课程简介

在当前 Agent 技术快速发展的背景下，行业面临着不容忽视的痛点。一方面是通用Agent与实际落地的脱节，很多 Agent 在实验室环境中表现出色，却在复杂的真实业务场景中难以发挥价值。另一方面是，生产级 Agent 的要求远不止于跑分数据，稳定性、可扩展性、业务贴合度等实际指标的达成，成为制约 Agent 技术大规模落地的核心瓶颈。

Agent 技术已从早期的单一任务执行向通用智能演进，学术界和产业界在多智能体协作、意图理解等领域取得了不少进展。但整体而言，缺乏成熟的体系化构建方法，分层架构设计不清晰、子智能体复用率低、长期记忆与自我迭代机制不完善等问题普遍存在。

本次分享正是聚焦生产级通用 Agent 的构建实践，深入探讨自底向上的智能中枢架构设计，解析分层多智能体的最佳实践，分享意图识别、任务拆解与子智能体编排的核心逻辑。同时，详解长期记忆与自我迭代机制的实现，以及垂类搜索优化的关键路径。此外，还将分享 Agent DevOps 体系的搭建与落地案例，为行业提供一套从技术架构到工程实践的完整参考。

课程收益

1、帮助学员掌握分层架构设计方法论，提升智能体组件复用率；

2、帮助学员构建可自我迭代的智能体系统，提升运维效率；

3、帮助学员掌握垂类场景搜索增强技术，问题定位效率倍增

受众人群

架构师、技术总监、CTO、AI工程师、SRE工程师、DevOps工程师、产品经理、业务分析师、领域专家，以及其他对智能体感兴趣的人员

课程周期

 0.5天（3H） 

课程大纲

1、分析核心问题

1）Agent构建的主要矛盾

2）Agentic vs Workflow

3）通用能力 vs 实际落地

4）生产级别Agent远不止跑分

2、智能中枢：自底向上的通用Agent构建

1）分层多智能体架构

2）构建可复用的Sub-Agent

3）分层设计最佳实践

4）意图识别、任务拆解与子智能体编排

5）长期记忆与Agent自我迭代

6）搜索&爬虫 – 垂类优化

3、分析Agent DevOps体系

1）指标设计

2）实验平台

4、经典落地案例 ：SRE Agent

1）集群巡检Agent

2）线上问题RCA Agent