携程商旅汪政：差旅Agent如何从搜到知识走到理解约束

当Agent真正嵌入企业流程，哪些活能放心交给AI、结果又怎么验收、权限和成本风险怎么卡住，成了比"把AI做出来"更现实的问题。AI的角色也在变：早先只是答题助手，如今开始读懂目标、调用系统、把任务做完。大模型往推理、工具调用、多模态和长任务方向走，开发重心随之从单次调用挪到上下文、工具、执行环境与反馈回路的设计上；Coding Agent同样不再止步于补全代码，而是能读懂代码库、跑测试、接手复杂任务的工程协作者。OpenAI、Google Cloud、Anthropic 的最新实践都指向同一点：模型定下Agent的能力上限，工程决定它能不能进生产、能不能真创造价值。50 + 实战案例将揭晓答案。

2026 年 AICon 人工智能开发与应用大会 · 北京站已经启动，定于 12 月 18–19 日在北京新云南皇冠假日酒店举行。大会以探索 A 应用边界为主题，13 大技术专题覆盖大模型后训练、推理优化、Agent 工程、知识工程、智能体评测与安全、自进化系统、AI 软件交付、原生架构及组织变革等方向，一线技术专家会到场讲AI技术突破和企业规模化落地的真实做法。

携程旅行商旅 CIO 汪政确认出席 "Knowledge Engineering｜让 Agent 理解企业" 专题，带来主题分享《从"搜到知识"到"理解约束"：差旅 Agent 的业务语义、偏好图谱与上下文工程实践》。企业差旅Agent难的地方不在把文档检索出来，而在于同时吃透员工偏好、企业差标、审批条件和实时可订资源。演讲以携程商旅 AgentONE 架构的探索为例，讲怎么把业务对象与关系、文档检索和实时工具拼成可执行的上下文：用知识图谱按城市召回偏好，靠共享 State 融合上下文信息，企业身份由系统注入，支持多路受控路由，偏好走单次聚合图查询拿到资源，再结合交通衔接规则做校验，出错时触发候选池复用与定向重试。分享会给出从知识问答迈向有依据、受约束的差旅推荐的实现路径，也谈模拟原型与业务集成之间的工程鸿沟。

汪政毕业于华东师范大学计算机系，现任携程商旅 CIO，管差旅大数据架构与 AI 创新落地，推动数据与 AI 技术进入业务，为企业差旅管理的降本增效和全球化运营提供支撑。

他在本次会议的详细演讲内容如下：

演讲提纲

1.为什么"检索正确"仍然不等于"理解企业"？演讲以差旅出行贯穿始终，拆解文档知识、业务关系、实时事实、当前任务约束四类信息，并提出核心方法：文档用来解释，图谱表达关系，工具获取实时事实，代码校验业务约束。

2. 先建业务语义契约，而不是先建一张"大而全"的知识图谱。具体做法是从具体任务反推最小业务对象和关系，把"偏好"和"许可"区分开，讲清差旅场景下语义构建的细节，并划出选型边界：领域对象与接口契约如何承担业务语义表达。

3. 偏好图谱如何做到"召回相关"，而不是"召回更多"

4. Context Engineering：把"这次想要什么"与"长期喜欢什么"分开

5. 从合理的方案到有真实依据的方案

6. 如何验收"理解企业"：证据、指标与落地边界

听众收益

• 听众能拿到可迁移的企业知识分层与选型方法，判断哪些知识适合文档检索、哪些关系该进图谱、哪些事实必须实时查询、哪些约束该由业务服务和代码执行，不再用单一 RAG 方案包办所有问题。任务驱动的上下文与记忆工程细节同样会讲到，帮听众建立从生成结果到业务验收的工程路径：用真实候选池、资源编号和业务规则验证输出，拿错误证据驱动定向修复，同时看清模拟原型、接口集成与生产成效之间的证据差距。