CCF ADL167「智能体」培训全纪录：13 位讲者、三天、从原理到落地的完整笔记

2026 年 4 月 17 日—19 日，北京·西郊宾馆

培训 PPT 合集：百度云盘（提取码：2f7b）

---

写在前面

2026 年 4 月中旬，我在北京参加了为期三天的 CCF ADL167「智能体」 专题讲习班。这是中国计算机学会组织的学科前沿讲习班第 167 期，以 OpenClaw 等实战为牵引，覆盖了从智能体原理、开源框架、终端产品到金融、法律、教育、科研垂直落地的完整链条。

三天 13 场报告，我记了厚厚的笔记。回到住处后，我把它们整理成了这篇长文——既是自己的复盘，也希望给没有到场的朋友一个完整的参考。

---

一、智能体是什么？和「大模型对话」有什么区别

用一个比喻：

• 大模型对话 = 一个很聪明的人坐在你面前，你问他答，说完就走。
• 智能体（Agent） = 一个聪明的助手，能理解你的任务、拆解步骤、调用工具、记住历史、持续执行、自我反思，最终给你一个可交付的结果。

关键差异在于：

维度	大模型对话	智能体
交互方式	一问一答	多步循环执行
输出	文本建议	可执行结果
记忆	仅当前会话	独立记忆层，跨任务持久化
工具	通常无	内置/自定义工具链
自主性	被动响应	主动规划与执行

一个核心概念叫 harness engineering（运行环境工程）——智能体的能力不只看模型本身，更取决于运行环境、工具系统和安全边界的设计。

---

二、三天培训内容概览

日期	主题板块	讲者	单位
4/17	原理与实战	马彦彪/朱余韬/杨文恺	人大
4/17	框架与平台	李雅亮	阿里
4/17	记忆系统	熊飞宇	记忆张量
4/17	终端产品	王俊	OPPO
4/17	生产级开发	张鑫宇	华为
4/18	教育创新	蔡文婷	火山引擎
4/18	金融落地	费斌杰	熵简科技
4/18	法律智能体	徐鹏	幂律智能
4/18	多智能体课堂	于济凡	清华
4/19	模型原生代理	桑基韬	北交大
4/19	科研智能体	钱泓锦	智源
4/19	OpenClaw 机理	张奇	复旦
4/19	下一代智能体	黄超	港大

---

三、逐场核心要点

1. 人大团队：AI Agent 从原理到实战（OpenClaw 与 Claude Code）

系统梳理了从「一问一答」到「任务拆解、工具调用、循环执行」的完整工作方式。工程上强调：

• CLI 场景与 loop 机制
• agent.md 与 skill.md 文档规范
• 上下文过长时的五级压缩与兜底策略
• 权限与风险管控占 15-20% 工作量

收获：Agent 能力上限不只看模型，更依赖 harness、工具系统和安全边界。

2. 阿里李雅亮：AgentScope 及 CoPaw

聚焦开源框架的通用抽象：记忆、工具、接口与可扩展模块。核心能力包括：

• 内置智能体，开箱即用
• 动态能力扩展与可视化开发
• 生产级运行时与多语言支持
• 自我进化机制（知识积累与技能提升）

收获：做 Agent 项目应优先评估框架的稳定性和扩展性，而非只看 Demo 效果。

3. 记忆张量熊飞宇：MemOS 记忆操作系统

核心观点：记忆应从「上下文拼接」升级为独立基础设施，支持：

• 统一表示、存储、检索、融合
• 版本管理与生命周期调度
• 个体记忆、任务记忆、环境记忆、多智能体协同记忆

结合 OpenClaw 的实践说明：记忆直接影响规划、反思和多轮任务连续性。

收获：长周期 Agent 的竞争力在「可积累经验」，而非单轮回答漂亮。

4. OPPO 王俊：从工具到分身

从 tool-use 到 GUI Agent 再到数字分身，千万级终端部署下的工程要点：

• 跨端协同（手机-PC-其他设备）
• 性能、安全与规模化部署
• 用户可控性与数字分身定位

收获：终端规模化场景下，Agent 是系统工程问题，不是单点模型问题。

5. 华为张鑫宇：openJiuwen 生产级 Agent 开发

从原型到生产的核心痛点：精准性、易用性、执行效率。

• 容器隔离、多实例管理
• multi-agent native 架构
• Python / TypeScript 双语言支持
• 安全隔离与运行维护同等优先级

