1. 引言#

参加本次峰会的初衷，是想深入了解 AI Agent 在国内企业中的落地现状。两天的议程密集而充实，一个最直观的感受是：国内大量互联网企业及年轻公司已经基本实现 AI 全链路覆盖——从销售、售前、售后，到开发、数据分析，每个部门都在利用 AI Agent 提升效率。

然而一个普遍存在的问题也随之浮现：各个 BU 使用的 Agent 不同、底层 LLM 不同，导致信息孤岛和沟通成本的上升。如何打通这些环节、减少”传话”损耗，是当前全链路 AI 化企业面临的共同课题。

本文按议程顺序，对两天所见所闻做一整理与扩写。

2. 主题演讲：AWS Agent 服务体系全景#

主题演讲围绕 AWS 构建 Agent 的工具链展开，核心产品包括：

此外还分享了多家企业的 Agent 架构设计，为后续各专题分享做了铺垫。

3. DevOps Agent 实践指南#

该环节对各 AWS Agent 服务进行了逐一深入介绍。重点在如何将 Agent 嵌入 DevOps 工作流——从代码提交到部署监控，Agent 可以在每个节点承担自动化角色，减少人工介入。

4. 企业 WorkFlow 设计：让 Agent 管理流程，而非人传递信息#

这是一个很接地气的分享。讲者所在团队在实际使用 Agent 时发现，不同环节间的信息传递消耗了大量不必要的人力时间——A 环节产出的结果，需要人为传达给 B 环节的 Agent，期间容易出现信息衰减、理解偏差。

他们的解决方案是设计一个中央编排 Agent，统一管理整个 WorkFlow 中各个子 Agent 的输入输出。信息流转由 Agent 直接对接 Agent，人类只需关注最终决策点。这种”去人工传话”的设计思路，对多 Agent 协作场景具有很好的参考价值。

5. 安克创新：全业务线智能化转型#

安克创新（Anker）分享了其自研 Agent Anka，核心设计理念：

• 多入口触达：用户可从企业微信、飞书、内部 OA 等多个入口与 Anka 交互，体验一致
• 统一理解：打通各业务系统的数据孤岛，Anka 充当统一的语义理解层
• 模型持续进化：基于业务反馈持续微调，模型能力随业务共同成长
• 反哺业务增长：从”提效工具”升级为”业务增长引擎”，Agent 产出的洞察直接指导业务决策

安克的案例说明，当 Agent 深入业务全链路后，它的价值就不仅是”省人力”，而是能够主动发现增长机会。

6. SAP for Me：企业级 Agent 的边界哲学#

SAP 分享了其平台内置的智能助手 SAP for Me，背景是 SAP Support 场景分散在多个系统和门户中，用户需要在多个知识库中检索、对比，在多个系统中创建和分配工单——大量重复性机械劳动占用了支持人员的时间。

SAP for Me 的能力包括：

• 跨系统知识检索
• 在多个系统中执行真实的读写操作
• 完成端到端工作流

更值得关注的是 SAP 对个人 Agent 与企业 Agent 的区分：

这个对比切中了企业引入 Agent 时的核心矛盾：开发者喜欢个人 Agent 的自由度，企业却需要完全的审计追溯与权限控制。找到二者的平衡点，是企业 Agent 架构设计的关键。

7. 构建企业级 AI Agent 安全方案#

安全是本次峰会的高频词。分享者指出，2026 年 Agent 安全领域的十大高危问题：

1. Agent 目标劫持——攻击者通过注入恶意指令篡改 Agent 的执行目标
2. 工具滥用——Agent 调用工具的权限超出必要范围
3. 身份和权限滥用——Agent 持有的凭证被恶意利用
4. 供应链漏洞——Agent 依赖的第三方模型或插件被投毒
5. 非预期的代码执行——Agent 生成的代码绕过沙箱限制
6. 记忆和上下文投毒——恶意输入污染 Agent 的长期记忆
7. 不安全的 Agent 间通信——多 Agent 协作时通信信道被劫持
8. 连锁失败——一个 Agent 的错误决策在 Multi-Agent 系统中级联放大
9. 利用人机信任——Agent 以”可信”口吻诱导用户执行危险操作
10. 异常 Agent——Agent 出现非预期的自主行为

