在广告行业中，有句名言：“我深知我的广告费用中有一半是徒劳无功的，但遗憾的是，我无法确切地指出是哪一半。”这句话揭示了营销领域长期存在的困惑与挑战。面对有限的预算，如何高效进行会员运营成为商家亟待解决的问题。随着市场竞争加剧，借助人工智能（AI）技术及单智能体和多智能体系统提升客户营销活动效率，成为当今的重要课题。

在此背景下，瓴羊通过技术创新驱动营销效能升级，探索出一条新路径。具体而言，在商品图片二次创作、模板行业准入审核以及营销活动效果深度分析等关键场景中，瓴羊由内至外通过多种多样的Agent在营销场景为营销人员提效。

首先，在商品图片二创方面，瓴羊利用基于深度学习的图像处理算法，结合DeepSeek和行业主流大模型，模版自动生成高质量且符合品牌调性的创意素材，丰富视觉内容库并降低人工成本；其次，针对模板行业的准入审核流程，构建智能化评估模型，自动识别并筛选出符合标准的设计作品，加快审批速度并保证内容质量和合规性；最后，在营销活动效果深度分析环节，结合大数据与推理大模型，精准分析定位目标受众群体，优化资源配置策略，实现更高的投放回报率。

演讲提纲：

1. AI时代，营销人面临的挑战与机遇
   • 人（运营活动越来越频繁）
   • 货（如何匹配合适素材）
   • 场（活动策略和效果衡量）
2. 会员营销AI和Agent的演进
   • 第一阶段：AI能力辅助客户运营，解决大促期间运营小二辅助客户准备活动素材的资源瓶颈
   • 第二阶段：打磨点状AI功能助力客户效率提升：从生图到基模训练、联合通义万相团队丰富垫图背景图的训练，打造AI图生图链路功能闭环
   • 第三阶段：内部营销Agent快速搭建打磨：模版催审、分析洞察、汽车行业策略等多场景，技术上基于阿里内外的搭建平台熟悉磨合如何构建Agent，逐步完成核心API开放和知识库构建
   • 第四阶段：营销多Agents构建：在会员运营全链路中的人群透视圈选、文案生产美化、活动结案投放等多个Agents；结合产品场景，确定Agent全面嵌入化，助手意图聚合、Agent要素透明化、API接口MCP化、知识库集中化几大原则，快速丰富提升产品的AI能力
3. 营销Agent的未来
   • 营销全域知识库的持续建设
   • 自主规划智能体、智能托管模式

听众收益：

1. ToB营销领域模型训练与Agent生态的应用场景差异
2. 聚焦哪些营销场景适合用Agent来提效，以及如何构建Agent

在 AI 的驱动下，消费领域的流量结构正经历深刻变革，传统的电商生态的价值链正在被重塑，AI 应用正在逐渐变成人们的消费决策入口。同时，AI 也在构建自己的生态，这一过程中，行业出现明显的生态分层，使得垂直领域的“工具”提供者拥有了全新的生态位。MCP 的出现，使得生态的进展更加迅速，也让 MCP 服务的提供者们有了更大更快的发展空间。

我们实践表明，这一路径具有显著价值。我们的 MCP Server 已经为众多合作伙伴提供消费领域的信息支持，并且在近期获得了长足的增长。这一成功案例不仅验证了 MCP 工具的市场需求，也为行业提供了可复用的方法论，可以为垂直领域的企业提供 AI 时代的策略参考。

演讲提纲：

1. AI正在变成用户消费决策的新入口
2. 消费场景下，AI应用所面对的挑战 —— 数据与技术
3. AI生态下，消费领域MCP实现方案
4. 多模态场景下的MCP增强方案
5. 应用实践与案例分析

听众收益：

1. 了解在AI生态演进过程中，把握合理的生态位选择
2. 学习如何充分适配大模型的能力，充分发挥垂直领域的能力，而不被大模型的进步所碾压
3. 学习如何通过MCP更快地推广自己的垂直领域能力

