主题
从 20+ 实战案例看 AI Agent：企业如何跨越“落地”鸿沟？
时间
北京时间 周六 2026.1.24 10:00
美东时间 周五 2026.1.23 21:00
美西时间 周五 2026.1.23 18:00
请注意~ 本次分享为全英文
预约
视频号
b站
内容
尽管 AI智能体 已在各行各业的生产环境中活跃运行，但外界对于究竟是哪些技术方案促成了这些成功的实际落地，仍知之甚少。对此，我们发布了首个针对生产环境 AI 智能体的大规模系统性研究。我们调研了 306 位从业者，并通过访谈形式，跨越 26 个领域进行了 20 个深度的案例研究。
我们深入探讨了组织构建智能体的动因、构建方式、评估手段，以及开发过程中面临的首要挑战。研究发现，生产级智能体通常采用简单且可控的技术路径构建：
68% 的智能体在需要人工干预前执行步骤不超过 10 步；
70% 依赖于对现成模型（Off-the-shelf models）进行提示工程，而非进行权重微调；
74% 主要依赖人工评估。
可靠性依然是开发面临的首要挑战，这主要源于难以确保和评估智能体行为的正确性。尽管挑战重重，但那些简单而有效的方法已足以让智能体在各行各业中发挥实质性作用。我们的研究记录了当前的行业实践现状，不仅让研究人员得以洞察生产环境中的真实挑战，也为从业者提供了源自成功案例的成熟范式，从而弥合了学术研究与实际落地之间的鸿沟。
论文：Measuring Agents in Production
链接：https://arxiv.org/pdf/2512.04123
嘉宾
Melissa Z. Pan是UC Berkeley计算机科学系的博士生，师从 Matei Zaharia 教授。她的研究兴趣集中于为新兴的机器学习及数据密集型任务（例如智能体系统）构建大规模、高效且可持续的计算系统，同时也研究如何构建可靠的智能体来辅助系统领域的研究。目前，她正致力于通过资源调度和跨栈优化，探究高能效且可靠的智能体及复合 AI 系统。此外，她也是 Amazon AI Fellow 和 Laude AI Resident。
Negar Arabzadeh是UC Berkeley计算机科学系的博士后研究员，目前与 Matei Zaharia 教授合作开展研究。她在滑铁卢大学获得博士学位，师从 Charles L. A. Clarke 博士。她的研究聚焦于信息检索与大语言模型的交叉领域。她致力于探讨如何在基于大模型的信息获取系统中设计、评估及整合检索机制，同时也深入研究在现代信息检索流程中，如何利用大模型兼任“被评估对象”与“评估者”的双重角色。
主持人
吴昊伦，Mila & McGill 的五年级博士生，在 Stanford 从事访问学者研究。其主要研究方向包括可信 AI / 大模型、信息检索、个性化、AI 对齐以及 AI+教育等。他曾在 Microsoft Research、Google、DeepMind 多次实习，其研究成果被应用于 MSR Alexandria 知识库构建和 Google Shopping 推荐系统。他在多个领域的顶级会议和期刊（如 NeurIPS, ICML, ICLR, EMNLP, SIGIR, WWW, CHI, CSCW, TMLR, TKDE 等）发表工作并担任评审。
入群
欢迎加入NICE每周分享交流群，可与NICEer唠嗑，以及第一时间收到后续NICE分享报告的通知。加群通过小助手认证，群内无广告。
NICE介绍
NICE（Nexus forIntelligenCE）是一个由全球60+位一线青年学者共同发起的顶尖AI前沿交流平台。 成立以来，我们汇聚海内外300+嘉宾，通过百余场线上深度分享与线下高规格活动（北京/上海/苏州等），全网积累超13万关注。目前，NICE已构建起覆盖中、美、欧的国际化团队，正加速在硅谷、纽约、香港等地落地，致力于打造连接学术、产业与未来的全球化AI前沿社区。
NICE主页
https://nice-nlp.github.io
NICE海外
https://nice-intl.github.io
b站
https://space.bilibili.com/507524288
Youtube
https://www.youtube.com/@niceaitalk
)