收获：企业级 Agent 平台必须把安全隔离和治理放在同等优先级。

6. 火山引擎蔡文婷：VibeCoding + OpenClaw 教师数字分身

以教育场景为主线，低代码构建、快速部署、跨场景适配。扣子生态定位：

• 豆包：toC，平民化
• 扣子：产业版，专业化

收获：在垂直行业里，know-how 沉淀和兜底校验比炫技能力更关键。

7. 熵简费斌杰：金融 Agent 产业实践（AlphaEngine）

机构投研视角，服务 8 万 + 投资者、8600+ 机构。

收获：金融场景里 Agent 的关键不只是「能分析」，更是「能进入业务流程并稳定复用」。

8. 幂律徐鹏：法律智能体

从法律问答到可执行服务：合同审查、催款追收、劳动仲裁、线上立案。

收获：法律 Agent 的难点不在能否回答，而在事实核验、流程衔接与责任边界。

9. 清华于济凡：MAIC 多智能体课堂

从 MOOC 到 MAIC（多智能体课堂），探索全 AI 守护的个性化教学：

• 防止「认知外包」，保留人的主体性
• 大模型可实现 token 级别的个性化
• 人均智能体 100+ 的未来场景
• 教育平权：师资考试必须有 AI

收获：教育 Agent 的核心价值是提升个性化与教学效能，但必须守住人的主体性。

10. 北交大桑基韬：模型原生智能代理

系统梳理三要素：任务规划、工具使用、记忆。

• API / GUI / CLI 三类代理路线
• Agent 架构从 prompt/context 优化转向 harness engineering
• RL + 数据合成 + 评测是进化动力

QA 金句：「大一时学生很厉害了，时代太好了。当老师的比学生更慌，学生不要慌。」

11. 智源钱泓锦：DeepXiv 科研智能体

将科研智能体定位为「数据与内容基础设施」问题：

• 证据可检索、可追溯、可复用
• 平台 + 终端助手 + SDK 三层形态
• 「检索—生成—发布—反馈」闭环

收获：科研 Agent 要真正可靠，关键是证据组织和可复现实验资产，而非单次生成质量。

12. 复旦张奇：从「只会聊天」到「能替你办事」的龙虾革命

本场讲者有深度，现场反响很好。他带来两场报告（主会场 + 统计机器学习专场），核心内容包括：

• “当前 AI 最缺的是品味” —— 模型能力已足够强大，但在任务选择、输出质量判断、边界认知等方面，仍缺乏「品味」与「审美」。
• OpenClaw 架构深度剖析 — System Prompt 约 14,000 tokens，包含 20+ 工具描述、Skills 文档体系（AGENTS.md/SOUL.md/TOOLS.md/USER.md），支持 55 种 Token 管理与 30+ 种上下文策略。
• Skill 机制 — 将 SOP/API 封装为 AI 可调用的技能模块（SKILL.md），是 Agent 能力扩展的关键。
• 上下文工程 — 提出 CL-Bench 评测基准，发现模型在 context engineering 上表现差异最高与最低差距达 3.16 倍。
• Token 消耗与成本控制 — ReAct 模式下 3 轮交互可达 50,000+ tokens，需要压缩策略和兜底机制。
• SFT 数据多样性 — 提出 NovelSum/NovelSelect 度量，数据多样性与模型性能高度相关（LLaMA-3: 0.97, Qwen-2.5: 0.90）。
• SFT 对知识的副作用 — 约 240 条数据即可达到最优效果，过量反而退化；超过 70% 的参数更新集中在不到 1% 的参数上，大部分不必要且损害预训练知识。
• Agent 与科研结合 — 主张用 Agent 协作方式组织研究与开发，强调 Agent 与软件工程的融合。

收获：务实落地应坚持「能力建设 + 边界认知」并行，避免过度自动化承诺。

13. 港大黄超：解密龙虾——下一代智能体机遇与挑战

港大 HKUDS 团队（黄超）的报告非常真诚，团队开源成果丰硕（累计 18 万+ stars）。核心观点：

• “未来的软件不是给人用，给 agent 用。” —— 软件范式根本转变。
• “勇气比较重要，敢想就能干。” —— 在 AI 工具链足够成熟的当下，行动力比技术门槛更重要。
• “怎么发现点子：解决问题，行业痛点，简单化。”
• “学术界工业界，模糊了。” —— 开源社区让学术成果快速落地，工业实践反哺学术。
• 下一代架构演进：Solo → Swarm。
• 港大 HKUDS 开源了 nanobot、LightRAG、CLI-Anything、DeepCode、ClawTeam 等 10+ 项目。

