一、开场：一个下午，三百多人，没人为「讲趋势」而来

10 月 11 日，周日，漕河泾科技绿洲 FUTURE42。上海首场 WorkBuddy 开发者沙龙，暨大模型应用工程化开发者论坛，在这里开场。

13:30 开始签到，签到大排长队。三百多位嘉宾从各地赶来，会场座位全部坐满，后排还站了人。直播间同时在线数万人。现场最先被打量的，是那块背景板上的题眼——「WorkBuddy：大模型应用工程化开发者论坛」。

14:00，出品人 刘光智（小智）开场。他先讲了为什么定这个题：

过去一两年，我看到的讨论大多停在两个地方：要么聊模型能力，要么聊趋势预判。

但大模型的能力早就不是瓶颈了。真正卡住企业的，是「能跑通」和「能交付」之间那段工程化的落差——业务语义怎么建模、工具链怎么协同、流程怎么沉淀复用、系统怎么持续演进。

所以今天不讲模型能力，不讲趋势，讲的都是手上的事：踩过的坑、改过的方案、现在还在用的流程。

这句话给整场定了调。四位讲师、一个圆桌、四场闪电演讲，讲的全是同一件事的两面：怎么把 AI 放对位置，怎么把判断留在人手上。

---

二、讲师 · 董子铭：AI Native 时代FDE如何用WorkBuddy把业务碎片长成一棵树

腾讯云 FDE 专家

董老师先给了一个背景数字——FDE 这个岗位正在全球范围内快速铺开：LinkedIn 上全球 FDE 招聘岗位在 2023—2025 年增长 42 倍；搜索「FDE」的结果从 643 条涨到 5,330 条（+729%，2025.04—2026.04）；国内名称中含 FDE 的活跃岗位也有 30 多个样本（截至 2026.07）。

但这些数字背后，他真正想讲的是企业里的「碎片化」问题。

树枝是企业的垂直业务场景，叶子是为了解决业务问题一次性生成的 AI 资产。这些枝叶没有接到同一个企业树干，每次叶子都是随机野蛮生长。

他用一棵树把这件事讲清楚了：

• 树根——FDE 的行业经验、做事方法与服务目录

• 树干——企业共享的全局 Context：共用资料、规则、全域数据连接

• 树枝——一项具体业务及其完整的做事步骤

• 叶子——员工实际使用的 AI 成果：报告、问答助手、可复用的 Skill

关键转变在于进场前后：进场前，每个业务各自准备资料、规则和数据接口，基于临时上下文一次性生成 AI 资产，「新任务再次准备，已有成果难以接着用」；进场后，已有业务与工具接到同一树干上，「新任务沿用同一份背景、规则和数据连接，只补充自身需要的内容，再长出新枝叶」。

他给了两组真实场景的前后对比数据：

电商场景	进场前	进场后
促销报名准备时间	4 小时	70 分钟
需返工修改的报名记录（共 300 条）	36 条	9 条
经营日报整理时间	90 分钟	25 分钟

金融场景	进场前	进场后
单笔付款人工复核耗时	每笔 30 分钟	每笔 3 分钟
规则更新沟通会议	基准	减少 50%
异常识别	—	30 笔异常中找出 28 笔

他的落点是：「每次确认有效的经验都留下来，供后续任务使用。」 企业每完成一次任务，都应该为下一次留下更完整的依据。

---

三、讲师 · 马俊：从经典本体论到工程本体论

腾讯云架构师上海同盟理事长

如果说董老师讲的是「怎么把碎片接起来」，马老师回答的就是 「接起来之后，靠什么保证大家说的是同一件事」 。

他从哲学讲起——亚里士多德《范畴篇》的十大范畴，到 1993 年斯坦福 Tom Gruber 给出的经典定义：「本体论是对概念化的一种显式规范说明。」但他很快指出，工程人员真正该关心的，是那四个关键词背后的工程要求：

