AiDD研发数字峰会

论坛主席：琚生根教授

四川大学计算机学院教授，博士生导师，中国计算机学会杰出会员，CCF信息系统专委会常务委员，数据库专委会委员。研究兴趣包括：教育大数据、自然语言处理、程序理解。近年来承担了企业研发、省部级、国家级项目10多项；在国内外高水平学术期刊和会议发表论文100多篇；已授权发明专利24项，软件著作权3项。主持开发了医学知识图谱、在线编程实训系统、面向用户社交媒体的抑郁症风险检测系统等软件。获得省部级以上奖励2项。

四川大学计算机学院教授/博士生导师

AI数据工程与知识工程

本论坛聚焦AI数据工程与知识工程，致力于构建大模型时代的智能数据底座。论坛涵盖向量数据库、知识图谱构建、RAG优化、数据治理与质量保障等核心技术。通过深入探讨多模态数据融合、语义检索增强、知识库持续进化等关键议题，我们将共同见证数据从"被动存储"向"主动赋能"的范式转变，为AI应用提供坚实的知识支撑。

大模型智能体与行业应用实践

秦小林

中国科学院成都计算机应用研究所副总工程师/研究员、博士生导师

内容简介：

人工智能作为新一轮科技革命和产业变革的重要驱动力量，将对全球经济社会发展和人类文明进步产生深远影响。本报告将简要介绍目前人工智能前沿进展，特别是以DeepSeek、ChatGPT为代表的大语言模型发展现状；介绍团队在大模型智能体典型场景应用代表性工作，包括：端侧AIOS、设计智能体、大科学装置辅助智能体等；最后结合国家多部委联合发布的《智能体规范应用与创新发展实施意见》，简要分析智能体创新与应用的机遇与挑战。

演讲提纲：
1.大模型智能体前沿进展，包括：最新模型的进展GPT、DeepSeek、Kimi、智能体等；
2.行业应用实践：包括：端侧AIOS、设计智能体、大科学装置辅助智能体，具身智能场景应用等，AI智能体发展机遇与挑战。

听众收益：
1.了解目前大模型智能体的前沿进展；
2.行业场景应用实践的路径与方法；
3.目前AI智能体面临的一些挑战与机遇。

中国科学院成都计算机应用研究所副总工程师，研究员，中国科学院大学岗位教授，博士生导师，CCF、CICC、IEEE高级会员，主要从事自动推理与空间智能、行业垂域大模型研究。国家级人才计划项目入选者、天府青城计划科技创新领军人才、四川省学术和技术带头人、省顶青和杰青获得者，中国科学院西部青年学者等；获省部级一等奖、四川省科技进步二等奖、中国科学院院长奖等，主持国家自然科学基金、国家重点研发计划课题、中国科学院STS计划、四川省人工智能重大科技专项等10余项；发表高水平学术论文30余篇，包括顶级期刊会议IEEE TIP、ACL、CVPR、ICCV等。

“法管家”法律大模型与智能体应用：
面向律所与律师的智能化法律产品

秦永彬

贵州民族大学党委常委、副校长/文本计算与认知智能教育部工程研究中心主任

内容简介：

介绍国内首个“双备案”的“法管家”法律大模型的研发过程及体系架构、数据基座、技术对比、应用探索等情况，介绍“小法律助”软硬件一体化智能体的产品构思、产品研发、原型验证及律所应用等智能化应用探索。

演讲提纲：
1.科研团队基本情况与“法管家”法律大模型研发情况
2.法律人工智能现状与思考
3.“小法律助”软硬件一体化智能体研发
4.“小法律助”律所及律师应用情况
5.法律智能化应用未来展望

听众收益：
1.了解法律垂直领域大模型的构建逻辑和体系架构；
2.了解法律领域智能体的构建逻辑
3.了解面向律所和律师的软硬件一体化产品的研发与应用实践

教授、博士生导师，国家重点研发计划首席科学家。贵州省科技创新领军人才，贵州省人民政府特殊津贴获得者，贵州省普通本科高校“金师”，贵州省首届数字经济领域重点人才。现任贵州民族大学党委常委、副校长，兼任贵州大学文本计算与认知智能教育部工程研究中心主任，贵州省人工智能实验室副主任。曾任贵州大学计算机科学与技术学院（贵州保密学院）党委副书记、院长，省部共建公共大数据国家重点实验室常务副主任。
学术兼职：中国计算机学会高级会员，中国计算机学会大数据专家委员会执行委员，中国计算机学会大模型论坛创始委员，中国中文信息学会大模型与生成专业委员会执行委员，中国人工智能学会会员，ACM中国区重庆分会副主席，《大数据》期刊编委会编委。贵州省计算机学会副理事长兼秘书长。贵州省大数据教育及网络安全教学指导委员会委员，贵州省教育信息化专家委员会委员。

