阿里夏温武AICon北京演讲:TaoDesign如何把设计资产变成Agent知识

资讯 AI 行业观察 全文 2220 字 · 约 6 分钟读完 配图 2 张 分类智能体大模型

当 Agent 真正进入企业流程,哪些工作可以交给 AI ?50 + 实战案例揭晓答案! AI 正在从回答问题的辅助工具,走向理解目标、调用系统、完成任务的工作承担者。当 Agent 真正进入企业流程,问题不再是 “如何把 AI 做出来”,而是哪些工作可以交给 AI、结果如何验收、权限、成本与风险如何收住。随着大模型向

所属频道 模型发布智能体与 Agent

当Agent真的走进企业流程,哪些活能交给AI干?50多个实战案例将给出答案。

AI的角色正在变。过去它只是回答问题,现在则要理解目标、调用系统、把任务做完。Agent进入企业流程之后,摆在面前的问题换了:不是“怎么把AI做出来”,而是哪些工作可以托付给AI、结果怎么验收、权限、成本与风险怎么控住。大模型往推理、工具调用、多模态和长任务方向走,开发重心也从单次调用转向上下文、工具、执行环境与反馈回路的设计;Coding Agent不再停留在代码补全,已经能读懂代码库、跑测试、完成复杂任务,成了工程协作者。OpenAI、Google Cloud、Anthropic 的最新实践指向同一个结论:模型决定Agent能做什么,工程决定它能不能真正进入生产、创造价值。

2026 年 AICon 人工智能开发与应用大会·北京站定在 12 月 18–19 日,地点是北京新云南皇冠假日酒店。大会主题为探索 A 应用边界,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,一线技术专家将到场,讲AI技术突破和企业规模化落地的真实做法。

阿里巴巴技术专家夏温武已确认参加“Knowledge Engineering|让 Agent 理解企业”专题,带来《TaoDesign 的知识工程实践:从设计资产到 Agent 持续进化》主题分享。企业需求从产品、设计流转到研发,交互细节和业务规则往往要反复确认。设计稿能表达页面样式,却未必把这些要求说全;已有的规范、组件和模板,也不容易被准确找到、正确使用。Agent参与设计之后,一样得理解这些业务知识,才能生成符合要求的结果。

这次分享将结合淘天 TaoDesign 的实践,聊设计 Agent 的产品与架构选择、业务知识怎么组织和使用,以及设计资产与修复经验如何蒸馏。他会重点讲:怎么让 Agent 在生成和修改时用对规范与模板,怎么把任务中的修复经验整理成后续能用的知识,以及怎么靠人工复核和回归评测判断这些改进是否真的有效。

阿里夏温武AICon北京演讲:TaoDesign如何把设计资产变成Agent知识(配图 1)

夏温武是阿里巴巴技术专家,负责 TaoDesign 设计工作台的架构设计与研发,主攻 AI Agent 工程化与 AI 应用落地,在知识积累、设计资产与经验蒸馏、评测驱动的持续优化等方向都有实践。他还负责过淘系前端框架与工程工具建设,是飞冰(ICE)开源产品的核心开发者,在前端架构、工程化及研发提效上积累了多年经验。

他在本次会议的详细演讲内容如下:

演讲提纲

  1. 企业需求交付的挑战:设计环节为何反复澄清与返工

    需求还没想清楚就动手做稿、手里已有的设计资产难以复用、交互逻辑在交接时被漏掉,这些问题都可能一直拖到研发阶段才暴露。演讲会讨论它们在设计环节的具体表现,以及怎么借助可交互设计稿、业务规范和结构化标注,更早把需求确认下来、把设计知识传递出去。

  2. TaoDesign:面向设计领域的产品与 Agent 设计

    设计师和产品人员生成、修改、交付设计稿的整个过程,是这部分的主线。夏温武将介绍 TaoDesign 的产品设计与端—云—沙箱架构,重点谈哪些操作适合直接改源码,哪些要交给 Agent 处理,以及业务知识如何参与生成、编辑和研发交接。

  3. 知识组织与使用:让 Agent 用对规范、模板和素材

    设计规范、组件、模板和素材要怎么组织,Agent 才能找到适合当前任务的那一份?他会结合资源检索、知识摘要和按需读取的实现,讲怎么精简输入、又保住必须遵守的规则;再通过风格约束和模板复用,减少选错资源、漏读规范、重复生成这些毛病。

  4. 资产与经验蒸馏:将存量材料和执行经验转化为知识

    知识蒸馏分两类材料来讲:一类是已有设计稿、规范和业务文档,用来整理风格、模板与使用规则;另一类是生成和修复记录,用来总结问题原因、修改方法及适用条件。多个案例怎么蒸馏总结、形成通用规则,也会一并讨论。

