螞蟻阿福：從 0 到生產(chǎn)的醫(yī)療 Agent 工程化落地｜QCon 北京

從「AI For What」到「Value From AI」，100+ 可落地實(shí)踐案例打通 AI 實(shí)戰(zhàn)最后一公里！

4 月 16 日 -4 月 18 日，QCon 全球軟件開發(fā)大會(huì) 將在北京舉辦。本屆大會(huì)錨定 Agentic AI 時(shí)代的軟件工程重塑，聚焦 Agentic AI、多智能體協(xié)作、算力優(yōu)化、技術(shù)債治理、多模態(tài)和 AI 原生基礎(chǔ)設(shè)施等前沿話題，邀請(qǐng)來自騰訊、阿里、百度、華為、螞蟻、小米、網(wǎng)易等企業(yè)技術(shù)專家，帶來百余項(xiàng)真實(shí)落地案例，系統(tǒng)性分享前沿洞察與實(shí)戰(zhàn)干貨，以技術(shù)共創(chuàng)探索 AI 落地新路徑。

螞蟻集團(tuán)醫(yī)療健康資深專家郭春曉已確認(rèn)出席 “Agent in Practice：千行百業(yè)的 Agent 實(shí)踐” 專題，并發(fā)表題為《螞蟻阿福：從 0 到生產(chǎn)的醫(yī)療 Agent 工程化落地》的主題分享。隨著大模型與智能體（Agent）技術(shù)的快速發(fā)展，如何高效構(gòu)建一個(gè) Agent，以及在過程中做好評(píng)估、可觀測(cè)等效果，成為核心話題。螞蟻提出了 EBDD（評(píng)測(cè)集和 badcase 驅(qū)動(dòng)的開發(fā)方式）驅(qū)動(dòng)的研發(fā)模式不斷地驅(qū)動(dòng)了智能體的開發(fā)并構(gòu)建了核心的如 RAG、context、記憶等核心能力并在多個(gè)榜單取得 SOTA 的成績(jī)。本次演講將探討螞蟻阿福如何在從 0 到生產(chǎn)的醫(yī)療 Agent 工程化落地，體系化地了解 Agent 構(gòu)建背后的技術(shù)體系以及技術(shù)布局。

郭春曉，作為螞蟻集團(tuán)的資深技術(shù)專家和五福紅包架構(gòu)師，擁有多項(xiàng)技術(shù)專利與論文，當(dāng)前研究 Agent 技術(shù)與大規(guī)模 RL 訓(xùn)推 Scale 等方向。他在本次會(huì)議的詳細(xì)演講內(nèi)容如下：

演講提綱

• 螞蟻阿福 Agent 的痛點(diǎn)、挑戰(zhàn)

• • 工業(yè)級(jí)大規(guī)模研發(fā)的痛點(diǎn)

  • 醫(yī)療 Agent 的核心挑戰(zhàn)

  • Agent 研發(fā)范式與傳統(tǒng)研發(fā)范式的區(qū)別

• Agent 研發(fā)范式的北極星指標(biāo)與技術(shù)體系

• • 評(píng)測(cè)體系的建設(shè) EBPP

  • 評(píng)測(cè)和 badcase 驅(qū)動(dòng)的研發(fā)模型

  • 技術(shù)體系的建設(shè)

  • 上下文工程、RAG、醫(yī)療個(gè)性化、推理加速

• 醫(yī)療上下文的挑戰(zhàn)

• • 長(zhǎng)上下文的處理

  • 主子 Agent 的上下文的共享

• 從 RAG 到 Agent RAG 的實(shí)戰(zhàn)

• • Agentic RAG 的架構(gòu)與醫(yī)療詢證檢索

• 醫(yī)療個(gè)性化

• • 個(gè)性化的挑戰(zhàn)與難點(diǎn)

  • 醫(yī)療個(gè)性化的解決方案

• 推理加速

• • 常見的性能優(yōu)化方案

  • 如何優(yōu)化 TTFT、TPOT 以及最佳實(shí)踐

• 總結(jié)與展望

• • 未來架構(gòu)展望

這樣的技術(shù)在實(shí)踐過程中有哪些痛點(diǎn)？

• 如何從最小評(píng)測(cè)集開始，設(shè)計(jì)一個(gè)適合當(dāng)時(shí)生產(chǎn)力的方案

• 醫(yī)療 Agent 中處理解決幻覺與正確性的關(guān)鍵問題

• 如何在推理成本與用戶體驗(yàn)平衡

演講亮點(diǎn)

踩坑經(jīng)驗(yàn)與架構(gòu)創(chuàng)新：深入剖析 Agent 架構(gòu)優(yōu)化與演進(jìn)歷程，體系化地了解工業(yè)級(jí)的 Agent 背后的實(shí)戰(zhàn)與選擇。

聽眾收益

• 全面了解螞蟻阿福內(nèi)部從 0 到 1 構(gòu)建醫(yī)療 Agent 的實(shí)踐歷程

• 深入理解其中每個(gè)技術(shù)選型的過程與心得

• 體系化地了解 Agent 構(gòu)建背后的技術(shù)體系以及技術(shù)布局

除此之外，本次大會(huì)還策劃了 Agentic Engineering、多模態(tài)理解與生成的突破、記憶覺醒：智能體記憶系統(tǒng)的范式重塑與產(chǎn)業(yè)落地、具身智能與物理世界交互、Agent Infra 架構(gòu)設(shè)計(jì)、AI 重塑數(shù)據(jù)生產(chǎn)與消費(fèi)、AI 原生基礎(chǔ)設(shè)施、AI 驅(qū)動(dòng)的技術(shù)債治理、小模型與領(lǐng)域適配模型、大模型算力優(yōu)化、Agent 可觀測(cè)性與評(píng)估工程、AI for SRE 等 20 多個(gè)專題論壇，屆時(shí)將有來自不同行業(yè)、不同領(lǐng)域、不同企業(yè)的 100+ 資深專家在 QCon 北京站現(xiàn)場(chǎng)帶來前沿技術(shù)洞察和一線實(shí)踐經(jīng)驗(yàn)。

會(huì)議推薦

OpenClaw 出圈，“養(yǎng)蝦”潮狂熱，開年 Agentic AI 這把火燒得不可謂不旺。在這一熱潮下，自托管 Agent 形態(tài)迅速普及：多入口對(duì)話、持久記憶、Skills 工具鏈帶來強(qiáng)大生產(chǎn)力。但這背后也暴露了工程化落地的真實(shí)難題——權(quán)限邊界與隔離運(yùn)行、Skills 供應(yīng)鏈安全、可觀測(cè)與可追溯、記憶分層與跨場(chǎng)景污染、以及如何把 Agent 納入團(tuán)隊(duì)研發(fā) / 運(yùn)維流程并形成穩(wěn)定收益。

針對(duì)這一系列挑戰(zhàn)，在 4 月 16-18 日即將舉辦的 QCon 北京站上，我們特別策劃了「OpenClaw 生態(tài)實(shí)踐」專題，將聚焦一線實(shí)踐與踩坑復(fù)盤，分享企業(yè)如何構(gòu)建私有 Skills、制定安全護(hù)欄、搭建審計(jì)與回放機(jī)制、建立質(zhì)量 / 效率指標(biāo)體系，最終把自托管 Agent 從可用的 Demo 升級(jí)為可靠的生產(chǎn)系統(tǒng)。