专题演讲嘉宾：周劲飞

随着大模型能力的持续突破，AI Agent 正在重塑内容生产的工作范式。设计生产场景天然具备高度复杂性——多工具协作、意图模糊、流程长链路——这让它成为验证 Agent 工程能力的绝佳试验场。Roboneo 正是在这一背景下诞生：面向真实的设计生产需求，让用户只需表达想法，Agent 即可自动完成从意图理解到图像处理的全流程修图任务。

本次分享将结合 Roboneo 从 0 到 1 的建设历程，系统梳理面向设计生产场景的 Agent 能力编排工程实践，涵盖业务背景、核心挑战、架构设计与演进路径，以及落地过程中的真实踩坑经验。

演讲提纲：

1. 背景与场景
   • 设计生产场景的现状与痛点：工具碎片化、流程重、专业门槛高
   • Agent 范式的机会：从"工具调用者"到"需求表达者"的用户跃迁
   • Roboneo 的目标定义：用户只需有需求，Agent 完成修图全流程
2. 面临的困难与挑战
   • 业务层挑战
     • 设计意图天然模糊：用户描述的"好看一点"背后可能对应数十种操作组合
     • 设计场景的长尾性：修图需求种类繁多，边界难以穷举
     • 用户期望与模型输出之间的对齐难题
   • 技术层挑战
     • 多工具、多步骤的可靠编排：单步失败如何降级与恢复
     • 工具调用的延迟与稳定性：设计生产场景对响应质量敏感
     • Agent 决策的可解释性与可调试性
3. Roboneo 的设计与落地
   • 用户意图理解：从自然语言到结构化设计指令的转化机制
   • 多 Agent 架构：规划 Agent、执行 Agent、校验 Agent 的分工与协作
   • MCP 工具集设计：面向修图场景的工具抽象、注册与动态调用
   • 能力编排的演变：从线性流水线到动态 DAG，随业务复杂度持续演进的编排策略
4. 总结与展望
   • 核心经验沉淀：哪些设计决策真正决定了系统上限
   • 已知边界与改进方向
   • 从设计生产走向更广泛创意生产场景的想象空间

听众收益：

• 理解面向垂直生产场景构建 Agent 系统的完整方法论
• 掌握多 Agent 协作架构与 MCP 工具链的工程设计要点
• 获取从 0 到 1 落地 Agent 系统的一手踩坑经验与演进思路