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。
蚂蚁集团架构师刘杨已确认出席 “AI Agent 可观测与持续改进工程” 专题，并发表题为《从 Trace 到规模化实时评估：面向生产流量的 Agent 可观测实践》的主题分享。
随着 Agent 进入真实业务场景，传统日志、指标和链路追踪已经难以完整回答 Agent 是否正确完成任务、问题发生在哪个环节，以及如何持续衡量和改善 Agent 质量。
本次分享将介绍建设企业级 Agent 可观测与评估体系的实践。
在采集层遵循 OpenTelemetry GenAI 语义约定，统一模型调用、工具调用和 Agent 执行过程的埋点与采集。
在评估层以 Trace 为核心，配置化接入诊断任务，通过实时处理管线完成任务筛选、关键信息提取和自动评估，到达分钟级延迟。
通过声明式表达式支持不同业务 Agent 低成本接入。
先小模型粗筛，再大模型精筛的两阶段评估机制，可有效降低 90% token 成本，使大规模安全、合规等底线类指标评估覆盖全生产流量成为可能。
针对部分复杂性能与质量类问题，还将介绍从 Agent 执行链路深入至推理引擎内部推理过程的探索。
刘杨,蚂蚁集团架构师，当前任职蚂蚁可观测技术架构师，参与或负责了产品/告警/计算/元数据等在内的可观测全技术栈建设，对于大型大规模分布式计算系统有丰富的性能优化经验。
最近两三年主要重心在大模型领域，包括推理引擎、Agent 可观测等。
他在本次会议的详细演讲内容如下： 演讲提纲： Agent 可观测面临的新问题 为什么拥有日志、指标和完整 Trace，仍然难以判断 Agent 是否正确完成任务并定位质量问题。
遵循 GenAI 语义约定的统一埋点与采集 如何统一模型调用、工具调用和 Agent 执行过程的遥测语义，并在标准字段基础上支持业务场景扩展。
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接