金句：「未来的软件不是给人用，给 agent 用。」

---

四、关键技术栈总结

记忆与上下文

• 五级压缩策略：预测 token 数量 → 触发兜底机制
• 前缀缓存：命中计费，降低 API 成本
• 独立记忆层：MemOS 等系统将记忆从上下文升级为可管理对象

框架选型对比

框架	定位	特点
OpenClaw	开源实战	CLI 为主，loop 机制，skill 生态
AgentScope	阿里开源	github.com/agentscope-ai/agentscope，内置智能体，可视化，生产级运行时
openJiuwen	华为开源	容器隔离，multi-agent native，Python/TS 双语言支持
MemOS	记忆张量	独立记忆层，版本管理，OpenClaw 集成
扣子 Coze	火山引擎	低代码，数字分身，toB/toC 双版本

安全与权限

• 容器隔离、多实例管理是基础
• 工具搜索与折叠机制
• 权限风险管控占总工作量 15-20%

---

五、关键观点摘录

以下摘录自讲者发言与 QA 环节。

黄超（港大）

• “未来的软件不是给人用，给 agent 用。”
• “怎么发现点子：解决问题，行业痛点，简单化。”
• “学术界工业界，模糊了。”

于济凡（清华）

• “守住人的主体性，防止认知外包。”
• “大模型可以 token 级别的个性化。”
• “人均智能体 100+。”

桑基韬（北交大）

• “文科更有竞争力，理科被替换了。”
• “当老师的比学生更慌，学生不要慌。”

钱泓锦（智源）

• “最强的系统依然不够用。”
• “不要做编排，多个 agents 做，交流。”
• “做不过大厂就自己定制化，私有差异化。”

张奇（复旦）

• “当前 AI 最缺的是品味。”
• 坚持「能力建设 + 边界认知」并行，避免过度自动化承诺。

蔡文婷（火山引擎）

• “下半年趋势：数字员工商店、超级 HR、超级法务、超级龙虾。”
• “豆包和扣子不会合并：公益化 vs 商业化。”

---

六、我的思考与建议

趋势判断

1. 从工具到数字分身——Agent 不再是「用完即走」，而是长期陪伴的智能伙伴。
2. 从单机到 Swarm——多智能体协作将取代单智能体，成为主流架构。
3. 记忆与系统层重要性上升——harness engineering 将取代 prompt engineering 成为核心能力。
4. 垂直专用 Agent 是务实路径——通用框架护城河有限，深度适配才有竞争力。

落地建议

• 短期可试：内部知识库升级、低敏感流程自动化 PoC、OpenClaw 本地部署试用。
• 中期关注：多智能体协作框架选型、记忆系统集成、Agent 评测基准建立。
• 需谨慎：涉及强监管数据的自动执行、无明确责任人的自主决策。

---

七、推荐资源

框架与平台

• OpenClaw：github.com/OpenClaw（搜索官方仓库）
• AgentScope：github.com/agentscope-ai/agentscope
• RaMe（阿里，记忆与推理）：github.com/agentscope-ai/RaMe
• openJiuwen（华为）：华为开源，搜索 openJiuwen
• 扣子 Coze：coze.cn（国内版）/ coze.com（国际版）
• 火山引擎：volcengine.com

记忆系统

• MemOS（记忆张量）：搜索 MemOS 或关注记忆张量科技官方渠道

教育智能体

• MAIC（清华）：open.maic.chat / github.com/THU-MAIC/OpenMAIC
• MAIC 课堂演示：open.maic.chat/classroom/Pka1GkuPml

科研智能体

• DeepXiv（智源）：搜索 DeepXiv 或关注智源研究院官方渠道
• FlashRAG（人大）：检索增强生成工具包，GitHub 3.4k+ stars

港大 HKUDS 开源项目

• HKUDS GitHub：github.com/HKUDS（累计 18 万+ stars，全球 Top-60）
• 代表项目：nanobot、LightRAG、CLI-Anything、DeepCode、RAG-Anything、DeepTutor、AutoAgent、AI-Researcher、AI-Trader、ClawTeam、VideoRAG

金融与法律

• AlphaEngine（熵简科技）：搜索 AlphaEngine 或关注熵简科技官方渠道
• 幂律智能：powerlaw.ai

其他

• ADL167 官方页面：conf.ccf.org.cn/ADL167

---

八、培训 PPT 下载

所有 13 位讲者的 PPT/PDF 已打包上传至云盘，可找我获取链接。

---

本文系个人学习总结，不代表任何机构观点。
培训时间：2026 年 4 月 17 日—19 日 | 地点：北京·西郊宾馆 | 主办：中国计算机学会 CCF