本次演讲探讨Amazon 如何利用Agentic AI 大规模变革软件开发的实践。我们将探讨从传统开发工作流到人工智能增强流程的演变，并展示自主代理在实际应用中如何在整个软件生命周期内为开发者提供的强力支持。与会者将深入了解Amazon如何将AI Agent集成到开发工作流程中的方法、面临的挑战以及对生产力、代码质量和开发者体验的可衡量影响。

本次演讲将涵盖Agentic AI 的技术架构以及在大规模软件开发环境中成功应用这些技术所需的技术迭代与组织变革等。

演讲提纲：

1. 简介与背景
   • 在软件开发背景下定义Agentic AI
   • 自主的AI Agent 为何对现代开发实践至关重要
   • Amazon 软件开发的演变
2. Amazon 的Agentic AI 的发展概况
   • AWS Cloud 9：Cloud IDE 的尝试
   • CodeWhisperer：从代码补全到自主代码生成
   • Amazon Q Developer：基于人工智能的编程助手及代理
   • Kiro：从“氛围编码”到“意图驱动的开发”
   • MCP 的革命 - 与Amazon 开发工具和服务集成
3. 开发生命周期中的Agentic AI
   • 代码生成与审查
     • 根据需求自主生成代码
     • AI 驱动的代码审查和安全扫描
     • 自动重构和优化建议
   • 测试与质量保证
     • 智能测试用例生成
     • 自动检测和解决错误
     • 通过AI分析与性能优化
   • 文档与知识管理
     • 自动文档生成
     • 代码解释和知识传递
     • 保持技术债务的可见性
   • 实施挑战与解决方案
     • 信任与可靠性：确保 AI Agent 决策值得信赖
     • 集成复杂性：将Agent 无缝嵌入现有工作流程
     • 开发人员采用：变更管理和培训策略
     • 安全注意事项：保护敏感代码和数据
     • 可扩展性：AI 代理的管理
   • 可衡量的影响与成果
     • 开发人员生产力指标和改进
     • 代码质量和安全性增强
     • 加快发布时间
     • 开发人员满意度和体验提升
     • 通过自动化流程优化成本 
4. 未来方向与最佳实践
   • 软件开发中Agentic AI 的新趋势
   • 对考虑采用团队的建议
   • 下一代Agentic AI 走向何方

听众收益：

• 深入了解 Agentic AI 如何改变软件开发工作流程
• 了解企业级 AI Agent 成功实施的真实案例
• 学习在自身组织中评估和实施 Agentic AI 的框架
• 洞察采用 AI 增强开发实践时如何克服常见挑战
• 衡量 AI Agent 对开发团队影响的可行策略
   

随着大模型技术的快速发展，AI Agent 正在重新定义编程助手的能力边界。如何让大模型生成的代码精准、智能地编辑到目标文件中，是 AI Coding Agent 的关键技术。
本次演讲将以 Trae 插件为例，全面解析 AI 编程助手从 Chat Copy 到 Agent 自主编辑的演进历程，深入探讨全文 Rewrite、Instruction Edit、Search Replace 等不同编辑方案的技术实现，展现代码编辑能力如何驱动 Builder 模式等产品形态创新，并分享实践案例与未来展望。

演讲提纲：

1. Agent 在 AI 编程助手中的落地
   • AI 编程助手的现状与挑战
   • Agent 技术在编程场景中的应用价值
   • 当前产品形态与用户体验分析
2. AI 编程助手的发展阶段
   • Chat Copy 阶段：基础交互
   • Chat Apply 阶段：自动化编辑
   • Agent 自主编辑阶段：智能化的飞跃
3. AI 是怎么编辑文件的
   • 全文 Rewrite 方案
   • 精准编辑技术方案
   • 编辑方案的对比与选择策略
4. 编辑能力驱动的产品形态创新
   • Builder 模式的设计理念
   • Chat 和 Builder 的深度融合
5. 案例分享和未来展望
   • Trae 插件的实际应用案例
   • 技术发展趋势与挑战
   • AI 编程助手的未来发展方向

听众收益：

• 掌握代码编辑的核心技术方案选择与实现策略
• 获得Agent产品设计的实战经验和架构思路
• 建立AI编程助手技术发展的前瞻性判断力