C114讯 7月20日消息（艾斯）在由中国信通院承办的2026年世界人工智能大会（WAIC）“从大模型到智能体：迈向自主智能新纪元”论坛上，迈富时AI首席科学家梁铮博士发表了题为《AI智能体基建思考》的演讲。他系统性地阐述了企业级AI智能体完整生命周期所需的基础设施，并对当前行业痛点作出了精准回应。
C114了解到，迈富时在AI Agent领域拥有深厚积累，不仅入选了IDC中国AI Agent市场图谱的三大核心模块，此前还联合中国信通院发布了国内首份CRM智能化能力成熟度模型，致力于以AI原生能力推动CRM新范式的重构。
梁铮博士此次演讲所分享的内容，不仅是一次技术层面的深刻探讨，更标志着智能体发展正经历一场关键转变：当模型能力不再成为稀缺资源时，决定智能体“能走多远”的，恰恰是底层的开发、运行与协作基础设施。
开发基建：从“代码编排”到“意图引导”
一切的转变，都始于开发范式的根本性变革。
演讲一开始，梁铮博士就划定了一个清晰的时间轴：一兩年前，企业构建智能体还依赖高代码的Prompt工程和低代码的工作流拖拽，而到了2026年，范式已然改变。
“我们现在开发智能体，要么通过自然语言，要么借助Markdown文件，”他指出，“以前的IDE（集成开发环境）如今已退化成了一个聊天框或文本编辑器。”
这种转变的背后，是基模能力的跃迁——智能体已能自主生成可执行代码来实现业务流程，开发者的角色也从“编排者”进化为“指导者”。更重要的是，迈富时称之为“Harness Engineering”的能力，将传统IDE的功能内化到了Agent构建方法之中。用户感知不到IDE的存在，因为基建层已将复杂性屏蔽，只需通过自然语言和Markdown文件，即可完成智能体的构建。
不过，由此也带来了“黑盒”问题这一新挑战：当传统代码和工作流节点消失，开发者应如何调试？梁铮给出的答案是，调试对象将从“代码逻辑”转向验证Agent的“意图理解、推理过程和工具调用链”。解决方案在于构建“白盒”原生可观测性，通过全链路追踪（意图→推理→工具→结果）、实时观测和反馈闭环机制，让开发者乃至非技术用户都能理解并优化智能体的行为。
此外，智能体开发的版本管理与持续集成持续发布（CI/CD）也迎来了革新。
“Agent的‘版本’不是代码提交记录，而是提示词、工具定义、上下文配置和行为逻辑的复合体。” 梁铮强调了“Agent as Code”的理念——将智能体定义视为代码，通过声明式配置文件（YAML/JSON）与Git工作流深度集成，实现完整的溯源、审计和协作评审（Agent Review）。
在此基础上，迈富时构建了完整的Agent CI/CD流水线，在其实践中，配置变更会触发自动化验证（语义检查、链路验证、回归测试），通过任务完成率、推理准确性、工具调用成功率等指标设置质量门禁。部署时则采用灰度发布策略，逐步扩大流量，并辅以全链路可观测性仪表盘。
运行基建：从“工具即代码”到“工具即服务”
梁铮指出，运行时基础设施是智能体稳定、安全执行任务的保障，其中的的核心矛盾在于动态性与稳定性的冲突。
目前，迈富时在运行时基建方面主要有三大核心实践：
·工具即服务（Tool-as-a-Service）：运行时工具管理从“工具即代码”转变为“工具即服务”。通过统一的工具注册表和动态发现机制，智能体可根据用户意图实时检索并绑定最匹配的工具。Agent不再硬编码工具。同时，通过可观测性与熔断机制，对工具调用进行全链路追踪和超时控制，保障系统稳定性。尤为关键的是认证与凭据注入，迈富时遵循零信任原则，通过安全代理在调用时动态注入OAuth/API Key等敏感凭据，从根本上杜绝了企业数据泄露风险——“Agent本身绝不接触明文凭据”，这是许多现有方案尚未解决的痛点。
·多层次上下文与状态管理：梁铮谈到，智能体的上下文和状态是一个复合体，为此迈富时设计了分层存储架构——会话级Redis缓存（短期状态）、用户级KV数据库（中期状态）、知识级向量数据库（长期状态）。此外，其状态版本控制与回溯能力使得智能体可以回滚到任意“干净状态”，为复杂任务的调试和重试提供了可能。
·分层沙箱管理：梁铮称，“智能体沙箱运行时的控制，是我们目前为止收获最大的一项工程实践。”为隔离和审计动态生成的可执行内容，迈富时设计了两种沙箱——用户级有状态沙箱（一次创建，持续陪伴）与轻量级无状态沙箱（用完即焚，极速响应）。前者为用户保留持久的隔离环境，承载需要长期上下文和个人数据的复杂任务，如数据分析和长期项目协作；后者则专注于高并发低延迟的纯计算任务，保证敏感数据的安全性和执行结果的确定性。
协作基建：迈向百万级智能体互联网络
展望未来，梁铮描绘了一个万级乃至百万级的Agent互联网络，而这一网络的运行将依赖于强大的协作基础设施。在他看来，构建这样一个协作基础设施需要具备以下几个核心要素：
首先是统一身份与可发现性。每个智能体都需要一个统一的身份注册，声明其能力、访问地址、认证方式和服务协议。通过可被发现协议和动态发现机制，调用方可以按需、动态地找到最适合完成任务的智能体，实现任务的自动化委派与协商。
另外是不透明执行与异步长时任务。在协作网络中，智能体间的调用是“不透明执行”的，即调用方无需知晓被调用方的内部实现和敏感知识，只需关注任务结果，这有效保护了企业的Know-How。同时，协作基建需支持跨越不同运行时平台的异步长时任务，能够管理持续数小时甚至数天的复杂任务，确保任务在分布式环境中的可靠执行与状态一致性。
显然，迈富时的目标并非提供单一工具，而是为企业打造一个从数据到决策、从开发到落地的全链路智能体能力体系。
演讲最后，梁铮博士引用哲学家维特根斯坦的名言“我的语言的边界意味着我的世界的边界”，并提出了深刻洞见：“在AI智能体基建时代，AI基建的能力边界意味着智能的边界”。
他强调，“AI智能体基建的目标，是通过最优的Loop + Harness工程，在最大化任务完成收益的同时，最小化Token消耗的过程成本。”。 
