1. 活动背景与核心价值Agentic AI自主智能体正在重塑人机交互的边界。不同于传统AI的被动响应模式这类系统具备目标导向、环境感知和自主决策能力能够主动规划任务路径并动态调整策略。南京作为长三角AI产业重镇在智能体技术研发和商业化落地上已形成独特优势——本地高校的认知科学基础研究、软件谷的工程化能力与制造业场景形成良性循环。本次活动将聚焦三个关键维度技术纵深从LLM智能体架构设计到多模态环境交互行业穿透拆解金融、医疗、智能制造等领域的差异化需求工程实践分享真实项目中的性能调优和部署经验2. 技术议程深度解析2.1 智能体架构设计工作坊采用认知层-决策层-执行层的三层架构演示class CognitiveLayer: def __init__(self, llm_backend): self.memory VectorDB() self.reasoner llm_backend class DecisionLayer: def plan(self, task): # 基于HTN的层次任务网络 pass class ExecutionLayer: def act(self, env): # 多模态动作执行 pass关键设计考量记忆模块的检索准确率 vs 延迟权衡实测RAG方案在90%准确率时延迟增加300%动作空间设计中的安全约束必须包含硬中断机制2.2 金融风控智能体实战某银行反欺诈系统升级案例传统规则引擎漏报率42%智能体方案实现动态风险评估树DRT算法实时交易流处理延迟800ms效果对比指标旧系统智能体检出率58%89%误报率15%6%平均响应时间1.2s0.7s重要经验金融场景必须保留可解释性接口我们开发了动态决策树可视化工具3. 工业场景创新指南3.1 智能制造中的物料调度某汽车焊装车间案例传统调度问题设备空闲率高达35%智能体方案特点基于数字孪生的仿真训练多目标优化能耗/时效/成本突发故障的应急重规划实施效果设备综合利用率提升至82%急单处理时效提升40%3.2 医疗问诊智能体设计三甲医院合作项目避坑要点医学知识更新机制PubMed每日增量数据过滤管道循证医学证据等级标注对话安全设计症状严重程度分级响应必现的导诊建议特别注意事项必须通过《医疗AI产品临床评估指南》认证问诊路径需留存完整审计日志4. 工程化挑战解决方案4.1 性能优化实战某电商客服智能体优化历程初始问题高峰时段响应延迟5s优化步骤对话状态压缩算法节省68%内存异步推理流水线设计GPU实例自动伸缩策略最终指标P99延迟降至1.3s并发能力提升5倍4.2 可信保障体系必须实现的四重防护意图识别置信度阈值0.7时触发人工动作空间约束验证器连续异常行为熔断安全审计追踪模块5. 本地化创新生态南京特有的技术协同模式高校实验室南大LAMDA组的迁移学习框架产业资源14个国家级智能制造示范工厂政策支持江北新区AI测试认证中心典型合作案例某电力巡检项目结合了南航的无人机控制算法东南大学的缺陷检测模型软件谷企业的工程化平台实现效果巡检效率提升3倍缺陷识别F1-score达0.926. 参与价值与实操准备建议参会者提前准备技术基础Python中级以上了解LangChain或AutoGPT框架环境准备安装测试用的智能体开发套件pip install agentic-kit export OPENAI_API_KEYyour_key场景思考列出自身业务中的3个潜在应用点特别设置现场提供南京AI云平台的免费算力资源优秀方案可获得本地产业基金对接