  5. 评测驱动的自进化:用任务反馈改进知识

    TaoDesign 怎么收集真实任务里的问题、通过评测分析原因,把有效的修复经验经人工复核后写进知识库,供后续任务调用——这是这部分的内容。之后还要靠版本回归检查原问题有没有解决、其他场景有没有被波及,让知识更新有依据、改进效果能验证。

听众收益

  • 了解设计 Agent 的产品与架构选择,以及业务知识如何参与设计和交付

  • 学习设计规范、模板与素材的组织和检索方法,以及从设计材料、修复记录中提取可复用知识的做法

  • 了解如何结合任务反馈、人工复核和回归评测更新知识,判断改进是否有效、是否影响其他场景

演讲亮点

  • 演讲以淘天设计工作台 TaoDesign 的真实设计实践为底,讲清企业已有的规范、模板和设计经验怎么变成 Agent 用得上的知识,又怎么在实际使用中持续改进。

  • 把知识工程的效果展示在具体产物上

    围绕设计稿的生成与修改,分析模板找不到、规范没遵循、相同问题反复出现等现象,看知识组织和使用方式如何影响最终结果。

  • 分享两类知识蒸馏的具体做法

    存量设计稿和规范里能提炼出风格、模板以及使用规则;成功与失败的修复记录则用来归纳方法及其适用条件。这样,既有的资产和实操经验都能被后面的任务接着用。

  • 自进化的效果怎么验证?

    靠真实问题回流、人工复核和回归评测三条路来判断:新加的知识有没有把问题解决掉、能不能迁移到别的任务上、会不会带来退化。这些做法给企业搭建可持续更新的 Agent 知识体系提供了实践层面的参照。

阿里夏温武AICon北京演讲:TaoDesign如何把设计资产变成Agent知识(配图 2)
本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 苹果招聘曝光AI Agent计划:Siri要从动嘴变动手?

    苹果招聘信息透露,公司正开发可跨应用操作、独立规划并执行多步骤任务的 AI Agent,并强调隐私与权限管理。据彭博社报道,项目仍处早期阶段。面对已积累用户与收入的竞争对手,苹果正争夺下一代计算入口。

    来源 爱范儿
  2. 苹果押注自主式AI Agent:Siri要从动嘴变动手

    Siri 可能终于要从「动嘴」进化到「动手」了。让 Siri 查天气、设置闹钟、打开应用,早已不是什么新鲜事。但如果你现在让它安排一次出差,查好机票和酒店,再根据日历整理行程,恐怕还是得自己动手。苹果最近的一系列动作,透露了它想改变这种状况的野心。11 月中旬,苹果官网出现了两则与自主式 AI Agent 有关的招聘信

    来源 腾讯网
  3. 苹果自研Agent:3个岗位曝光,最快明年推出

    智东西(公众号:zhidxcom)编译 | 黄菲编辑 | 江宇智东西11月20日消息,今日,据彭博社报道,苹果正自研Agent,并于11月17日至19日陆续发布3个相关招聘岗位,进一步披露其研发计划。苹果希望借此进入快速增长的Agent市场,与早已占据先发优势的OpenAI、Anthropic和Meta等科技公司展开竞

    来源 腾讯网
  4. 蔚来重写NOMI底层架构:告别九年旧代码,3000项整车能力接入AI

    蔚来NOMI产研团队重写沿用九年的传统规则架构,转向以大模型主智能体为核心的原生技术架构,取消传统单向指令分发流程。新架构4月完成实车概念验证,8至9月完成3000项整车原子能力工具化改造,依托SkyOS·天枢系统运行,更多技术细节与推送计划将在11月25日公布。

    来源 凤凰科技
  5. Qwen4-Max上线:2.4万亿参数,推理成本降58%

    IT时报记者 潘少颖综合报道进入11月后,国内大模型赛道热度不减,百度、美团、华为相继放出新模型,阿里在11月16日补上了自家旗舰的更新——Qwen4-Max正式亮相。不少大模型在落地后遇到相似的问题:跑分好看,但读长文档容易丢信息、写代码容易半路跑偏;想做持续调用的智能体,算力账单又居高不下。Qwen4-Max是Qw

    来源 腾讯网
  6. AMD XDNA2 NPU 率先获得 Unsloth Desktop 适配,支持超百款智能体

    IT之家 11 月 20 日消息,AMD 当地时间 19 日宣布,其锐龙 AI 处理器上的 "XDNA 2" NPU 成为首款获得 Unsloth Desktop 本地界面支持的神经网络处理器。 具体来看,兼容的应用程序向 Unsloth Desktop API 发送模型请求,而 Lemonade 和 FastFlow

