比传统 RL 任务，Agent 的成功往往涉及多个维度，例如任务完成率、工具调用效率、成本、安全性和用户满意度。过于简单的奖励容易导致 reward hacking，而过于复杂的奖励又增加系统建设成本。
第三，Agent 自演进并不是单纯更新模型参数。一个完整 Agent 包含模型、Prompt、Memory、Tool、规划策略等多个模块，如何准确定位问题来源，并决定应该优化哪一部分，是实际部署中的关键挑战。
此外，在线学习和生产稳定性存在天然矛盾。快速更新可以提高适应能力，但也会增加业务风险，因此需要在学习速度、系统可靠性和治理成本之间进行权衡。
演讲前沿亮点：
区别于传统 RLHF 或 RLVR 系统主要关注模型训练过程，本方案关注 Agent 从生产交互到能力提升的完整闭环。核心创新在于将真实 Agent 工作流中的轨迹、工具调用和反馈转化为可学习的数据资产，使 Agent 能够基于实际使用经验持续优化。
采用低侵入式 Online RL 接入方式。传统 Agent 强化学习通常需要重新构造环境或开发专门模拟器，与真实业务存在较大差距。本方案通过微服务化架构，将 Agent 服务、轨迹采集和训练系统解耦，使已有 Agent 可以较小改动接入在线学习流程。
强调 Agent 演进过程中的系统治理能力。不仅关注“如何训练更好的模型”，还关注“为什么更新、更新什么、如何验证更新效果”。通过轨迹分析、失败归因和演进控制，实现更加可靠的企业级 Agent 持续优化。
听众收益：本次分享将帮助听众理解 Agent 基础设施发展的下一阶段趋势：从传统的模型调用和工作流编排，进一步发展到能够持续学习和自我优化的智能体系统。技术层面，听众可以了解如何构建 Agent Online RL 闭环，包括轨迹协议设计、生产数据采集、Serving 与 Training 融合、奖励反馈管理以及模型更新流程。工程实践层面，分享将总结真实部署中的关键经验，包括为什么简单日志无法支撑强化学习、为什么在线更新容易导致系统退化、如何通过数据治理和版本管理保障生产稳定性。对于正在建设企业级 Agent 平台的团队，本次分享能够提供一种新的系统设计思路：无需推倒已有 Agent 架构，而是通过基础设施升级，将现有 Agent 转变为具备持续优化能力的学习型系统，为未来构建“越使用越强”的 AI 应用提供参考。
除此之外，本次大会还策划了Loop Engineering、千行百业 Agent 创新实践、Agent 自主进化：从记忆到持续学习、Agent as a Service、Vibe Coding 时代的新质量债、理性驾驭 AI 的 SRE 可靠性工程、金融 AI Native工程实践：从研发提效到业务破局、AI Infra：算力效率决定规模化落地、AI Native 架构等 20 个专题论坛，届时将有来自不同行业、不同领域、不同企业的 100+资深专家在现场带来前沿技术洞察和一线实践经验。
查看更多详情可扫码或联系票务经理 18514549229 进行咨询。