安全防护需要从三个层面着手：生成式 AI 安全（提示词安全、内容过滤）、Agentic AI 安全（工具调用审计、权限边界）、通用应用安全（身份认证、传输加密）。分享还演示了如何使用 Amazon Bedrock Guardrails 实现上述安全策略。

8. Kubernetes 上微调与部署小语言模型#

本环节聚焦于如何利用 Agent 优化 K8s 运维，具体场景包括：

• 安全告警处理：Agent 自动分类告警严重等级，低优先级告警自动归档，高优先级告警生成初步分析报告
• 容器管理：Agent 协助诊断容器异常、推荐资源配额调整方案
• 日志管理：Agent 聚合跨 Pod 日志，自动识别异常模式并关联到最近的变更记录

小语言模型（SLM）在 K8s 运维场景中的优势在于低延迟和低资源消耗，适合作为 Agent 的”本地大脑”。

9. 开发工具体验#

10. AI Agent 的认识升级与业务提效#

本环节梳理了 Agent 的运行时工作流（注意这不是线性结构，而是树形结构）：

1
用户输入 (Chatbox)
2
    │
3
    ▼
4
AgentCore Runtime（执行环境）
5
    │
6
    ▼
7
Customer Support Agent（主程序）
8
    │
9
    ├── AgentCore Memory —— 管理长期/短期记忆
10
    ├── AgentCore Observability —— 观察与记录决策过程
11
    ├── AgentCore Evaluation —— 对决策结果进行评估
12
    ├── AgentCore Gateway —— 调用 MCP 等外部工具
13
    ├── AgentCore Identity —— 身份鉴权
14
    └── AgentCore Policy —— 访问控制

树形结构意味着各个模块不是串行调用，而是根据场景并行或条件触发——更接近人类处理问题的实际方式。

11. 滴滴出海 14 国：客服 Agent 实战#

滴滴分享的客服 AI Agent 覆盖 14 个国家，按两个维度展开：

12. Amazon DevOps Agent & Security Agent：出海安全合规加速器#

安全合规是出海企业的必修课，而传统方式面临多重挑战：

• 配置漂移：合规状态随时间推移持续衰减，需要持续监控与修复
• 告警风暴：海量安全告警掩盖了真正的威胁信号
• 手动流程：截图、填表等人工环节耗费大量时间
• 测试难以规模化：安全测试难以做到持续化、全覆盖
• 法规差异：各国法律法规不同且持续更新，需要持续学习最新法规
• 审计周期长：从准备到出报告的审计流程耗时久

该分享展示了如何利用 DevOps Agent 自动检测配置漂移并修复，利用 Security Agent 自动分类告警、生成合规报告，将安全合规从”项目制”转变为”持续运营”。

13. Agentic GEO：让品牌被 AI 看见#

这是一个新颖的话题——当用户越来越多地通过 AI Agent 获取信息时，品牌如何确保自己被 Agent 推荐？

关键策略包括：

• 权威认证：让品牌的官方信息获得可被 Agent 验证的权威背书
• 内容结构化：品牌信息需要以 Agent 易于理解和提取的结构呈现
• 多渠道覆盖：在多个平台和触点保持一致的品牌信息
• 多结果占位：确保品牌信息覆盖不同维度的查询需求

本质上是 SEO 的 Agent 时代版本——从”让搜索引擎找到你”演进为”让 AI Agent 推荐你”。

14. 结语与感受#

两天峰会信息量极大，几点核心感受：

人多。 会场座无虚席，侧面印证了 AI Agent 在当前技术圈的热度——这已经不是一个”要不要做”的话题，而是”怎么做好”的话题。

累。 议程从早到晚几乎没有空隙，分享内容技术密度高，需要大量消化。

收获。 国内企业 AI Agent 落地已从概念验证进入大规模工程化阶段。共同挑战不再是”Agent 能不能用”，而是多 Agent 协作中的信息打通、安全合规的系统性保障、以及从”提效工具”到”业务增长引擎”的价值升级。这些问题本身，也正是下一阶段 Agent 工程化的核心命题。