专题：Agent与多模态

实现能够解决复杂业务问题的并具备企业级稳健性的 Agent 架构，面临开发复杂、工具集成缺失、协同难的难点。本次分享将重点介绍 Agent Development Kit (ADK)、Model Context Protocol (MCP) 和 Agent2Agent Protocol (A2A) 三大创新技术如何重塑 Agent 的开发与协作范式。您将看到 ADK 如何简化 Agent 的开发与编排 ，MCP 如何标准化 Agent 与工具及数据的交互 ，以及 A2A 如何实现 Agent 间的协作 。我们还将通过一个实战演示展示这三者如何协同作用，构建出模块化、可扩展、企业级的下一代 Agent 架构，为开发者和架构师提供构建下一代智能解决方案的清晰蓝图和实践指导。

演讲提纲：

1. 企业级 AI Agent 的发展机遇与架构挑战
2. ADK 重塑 Agent 开发和部署

• ADK 设计理念：模块化、可控性与开发者体验 
• ADK 的核心支柱：构建、交互、评估、部署

3. MCP 赋能 Agent 与世界的连接

• MCP 主要用来解决什么问题
• MCP 架构和工作原理

4. A2A 实现 Agent 之间通信和协作

• A2A 通过新的协议和自然语言简化 Agent 到 Agent 的协作
• A2A 如何进行 能力发现，任务管理，数据交互，相互协商

5. ADK + MCP + A2A 构建企业级 Agent 实践

• 演示多个 Agent 如何进行协作

6. Agent 未来展望

听众受益：

• 理解企业级Agent在实际落地中的挑战与解决思路
• 掌握 ADK, MCP, A2A 三大前沿技术
• 熟悉使用 ADK+MCP+A2A 构建多 Agent 的实战经验

本次演讲聚焦 Google Gemini 的多模态能力，深入探讨生成式AI在赋能企业和行业创新中的应用实践。我们将展示 Gemini 如何在电商营销、智能客户服务、多媒体内容管理及直播安全审核等核心场景下，驱动流程重塑、提升效率并创造新价值。旨在为参会者提供将前沿多模态 AI 技术应用于自身业务的实战洞察与启发。

演讲提纲：

1. 认识 Google Gemini 与多模态能力
2. Google Gemini 能力特点 (多模态处理和生成)
3. 核心应用场景解析
4. GenAI 的下一步探索方向

听众受益：

1. 了解 Google Gemini 这样的顶尖 AI 技术，如何在实际商业场景中落地，解决具体问题。
2. 多行业启发：看到 AI 在电商、媒体、客服、内容安全等不同领域的精彩应用案例，或许能给您所在的行业带来新灵感。
3. 技术选型参考：理解强大的多模态能力能做什么，以及与 Google Cloud 等平台的合作如何加速创新。
4. 对未来的展望：了解 GenAI 和多模态 AI 的发展方向，以及它们将如何继续改变我们的商业和生活。

DeepSeek的崛起证明，“开源普惠+场景深耕”是银行业AI转型的核心路径.本演讲将深度解析大模型驱动的Data Agent技术如何重塑金融机构数据价值链。通过数势科技智能分析平台SwiftAgent与DeepSeek的技术融合实践，分享语义层自动化构建、自然语言完成可视化分析、多模态推理决策等创新技术路径。重点以头部城商行合作案例为样本，揭示大模型在金融机构智能经营分析、财报分析、以及决策建议等场景中实现的分析效率倍增与决策质量跃升。最后提出基于DeepSeek框架的金融数据智能演进路线图，为行业提供可落地的建设方法论。

演讲提纲：
一、破局时刻：金融数据智能的范式迁移

1. 行业痛点：传统BI工具在实时决策、语义理解、知识沉淀的三大瓶颈  
2. 技术拐点：大模型Data Agent带来的"语义理解+指标计算+决策推理"三阶进化  
3. 价值重构：从数据可视化工具到业务决策中枢的定位升级  

二、技术攻坚：SwiftAgent的架构突破与实践  
1. 核心架构设计  

• 三层架构：企业指标库（Metrics）- 业务语义层（Semantic Layer）- 决策引擎层（Agent）  
• 与DeepSeek的技术协同：知识蒸馏、动态微调、多模态输出、深度推理  

2. 关键技术突破  

• 语义层自动化构建：行业指标库叠加DeepSeek之后可以自动化生成语义层，具有一定的行业知识，还支持人工二次校验
• 动态可视化引擎：基于自然语言意图的图表自适应生成技术  
• 决策推理模块：融合规则引擎与生成式推理的混合架构  

3.全面兼容MCP协议

三、实战解码：城商行智能分析场景突破
1. 城商行合作案例项目背景：  

• 痛点：指标分散、人工开发效率低、异常归因困难。  
• 目标：构建统一指标管理平台，实现数据驱动决策。  
• 场景选择：智能经营分析、财报分析、决策建议闭环 
• 实施路径：业务语义层构建→深度归因洞察→智能决策建议
•  效能提升：  

     ✓ 取数和指标计算效率提升40%，异常问题定位时间缩短60% 
     ✓ 业务分析报告生成周期从3天缩短至1小时  
     ✓ 业务人员自主分析覆盖率从18%提升至90%+ 

2. 技术架构  

• SwiftAgent智能分析平台：集成DeepSeek-R1模型，支持自然语言交互与动态归因分析^  
• 联邦学习+区块链存证：确保数据安全合规，满足《数据安全法》要求。  

3. 关键技术验证  

• 行业黑话处理：基于DeepSeek的推理能力，减少对微调的依赖，自动沉淀行业Know-how
• 复合指标计算：NL2Semantics2Metrics+Label API替代NL2SQL
• 推理路径可解释：采用思维链（CoT）技术架构验框架，支持策略推到回溯
• 多模态处理能力：支持表格、影像等非结构化数据解析，提升风控效率

 
四、未来布局：金融数据智能演进路线
1. DeepSeek框架下的建设路径："四阶递进机制"

• 基于DeepSeek框架构建决策Agent网络
• 通过指标血缘管理保障语义一致性
• 设计数据脱敏与推理可解释性增强架构
• 建立从数据准备到决策建议的持续进化闭环

2. 关键实施策略  

• 数据管理前置：指标血缘管理与语义一致性保障  
• 闭环反馈与持续进化：数据准备到数据分析到决策建议的闭环机制  
• 安全增强架构：数据脱敏与推理过程可解释性设计  

演讲亮点：

1. 技术突破性创新：三层架构重构数据价值链，实现从数据管理到决策建议的全链路闭环，突破传统BI工具在实时决策和知识沉淀的瓶颈
2. 行业标杆级实践：帮助头部城商行实现分析效率与决策质量双跃升
3. 可进化决策体系：从“数据-分析-决策-反馈”闭环，支持业务场景动态迭代

用户收益： 

1. 获取经头部机构验证的Data Agent实施框架（含知识蒸馏、动态微调等关键技术）
2. 效率提升： 掌握自然语言交互实现分析效率指数提升的方法论（已实现90%+业务自主分析覆盖率）
3. 场景落地：学习多模态数据处理技术（支持表格/影像解析）与思维链（CoT）推理路径回溯方案
4. 行业洞察：把握金融数据智能从"可视化"到"决策化"的演进趋势