• 概念化——必须明确界定领域边界与抽象层次，不是把数据库表结构照搬上来

• 显式——必须写成可机读、可校验的定义，不能用「大家心照不宣的默契」

• 形式化——需要 OWL、RDF 这类形式化语言承载，而非停留在 Word 文档里的术语表

• 共享——反映的是群体共识而非个人理解，需要跨部门协商与治理机制

关键辨析：本体论 ≠ 知识图谱

这是他说得最重的一段，也是他认为「导致大量项目走偏的根源」：

维度	本体论 = 模式层	知识图谱 = 实例层
内容	概念、属性、关系类型、公理约束	具体实体、具体关系、具体事实
回答	「可以有什么」「必须满足什么」	「实际有什么」「谁和谁有关系」
稳定性	相对稳定，随业务规则演进	持续高频增长，随业务发生而更新
工程角色	约束与校验的依据、AI 的操作边界	查询、检索、推理的数据基础

他用建筑类比收口：本体论是蓝图，知识图谱是按蓝图建成的房子。「没有蓝图就施工，房子可能盖起来，但你不敢住。」

经典本体论在工程中屡屡受挫的五道坎

1. 追求完备性——一次性建模整个领域，建模周期以年计，等本体建完，业务早已变化

2. 静态建模——本体被当作「最终交付物」，建完即冻结，半年后与实际业务脱节

3. 缺少行动维度——只描述「是什么」，不定义「能做什么」，决策依然要靠人走出系统去执行

4. 性能与规模——描述逻辑推理机面对亿级实体时性能急剧下降

5. 权限与安全缺位——基本不涉及细粒度访问控制与审计，无法进入生产环境

于是他引出了工程本体论。他引用 Palantir 官方文档里那句最容易被忽略的话：「本体论不是一个语义层。」

语义层的作用是「翻译」，终点是让人看懂。而工程本体论的目标，是把企业的决策过程本身建模出来，让人类和 AI 代理都能在这个模型上操作。

公式是：数据（Data）+ 逻辑（Logic）+ 行动（Action）+ 安全（Security）= 可执行的企业数字孪生。

一句话概括这个转变：经典本体论回答「世界是什么样的」，工程本体论回答「我能在什么条件下、以什么方式改变它」。

他最后给了 5 个方案演示：造船行业的敏捷 APS 智能体、基于腾讯多渠道交互技术的联络中心、WorkBuddy 赋能 IPD 需求管理、ITSM 系统的问题归因，以及本体中台在智能体生命周期中的价值。

检验标准他也给了，就一句：「AI 代理能否在无人干预的情况下，基于这个本体安全地完成一次真实的业务变更？如果不能，它就还只是语义层。」

---

四、中场：茶歇、合影、实操工坊

两位老师的分享结束后，全场拍了一张大合影。第一排两侧的工作人员拉横幅、调整站位，台上台下三百多人挤进同一个画面。

合影之后是 20 分钟茶歇。但这一场茶歇，很多人没去喝茶——实操工坊在同时间正式开放。工坊在屏幕对面的房间，三个实验方案同时开做：AI 轻办公、AI 轻开发、AI 轻运维。带上电脑就能上手，每完成一个方案拿到一张奖券。

照片里，FUTURE42 的大落地窗前，「实操工坊 · AI 轻办公」的立牌旁边，一群人围着长桌，笔记本摊开，没有人抬头。这场工坊一直开到活动结束。

---

五、讲师 · 王晔倞：从「会做任务」到「可信交付」，Harness与本体建模驱动的Agent工程化实践

腾讯云 TVP、腾讯云架构师技术同盟社群管理主席、【头哥侃码】主理人

茶歇结束，下半场由头哥开场。他的题目是《从「会做任务」到「可信交付」：Harness 与本体建模驱动的 Agent 工程化实践》。

他在现场给出了一句全场被反复引用的对仗：

Harness = SRE + QA，本体建模 = DDD。

为什么做 EvoPilot：交付现场还有四件事要解决

问题	具体表现
信创与数据边界	源码与敏感文档不能进入公有模型，会话与执行模型都要走获批环境
经验反复解释	每次任务都要重新说明检查方法、失败反例和交付标准
领域含义不明确	「压测通过」「查询等价」需要具体判据，不能只靠任务描述中的一句话
结果难以接手	换人或中断后，需要找回当前改动、运行结果、失败原因和未完成项

