专题演讲嘉宾：李佳奇

在运营自动化、数据分析、Coding 与办公等核心场景中，企业智能体真正面临的挑战并不是“能否调用大模型”，而是如何在复杂数据、真实系统、长链路流程和安全边界下，持续产出可验证、可治理、可复用的结果。许多 Agent 在 Demo 阶段表现良好，但进入生产后常因上下文不完整、工具调用不稳定、结果难以评估、任务中断无法恢复、模型升级引发效果回退等问题，难以形成规模化价值。

本次分享将结合企业级运营自动化 Agent、数据分析 Agent、Coding Agent 与办公智能体平台建设实践，介绍如何围绕不同场景构建 Harness：通过数据基建、知识库建设提供可信上下文；通过开发基建、CI/CD、工作流编排和沙箱机制约束执行过程；通过大模型网关实现多模型适配和成本治理；通过 Langfuse 可观测、质检和评测体系建立“执行—验证—反馈—优化”闭环；并通过数据安全、网络安全、权限控制与审计机制保障智能体在企业环境中可控运行。

演讲提纲

1. 企业级 Agent 落地背景：四类核心场景为什么都需要 Harness
   • 团队建设运营自动化、数据分析、Coding 与办公智能体的背景
   • 四类场景的共性：都从“生成内容”走向“连接数据、工具、流程和真实业务系统”
   • 共同挑战：上下文管理、工具调用、权限管理、持续迭代、测评质检
2. 四类场景的harness实践
   • 运营自动化：企业级工作流平台建设和评测质检
   • 数据分析：业务商分能力沉淀和通用分析Agent建设和成本治理
   • coding：端到端研发自动化平台建设和基建改造
   • 企业办公智能体：企业级龙虾平台建设和安全治理
3. 当前落地成果
   • 万PD级年化提效成果和典型运营自动化案例展示
   • 复杂业务商分常态化分析和成本治理
   • 技术需求和业务需求场景下研发端到端规模化落地案例
   • 企业级龙虾平台建设和使用案例
4. 实践总结和未来展望
   • 实践总结：四类场景沉淀出的企业级 Harness 方法
   • 未来展望：从场景 Agent 到企业智能体运行体系

这样的技术在实践过程中有哪些痛点？

1. 模型能力与真实业务任务之间存在断层
2. 上下文、知识和数据很难真正可用
3. Agent 调用真实系统后，执行风险显著上升
4. 缺少端到端可观测，问题难以定位和运营

听众收益

1. 获得四类企业核心场景的 Harness 建设方法：了解运营自动化、数据分析、Coding 与办公智能体在上下文、工具调用、工作流、验证和权限治理上的差异化设计。
2. 掌握 Agent 从 Demo 走向生产的关键工程能力：学习如何通过数据与知识基建、CI/CD、模型网关、Langfuse 可观测、评测质检和安全治理，让 Agent 持续稳定交付真实业务结果。
3. 借鉴多场景规模化落地的实践经验：获得关于成本治理、效果评估、模型升级回退、工具调用失控、数据权限与安全防护等真实问题的处理思路。