夜雨聆风
出品人介绍
何盈，计算设计师、多媒体艺术家、《AI建筑必修：从 ChatGPT 到 AIGC》主编，《人机沟通法则》《误配：包容如何改变设计》译者，现零一万物 首席AI设计专家，前商汤科技，纽约银行数据智能产品高级设计师、纽约大都会艺术博物馆多媒体实验室研究员、清华美术学院客座讲师，毕业于纽约大学远程交互系ITP，主攻人工智能与数据视觉化。担任演讲嘉宾出席：TEDx和平公园、WAIC2023世界人工智能大会、TiD质量竞争力大会等国内20+场AI科技大会、以及美国Open Data Science Conference硅谷开放数据科学论坛， Data Visualization Summit 数据视觉化峰会（纽约、波士顿）；作品登上美国科学杂志《Science》、纽约多媒体沉浸式叙事展、法国“1，2，3数据“展，国家艺术基金项目:人工智能时代摄影图像的空间转换展、第三届全国设计展等。
论坛介绍
AI Agent正在从实验室走向真实的业务现场。
企业AI团队在加速布局：自动化分析、智能决策、内容生产、客户交互……工作流正在被重新设计。与此同时，超级个体——独立AI从业者、一人公司、用AI重构工作方式的产品人与创作者——也在以更灵活的方式，将Agent能力融入个人业务的每一个环节。
然而，落地越深，一个共同的挑战越清晰：Agent的输出质量，高度依赖它所接触到的数据质量。知识库内容过时、检索结果语义偏差、多Agent协作中信息逐层失真、AI生成内容引入隐性偏见——这些问题在人工介入时尚可管控，一旦嵌入自动化工作流，错误便会随执行链路快速扩散，直接影响业务判断与产品可信度。
与此同时，随着「小团队+AI」模式的普及，产品经理、设计师、业务人员正在成为Agent工作流的实际设计者与数据供给者。他们每天的决策，都在悄悄影响Agent的输出结果——而这种影响，往往在问题出现之前不易察觉。数据质量，正在从数据团队的专项职责，演变为每一位Agent使用者的基本素养。无论你代表的是一支团队，还是你自己。
本论坛围绕五个维度：超级个体Agent实战方法论（1人工作流设计、极简质量管控、个人知识工程）、Agent工程化落地实践（架构选型、工程路径、踩坑复盘）、Agent数据链路质量设计（知识库构建、RAG精度优化、多Agent上下文一致性）、合成数据与数据飞轮（质量验证、偏差管控与闭环迭代）、数据素养的民主化（非技术人员在Agent工作流中的数据质量实践）。
本论坛致力于打破「大公司系统方案」与「个人实战摸索」之间的信息壁垒，汇聚超级个体的极致实践与企业工程团队的系统方法，共同探索Agent时代可落地、可复用、可信赖的工程方法论。
论坛征集方向
一人公司的Agent工作流：从设计到上线的完整实践，没有数据工程师，没有专职QA，超级个体如何建立轻量而有效的输出质量管控体系？不是大公司方案的简化版，而是真正适配1人规模、可直接复用的方法论。
一人公司服务规模化：Agent工作流的质量压力如何承接，当服务对象从少数客户扩展至更大规模，Agent工作流中的质量问题会在哪个环节率先暴露？个体从业者的真实挑战与应对经验。
企业Agent 从原型到生产：工程化落地的关键路径，从Demo跑通到生产环境稳定运行，中间横亘着架构选型、数据就绪度评估与上线后的持续质量保障。走过这段路的团队，积累了哪些可借鉴的工程经验？
多Agent协作的数据一致性：失真从哪里开始，在多Agent工作流中，信息经由任务拆解、工具调用与上下文传递逐层流动，偏差往往在不易察觉处积累。如何在架构设计阶段就建立有效的质量防线？
垂直行业Agent落地的数据质量门槛：医疗、金融、制造、创意等行业对Agent输出的容错空间截然不同。行业的特殊数据需求如何影响工程设计决策？各领域的实战经验与质量红线在哪里？
非技术角色在Agent工作流中的数据质量实践：在小团队与超级个体的工作场景中，产品、设计、业务人员早已成为Agent输出质量的重要变量。如何帮助非技术角色建立质量意识，并在日常工作中承担起相应的责任？
论坛亮点
1、双视角实战对话
打破「大公司系统方案」与「个人实战摸索」的信息壁垒，企业AI工程团队与超级个体从业者，两种规模、两条路径，在同一舞台上真实碰撞，呈现Agent落地的完整图景。
2、全链路场景覆盖
从1人公司的Agent工作流设计，到企业级多Agent协作架构；从知识库搭建的第一步，到生产环境的持续质量监控。无论你处于Agent落地的哪个阶段，都能找到对应的参考坐标。
3、垂直行业深度切入
医疗、金融、制造、创意等领域从业者分享各自行业的数据质量门槛与工程决策逻辑，帮助参与者跳出单一场景局限，建立更立体的跨行业落地视角。
用户收益
1、获取Agent工程化落地的真实经验
通过企业团队与超级个体的一线实战复盘，了解从原型到生产的完整路径，掌握常见问题的根因与应对策略，少走弯路。
2、掌握Agent输出质量的实践管控方法
无论团队规模大小，都能找到适配自身场景的质量管控方案——从知识库构建、检索精度优化到多Agent协作中的一致性保障。
3、拓宽对Agent落地的行业视野
横跨医疗、金融、制造、创意等垂直领域的实践案例，帮助你识别自身场景的特殊性，借鉴不同规模、不同行业的落地经验。
4、建立适配Agent时代的数据质量意识
理解为什么数据质量已成为每一位Agent使用者的基本素养，掌握在日常工作流中切实可行的质量管控动作。
5、连接跨行业的Agent实践生态
与企业AI工程团队、垂直行业落地负责人及超级个体从业者建立真实连接，共同探索Agent时代可信赖、可复用的工程方法论。
适合听众
超级个体：独立AI从业者与1人公司创始人、用Agent重构个人工作流的产品人与创作者、正在构建个人知识体系与AI内容生产流程的个体从业者
企业侧：企业AI应用与Agent工作流设计团队、Agent产品开发者与全栈AI工程师、数据治理与AI基础设施负责人、探索Agent工程化规模落地的技术与业务决策者、垂直行业AI落地负责人
跨界关注者：产品经理及业务侧AI工作流实践者、探索「小团队+AI」降本增效模式的企业管理者
议题提交
请于2026年5月31日前提交
相关咨询
沈老师 15313600903（微信同号）