四段案例，一层一层往上走

① 结果可验收 — DataRig 查询演练

原做法是 JMeter 执行返回后查询链继续生成报告，问题是入口正常返回，仍可能是零样本或失败样本。修复落到样本判据：样本数 > 0 且失败数 = 0。他给了真实运行的账：38 个模板执行完，33 个通过，5 个失败（1 次超时、4 次执行失败）。收益是「报告状态、验收结论与失败原因分开记录，为继续定位保留依据」。

② 经验可复用 — howbuy 工程分析

原做法是 Harness 匹配主要看关键词，问题是「同样依赖 Redis，客户端、监测器、内核职责不同」。改进是按职责缩小候选范围：ProxyCheck 的职责是缓存代理监测，redisclient 的职责是客户端封装。再用七个样本校准选择规则。

③ 领域含义明确 — MySQL CHAR() 语义缺陷

这是全场技术含量最高的一段。他拿 MySQL Bug #112397 讲了一个 NULL 语义假设如何漏掉了应返回的行：

• 缺陷表现：CHAR(t1.vkey) 写法返回空集（0 行）

• 官方预期：c_0 = 1

• 问题根源：函数语义中的错误假设影响了连接改写

修复的落点是本体规则：CHAR 不采用「NULL 参数必然得 NULL」的假设（null_on_null = false）。

④ 可信交付 — PostgreSQL 反连接回归

PostgreSQL Bug #18522，缺陷根因是「旧分支先 break，绕过 single_match 前进状态更新」。修复方式是先更新前进状态再退出分支。他把工程检查和语义约束对齐到了同一份候选的证据上：「数量相同不代表行集相同——逐行比较，而不只比较计数。」

落地形态：EvoPilot 四个子产品

子产品	帮你做什么	技术实现
Expert 2.3.1	在 WorkBuddy 中梳理需求与完成标准	Skill 指引 + MCP 工具调用
Harness 4.8.2	从代码、文档提炼检查方法与领域规则	MCP + Engine，Harness／本体资产
Runtime 6.3.3	组织任务步骤，记录进度和执行结果	HTTP 服务，CLI／MCP 适配器
独立项目扩展 1.0.1	读取项目材料，运行已配置的校验	独立 MCP 服务，项目校验脚本

一句话概括分工：「Expert 帮你沟通，Harness 整理方法，Runtime 跟进任务，项目扩展提供检查结果。」

现场嘉宾提问热烈，头哥逐个予以专业解答。

头哥把本次提到的项目都开源了：Runtime（github.com/yeliang-wang/evopilot）、Harness（github.com/yeliang-wang/evopilot-harness）、Expert 源码目录 packages/evolution-expert。

---

六、出品人兼讲师 · 刘光智：WorkBuddy for SDLC MVP 场景与落地实践

腾讯云开发者星盟城市合伙人、腾讯云创作之星、腾讯云架构师上海同盟成员

最后一位讲师是出品人本人。他的题目是《WorkBuddy for SDLC：MVP 场景与落地实践》，讲的是一条可复制的落地路径。

Agentic Coding：为什么是现在

他先给了一个第三方研究数字：同一模型，仅改进 Harness，SWE-bench 成绩从 52.8% 提升到 66.5%。 结论是——「模型能力已不是瓶颈，上下文与 Harness 才是。」