面向云产品诊断的 RAG 与知识图谱融合实践

李佳骏

阿里云数据库技术专家

内容简介：

阿里云各产品线（数据库、容器、大数据、中间件、网络等）每天产生海量工单、故障案例、产品文档、SOP 与专家经验，但知识长期“存得多、用得少”，诊断仍高度依赖个人经验。本议题先简要介绍知识工程的演进，包括RAG、知识图谱与本体三个概念及其互补关系：RAG 负责语义召回，知识图谱负责关系推理，本体为图谱提供可跨产品扩展的概念骨架。随后聚焦云产品诊断这一共性场景，讲解如何把分散资料组织成可被诊断系统调用的知识底座。重点拆解三个问题：海量资料如何分层、分域拆分构建；知识图谱如何约束搜索空间、多跳定位根因、沉淀排查路径以提升诊断效率；以及诊断能力如何在反馈闭环中持续演进、并在产品间复用迁移。

演讲提纲：
1.前言：知识工程演进
RAG 做语义召回、图谱做关系推理、本体做概念建模，三者互补；本体定义统一的「现象—指标—根因—方案」骨架，知识工程由此从静态存储走向动态认知。
2.咨询类问题：云产品海量知识建图
定义 9 类实体、11 类关系的闭合本体；按文档类型路由抽取策略，每条关系必带原文证据，不臆造、不泛化，确保图谱知识可溯源。
3.诊断：知识图谱如何提升诊断性能
图谱当知识仓库、动态 playbook 当诊断处方：原始资料库清洗之后入图，诊断时动态拼装针对性的 playbook。
4.演进：诊断能力如何在图谱中进化与迁移
原始资料入库即回写权重，不断培育新知识，多点证实渐进晋升，错案精确回放到具体原始资料和图节点及时纠正。

听众收益：
1.理解 RAG、知识图谱、本体在诊断场景的分工，以及“本体”为何是跨产品扩展的骨架，避免只做单产品向量问答的误区。
2.知识图谱可落地的工程化实践：如何把海量工单与知识资料拆分、建模为诊断图谱，并用于根因定位与方案推荐。
3.获得Agent诊断能力持续演进的思路，让让诊断 Agent 越用越准、一处沉淀多处复用”，从个人经验升级为组织级智能诊断能力。

阿里云数据库技术专家，在数据库据库领域有丰富的运维经验，擅长智能诊断体系构建，深度参与阿里云云小二诊断能力建设。当前正推进检索增强生成与知识图谱技术在云产品诊断场景的融合应用，构建高精度、可自进化的智能诊断能力。

如何让企业知识真正成为Agent可信决策的基础？

朱怡诺

中兴通讯数据研发中心知识工程负责人

内容简介：

企业知识常陷于“孤岛”与“黑盒”泥潭，导致Agent在消费动态知识时频发幻觉，难以支撑业务可信决策。为此，我们以“知识网络构建-知识治理-知识校准-Agent消费”为主线，以跨组织多维知识网络构建为基础，以可度量、可编辑的治理为保障，打造了一套完整业务价值闭环。本次分享将重点拆解核心创新引擎——“动态解析+静态锚定”双模机制，展示如何用确定性的知识网络去约束非确定性的AI生成。验证了知识赋能Agent可信决策的最佳路径，更真正让企业知识成为了Agent可信决策的基石。

演讲提纲：
1. 知识网络构建与治理闭环
2. 核心创新：“动态解析+静态锚定”引擎
3. Agent精准消费与业务价值验证

听众收益：
1. 破解知识图谱“建完即废”的工程化治理方案
收益点：带走一套从“黑盒”到“白盒”的知识管理闭环架构。
解析：资深同行都知道图谱“建容易管难”。本分享将重点拆解如何设计可量化的度量指标体系（而非凭感觉），以及如何低成本实现 “人在回路”的干预机制，解决图谱关系衰减和质量失控的工程顽疾。
2. 获得一种约束大模型/智能体“幻觉”的实战架构
收益点：掌握“静态精准知识兜底动态碎片知识”的校准引擎设计思路。
解析：纯RAG或纯Agent在处理动态知识时极易产生幻觉。听众可借鉴我们如何在智能体调用链路中嵌入“校准器”，用确定性的知识模型关系去锚定和约束非确定性的AI生成内容，大幅提升复杂场景下AI回答的企业级可用度。

中兴通讯数据研发中心知识工程负责人，兼研发教练，从事AI+研发过程改进工作，负责端到端知识工程和智能体网络规划设计与落地。曾从0-1设计落地一站式研发管理平台，在AI+软件研发生产力工具、知识工程领域有丰富的企业级实践经验。

AiDD峰会

K+峰会

联系我们