100+企業踩過的坑：AI落地最后一公里的真問題

Agent 的記憶力，正在成為新的工程瓶頸。

4 月 16 日至 18 日，QCon 全球軟件開發大會將在北京舉辦。本屆大會聚焦 Agentic AI 時代的軟件工程重塑，來自騰訊、阿里、百度、華為、螞蟻、小米、網易等企業的技術專家，將帶來百余項真實落地案例。

記憶張量 MemTensor 創始人熊飛宇博士已確認出席，分享主題是《從上下文到經驗資產：OpenClaw 熱潮下的 Agent 記憶系統工程實踐》。

OpenClaw 的爆發把一個被長期低估的問題推到了前臺：Agent 的瓶頸不只是模型能力，更是長期狀態如何被寫入、組織、檢索、更新和共享。拉長 context window 或者接一個向量庫，并不能解決長任務中的連續性和穩定性問題。相反，它們往往引入新的工程債——token 消耗隨會話輪次線性膨脹、歷史信息與當前任務上下文互相污染、跨 Session 狀態丟失、多 Agent 之間無法復用經驗、用戶記憶缺乏版本控制和權限治理。這些問題在單輪對話中不顯眼，但在多 Session、多 Agent、長周期任務場景下會急劇放大。

熊飛宇的分享將從 OpenClaw 這一輪 memory 需求切入，系統討論 Agent 為什么需要一層獨立于模型的記憶系統，以及這層系統如何從"存對話日志"進化為"沉淀可復用的經驗資產"。

核心內容包括：Memory as File System 的抽象模型、三類記憶（參數記憶 / 激活記憶 / 明文記憶）的工程定位、寫入-組織-檢索-更新的全鏈路設計、任務經驗到 Skill 的閉環沉淀機制，以及單 Agent 到多 Agent 團隊知識中樞的差異化架構。

熊飛宇曾任阿里巴巴集團業務中臺數據智能負責人及淘寶天貓數據平臺負責人，主導構建了國內首個千億級數字商業知識圖譜和零售行業知識交互大模型。2024 年 11 月創立記憶張量（上海）科技有限公司，提出并落地具有中國特色的大模型發展路徑（PlanB），構建"低成本、低幻覺、高性能"的大模型核心技術體系。

他在本次會議的演講要點包括：為什么 Agent 時代記憶從加分項變成基礎設施；Context window 不等于長期記憶；Memory 作為一層獨立系統能力的工程定位；寫入、組織、檢索、更新四層設計的核心挑戰；從對話記錄到 Skill 沉淀的完整閉環；四種部署形態的架構差異與工程取舍。

其中一組實測數據值得關注：從"全量灌上下文"改造為"按任務精確召回"后，模型調用次數降低 59.5%，token 消耗降低 72% 以上。

熊飛宇特別強調，不把 memory 講成"向量庫 + RAG"的變體，而是從 OpenClaw 的真實工程問題出發，解釋為什么 Agent 時代需要一層獨立的、有完整生命周期管理的記憶系統。聽眾可以帶走一套可按模塊拆解的落地路徑：寫入、組織、檢索、更新、共享、治理——每個環節的核心設計決策和常見踩坑點。

除此之外，本次大會還策劃了 Agentic Engineering、多模態理解與生成的突破、具身智能與物理世界交互、Agent Infra 架構設計、AI 重塑數據生產與消費、AI 原生基礎設施等 20 多個專題論壇，100 余位資深專家將帶來前沿技術洞察和一線實踐經驗。

大會日程已 100% 上線，更多詳情可聯系票務經理 18514549229 進行咨詢。