他把落地三道坎讲得很直白：数据质量差 / 流程断点 / 人的阻力。「大多数 AI 项目死在这三道坎之间，不是死在模型上。」

从 Vibe Coding 到 Spec Coding

Vibe Coding —— 靠感觉迭代	Spec Coding —— 以规格为准
隐含假设不透明	规格是唯一可信源
结果不可复现	结果可复现
变更无溯源	变更可追溯
验证退化成「能跑就算完成」	验证有明确标准

选工具不重要，选位置才重要

这是他全场最核心的一句话。WorkBuddy 可以被放在三个位置：

• 输入端 = 翻译层：写权限受限于业务系统接口边界

• 中间端 = 编排层：需分级放权，动作必须可回滚

• 终端 = 生产层：权限最小，产出走人工验收

六阶段提效，每一段都有人工关口

阶段	关键机制	人工关口
需求	五步法：收集碎片 → 学格式 → 生成草稿 → 人工审阅 → 入库编号	意图对齐
设计	能用 Mermaid 就不用文字；末尾必须有「风险与回滚」段落	规格评审四段
开发	通用五步法：Clarify → Explore → Plan → Build → Capture	计划确认
测试	只写肉眼可见的功能测试；集成测试不允许 Mock 数据库	判据：把实现替换为空操作，测试仍通过 → 测试本身有问题
部署	禁用模型自动触发；失败必须立即中止	三条硬约束
运维	所有数据库变更必须走审批——AI 只生成，不执行	人工审批

开发阶段他还给了一个真实场景：某制造企业运行十余年、约三百万行的遗留核心系统。原则是「不重构，先挂载」——不搬动现有代码位置，只在现有大目录之上挂载一层 AI 资产（索引 / 术语 / 架构 / 依赖 / 已知问题）。周期是建 AI 寻址入口 1–2 周，建规格与规则基线 2–4 周。

治理：我们不让 AI 判断危不危险，我们让它查表

层级	判断依据	AI 做什么	人做什么
Tier 1 常规变更	影响可预测、有测试覆盖	全自主	全程无需介入
Tier 2 跨模块变更	不触核心链路	生成 + 测试 + 提交结构化差异说明	抽样确认关键改动点
Tier 3 核心链路变更	数据结构、权限、跨系统接口	只按已确认方案实现	主导设计并签字

人工介入触发条件：涉及支付 / 权限 / 数据删除的变更、生产事故、规格变更超出阈值。

成本：Prompt Cache 是第一要义

稳定前缀放前面，动态内容追加到后面。缓存命中时输入成本约为全价的十分之一。

12 个月路径：0 月试点 → 3 月方法沉淀 → 6 月平台化 → 9 月持续优化 → 12 月。90 天启动三步走：打地基、跑闭环、出证据。

他的收口是：

「从一个场景开始，而非一个平台。编码层只是红利，不是终点。治理与推广同步，不能事后补。」

---

七、颁证：讲师认证证书，和二十多位志愿者

四位老师分享完，现场有一个小小的仪式——为讲师颁发认证讲师证书。几位老师都是从各自的项目里抽时间过来的，主办方准备了证书和礼品。

接着的这份掌声，是留给一群人的。

今天这场活动，除了精心准备讲稿的各位演讲老师之外，还有二十多位志愿者。他们从中午 12 点就进场了——搬桌椅、布展台、引导签到、维持秩序，很多人在自己的岗位上站了一整个下午。

志愿者们上台领证、合影。他们的名字是：郑奕涵、罗慧玲、钱嘉琳、赵欣悦、李艳萍、傅则裕、陈佳馨、朱真媛、余清月、周芯同、吴佳萱、司美雪、顾佳文、孙乐妍、布力布丽尼沙·艾拜、王瑜、王庆、张启衡、马悦、万春含、陆雯琦、金来嘉韵。

八、圆桌：讲师和嘉宾一起头脑风暴

16:30，圆桌环节开始。董子铭和马俊讲师 回到台上，另外还邀请了两位特约嘉宾——郝耘琦老师和祝欣蓉老师。出品人给自己定的角色是「翻译官」——「前面几位老师讲得都比较深，我负责把问题问得直白一点，也让几位老师聊点 PPT 里不会写的实话。」