    来源 AI 行业观察
  7. 只改一处代码,谷歌 AI 智能体优化 Harness 后任务成功率提升 8 倍

    IT之家 11 月 20 日消息,谷歌研究人员当地时间 11 月 17 日最新发表的研究论文《Harnesses That Improve Themselves》(《能够自我改进的 Harness》)显示,通过让 AI 智能体逐步修改自身运行框架,并对每次修改进行验证,可以显著提高软件工程任务的完成率。 在一项 SWE

    来源 AI 行业观察
  8. OpenAI开放GPT-Live-1.1 API:实时双向对话,智能体边聊边干活

    OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交互能力,可以

    来源 AI 开发者社区
  9. 苹果招兵买马做AI Agent:Muse的领跑位置还稳吗

    苹果近期密集招聘AI工程人才,重点开发多Agent协调、长周期推理和工具调用系统。Meta旗下Muse上线后迅速登上苹果应用商店免费榜第二,摩根大通看好其吸引数亿商家、拓展电商变现的潜力。苹果若将AI Agent整合进iOS,或凭借系统入口和用户规模对Muse形成直接竞争。

    来源 华尔街见闻
  10. 豆包工作,把 Agent 干活成本打下来

    处理不少日常任务,成本已经低到几乎可以忽略不计。 作者: GaKi 编辑: Koji‍ 排版: NCon豆包工作的「豆姐」,终于换头像了,新版看起来更加干练,颇有几分职场人的感觉:换头像的同时,豆包工作还公布了一组数据:上线三个月,DAU 突破 800 万,企业客户 ARR 突破 20 亿元。与此同时,豆包工作还对模型

    来源 腾讯网
  11. 智能体AI架构:挑战与机遇并存,工程师如何应对

    大多数软件工程师和架构师对微服务和云原生架构早已耳熟能详,多年来也一直参与构建基于这些架构的系统。基于微服务的系统通常由数十、数百甚至数千个服务组成,负责不同类型的数据处理任务——API 端点、数据管道、后台工作流,以及各类中间场景——但它们都有一个共同点:按照代码确定的逻辑或基于从数据存储中检索到的数据来处理数据。这

    来源 AI 行业观察
  12. 豆包网页版上线Agent工作模式:八大功能覆盖PPT生成与AI搜索

    本文介绍豆包AI网页版的访问方式及2026年最新升级的Agent工作模式。该模式支持自主拆解任务、操作浏览器及生成文档。文章详细解析了PPT制作、图像生成、深度搜索等八大实用功能,并结合QuestMobile数据探讨其用户规模,为不同场景用户提供具体操作建议。

    来源 AI 应用前沿
  13. 苹果亚马逊谷歌齐出手:家庭AI中枢争夺战开打

    Personal Agent让智能家居再次被赋予了想象力。过去只能联网和听从指令的家居设备,有了新的方案来理解环境、主动判断,并实现彼此协作。 海尔智家最近集中发布的一批搭载AI之眼2.0的大白电新品就是体现。这让冰箱、烟机和灶具、洗衣机也开始围绕任务来组织工作。比如,冰箱会识别食材、推荐存放位置,并把菜谱同步给厨电;

    来源 AI 行业观察
  14. 具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

    过去十年,AI 的进步只被一把尺子衡量:机器自己能做成多少事。 按这把尺子量,成绩单相当亮眼。今天的 Agent 能写代码、审代码、起草文档,在电脑上连续工作好几个小时;Meta、xAI、OpenAI 相继推出常驻后台的个人智能体,替人盯着长期目标;具身智能则是另一个风口,机器人正在拥有自己的身体、感知和目标。Pers

    来源 AI 行业观察
  15. alphaXiv上线AI Agent专属预印本服务器:936个Agent自组学术圈

    有点不可思议,AI Agent 已经开始组团搞科研了。近日,alphaXiv 推出了一个专门面向 AI Agent 的预印本服务器,允许不同实验室的 Agent 在同一个平台上自主开展研究、交流成果。这些 Agent 会提出假设、设计实验、运行代码、分析数据,还会把研究成果写成论文,提交给其他 Agent 审查。更有意

    来源 腾讯网
  16. Gemini 4 翻身背后:SemiAnalysis 填表道歉,Hassabis 接梗回应

    Google DeepMind通过组织调整、算力重新分配和训练体系升级,在短短七周内连续推出四款Gemini 4模型。依托大规模预训练、多线并行研发和真实工程场景的强化学习训练,Gemini在编程和Agent能力上实现突破,重返行业第一梯队,此前唱衰Google的SemiAnalysis也公开致歉。

    来源 华尔街见闻
向下滚动自动加载更多