AI热榜 从「构建 AI」到「驾驭 AI」，100+ 实战案例拆解 AI Native 时代的工程新实践！
推理模型持续突破能力边界，Coding Agent 深度参与研发流程，Agent Runtime、Agent Framework 快速演进……AI 正在从回答问题的模型，演变为能够自主规划、调用工具、执行任务的软件系统。
AI 不再只是软件中的一个能力，而开始成为软件系统的一部分。
这意味着软件工程面对的挑战也发生了变化：团队需要思考的不再只是如何训练模型、模型、部署模型 或优化 Prompt，而不是如何让具备自主能力的 AI 稳定、可信、可控地运行。
模型决定 AI 能做什么，系统决定 AI 能否真正创造价值。
在这一背景下，2026 年 QCon 全球软件开发大会大会 · 上海站正式启动。
本次大会将于 10 月 22 日—24 日举办，聚焦 Harness AI 时代的工程实践，围绕 AI Native 架构、Agent Runtime、AI Infra、Data Systems、Agent 安全与可观测、Loop Engineering、Vibe Coding、具身智能与世界模型、端云协同等前沿技术方向，邀请全球技术社区与产业一线的实践者，系统性分享前沿洞察与实战经验，共同探索 AI 从能力到系统、从实验到生产的真实路径。
快手 & 资深技术专家包磊已确认出席 “Loop Engineering” 专题，并发表题为《复杂业务 Agent 的持续进化：快手电商导购的 Harness Loop 实践》的主题分享。
电商导购并非简单的问答或商品检索，而是一个横跨导购决策、搜索推荐、营销优惠、商品信息、交易履约与售后服务等多个业务域的复杂 Agent 场景。
我们基于 Agent Loop 范式构建生产级导购助手，通过统一 Tool 协议、动态上下文管理、任务规划与多域工具编排，让模型能够理解用户隐含需求，并在复杂链路中完成信息查询、商品筛选、优惠计算与服务决策。
实践中重点解决了工具数量膨胀、跨域信息冲突、链路超时、错误传播及模型与 Harness 问题难以区分等挑战，并通过轨迹观测、评测回归和策略治理持续优化效果。
实践表明，复杂业务 Agent 落地的关键，不只是模型能力，而是构建一套可编排、可观测、可评测、可持续迭代的 Harness 工程体系。
11 年互联网经验，曾任蚂蚁集团高级技术专家，现任快手电商 AI 基座工程团队负责人，负责商业体系的 AgentOS、大模型 MaaS 等基础平台能力建设。
演讲提纲 1.
问题背景：复杂导购 Agent 为什么不能只靠一次性优化 电商导购不是简单问答，而是跨搜索推荐、商品信息、营销优惠、交易履约和售后服务等多个业务域的复杂决策过程。
Agent 需要在动态上下文中完成意图理解、任务规划、工具选择和结果整合，任何一个环节发生偏差，都可能导致最终任务失败 固定 Workflow 难以覆盖开放式需求，而完全依赖模型自主决策，又容易出现工具误用、参数错误、重复调用和链路失控。
因此，复杂业务 Agent 的核心问题逐渐从“如何把链路跑起来”，转向“如何基于真实线上反馈持续变好” 2.
基础建设：让每一次线上执行都可观测、可回放
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接