现场抛出的三个问题都很尖锐：

问题 1｜AI 工程化从哪里开始？

几位老师讲的分别是构建、建模、协同、落地四个面。最实际的一问：如果一位开发者明天回到公司要做一个 AI 项目，建议从哪里开始？ 每位老师用一句话回答。

问题 2｜AI 工程化最难的地方在哪？

董老师和刘老师都提到「从一个需求到可用系统」这条路。请两位讲讲踩过的最大的坑是什么——不用讲方法论，就讲具体那个坑。

问题 3｜本体的争议

马老师和王老师都涉及本体建模。这个问题问得最直接：本体建模这件事，对一个中小团队来说，是不是过重了？在什么规模下它才值得做？

问题一个接一个地抛过去，几位老师常常刚回答完坐下，台下又有人举手。

九、闪电演讲和开放麦：真实的 AI 实践经验分享

16:50，特色环节闪电演讲开始。这个环节是留给在座观众的——提前在群里征集分享者，当天 4 位朋友上台，每人 10 分钟，讲自己真实的 AI 实践。

① 张彩莲 · 智能驾驶产品经理、AI 应用连续开发者

《从想法到产品：用 AI 打造 DriveMate 智能出行管家》

她先讲了一个调研发现：实测 5 款 L2 车型与 3 家 Robotaxi 平台，用户从「能用」到「敢用」卡在四个交互环节——听得懂、办得成、敢托付、说得清。「技术已经能做，用户仍然不敢用、不会用。」

项目已在github开源：Carol8528/DriveMate。

---

② 贺飞 · 腾讯云创作之星、腾讯云TDP、腾讯云架构师技术上海同盟品牌理事

《别再让 AI 只写代码：用 WorkBuddy 构建可验证、可治理、可交付的 Agent 工程闭环》

他开场就甩了一段 AI 40 秒生成的「完美」代码，然后当场让它崩掉。

「生成能力 ≠ 交付能力：AI 把写代码的成本降到接近零，也把验证代码的责任放大到无限大。」

他给的对比很形象：把 AI 当「更快的键盘」，还是当「有工号的员工」？

✗ 更快的键盘	✓ 有工号的员工
人问一句、AI 答一段，人再复制粘贴	给任务 + 验收标准，AI 自主规划执行
上下文靠人脑维护	Agent 自己读项目、建上下文
AI 只「说」做完了	必须拿出证据：测试输出、diff、验收清单
权限全开	最小权限 + 风险分级
失败就卡死	失败可恢复，全程留痕

「Agent 工程化 = 给 AI 配齐工位、权限卡、SOP、师傅和 KPI。」

他现场演示了四个案例，其中最特别的是案例三：制造一个失败，再证明它能被发现——「展示失败比展示成功更能证明系统可靠。」最后测试从 11 个用例跑到 12 passed。

他还给了治理判据：操作的可逆性决定权限级别——低风险自动执行，中风险执行前确认，高风险禁止或双人复核。「可逆的操作让 Agent 自主，难逆的操作必须人工在场。」

---

③ 祝欣蓉 · 上海杉达学院副教授，申教名匠，上海产训融合技能发展中心人工智能技能专家

《从想法到交付：我用 WorkBuddy 做项目的实战分享》

她的开场很实在：最早认真研究 WorkBuddy，是在做 OpenClaw 多智能体编排的时候。「它不止能对话，还能干活：直接读写文件、执行命令、产出交付物。于是它从『研究对象』，变成了我每天的生产力工具。」

她把工具先带进了自己的课堂：

• 课件与复习材料：73 题题库扩成复习文档与 PPT，教学大纲图表化，原版式不动

• 题库工程：1200 题逐题去重改写、拆 A/B 卷，Word 修订模式交付，改动一目了然

• 教材编写：《基于书生开源体系的项目实战》全 9 章，多轮迭代 + 代码中文注释

然后是培训现场：基于 WorkBuddy 开展 AI 通识赋能培训，覆盖上海海关、东方明珠集团、上海团市委、上海仪电、青年报社、国家电投、重庆气矿等 13 家国有大中型企业，培训赋能600 多人次；组织开展全市师资培训，赋能50 多名 AI 培训教师，涉及 60 多家机构。

项目实战部分她讲了三个真实系统：FDE 业务挖掘实验室（16 个行业场景、东浩兰生等真实企业专区）、信息系统问题单智能跟踪系统（覆盖填报、自动分派、厂家处理、业务验收到挂起、超时升级、每日催办、统计简报的全流程闭环，基于 Node.js 构建，借助 WorkBuddy「发布为应用」一键发布至公网）、杉达智汇·校园智能体平台（6 个开箱即用的校园智能体、3 个真实校务知识库）。

她的一句话收尾，是全场被记住最多的一句：

「在智能体时代，最值钱的不是模型，而是你脑子里的业务经验——把它变成 skill，它就能被复用、被组合、被传承。」

---

④ 韩洪军 · 普中智能 CEO、腾讯 WorkBuddy 渠道伙伴

《WorkBuddy 企业从超级个体到超级组织实战》

韩老师讲的是组织层面的事。他的核心命题是：智能化 ≠ AI化，一字之差，范式之别。

智能化 —— AI 作为「工具能力」：AI 被嵌入产品与系统，升级的是「工具」。

AI化 —— AI 作为「组织成员」：智能体进入企业组织，像「数字员工」一样认领任务、跨系统执行，进化的是「组织」。

他的方法论是一核五柱：知识资产化（组织记忆）、任务智能体化（数字员工）、流程价值重构（精益再升级）、数据决策底座（数据飞轮）、人机协同治理（混合组织）。五大原则：价值导向 · 以人为本 · 渐进重构 · 数据为基 · 治理先行。

落地路径是五步法：P0 定场景（第 1 个月）→ P1 建底座（第 1–3 月）→ P2 造 Agent（第 3–6 月）→ P3 通流程（第 6–12 月）→ P4 升组织（第 12 月+）。节奏要诀只有一句：「90 天内必须出现一个可量化收益的『样板间』。」

他还给了企业 AI 化成熟度 L1–L5 对照自评：L1 工具化 → L2 场景化 → L3 流程化 → L4 组织化 → L5 生态化。「多数企业处于 L1–L2；建议用 3–5 年走到 L3–L4。」

以及组织变革的协同铁律：人定方向 · 机做执行 · 人审关键 · 机记全程。

17:30，闪电演讲颁奖。主办方为四位分享者准备了纪念品和证书：

• 韩洪军 —— 腾讯云开发者价值落地奖

• 张彩莲 —— 腾讯云开发者应用创新先锋

• 祝欣蓉 —— 腾讯云开发者实践领航者

• 贺飞 —— 腾讯云开发者解决方案专家

之后是自由交流与开放麦，龚昊和王明功老师登台分享。

兑奖展台一直开放到 18:00，奖品分七个等级，扭蛋机前排了队。

---

十、致谢

本次沙龙取得了圆满的成功，小智认为要感谢很多人！

感谢漕河泾园区为活动提供场地支持。

感谢架构师同盟马俊理事长和头哥关于本体论和 Harness 工程的深度分享。

感谢腾讯云客户成功团队董老师关于 AI Native 树理论的前沿分享。

感谢开发者社区泽敏老师、张瑞老师、小树老师的倾力相助。

感谢来自各个高校的二十多位志愿者的辛勤劳动。

感谢央广网、InfoQ 等多家媒体的参会报道。

感谢来自五湖四海的三百多位嘉宾的捧场支持，感谢直播间数万观众的观看。

海纳百川的海派文化，恰好契合开源开放的开发者精神。本次沙龙只是起点，期待未来继续携手，深耕大模型工程落地，共建 AI 应用生态。

我们下一场再会！