螞蟻阿福：從 0 到生產的醫療 Agent 工程化落地｜QCon 北京

從「AI For What」到「Value From AI」，100+ 可落地實踐案例打通 AI 實戰最后一公里！

4 月 16 日 -4 月 18 日，QCon 全球軟件開發大會 將在北京舉辦。本屆大會錨定 Agentic AI 時代的軟件工程重塑，聚焦 Agentic AI、多智能體協作、算力優化、技術債治理、多模態和 AI 原生基礎設施等前沿話題，邀請來自騰訊、阿里、百度、華為、螞蟻、小米、網易等企業技術專家，帶來百余項真實落地案例，系統性分享前沿洞察與實戰干貨，以技術共創探索 AI 落地新路徑。

螞蟻集團醫療健康資深專家郭春曉已確認出席 “Agent in Practice：千行百業的 Agent 實踐” 專題，并發表題為《螞蟻阿福：從 0 到生產的醫療 Agent 工程化落地》的主題分享。隨著大模型與智能體（Agent）技術的快速發展，如何高效構建一個 Agent，以及在過程中做好評估、可觀測等效果，成為核心話題。螞蟻提出了 EBDD（評測集和 badcase 驅動的開發方式）驅動的研發模式不斷地驅動了智能體的開發并構建了核心的如 RAG、context、記憶等核心能力并在多個榜單取得 SOTA 的成績。本次演講將探討螞蟻阿福如何在從 0 到生產的醫療 Agent 工程化落地，體系化地了解 Agent 構建背后的技術體系以及技術布局。

郭春曉，作為螞蟻集團的資深技術專家和五福紅包架構師，擁有多項技術專利與論文，當前研究 Agent 技術與大規模 RL 訓推 Scale 等方向。他在本次會議的詳細演講內容如下：

演講提綱

• 螞蟻阿福 Agent 的痛點、挑戰

• • 工業級大規模研發的痛點

  • 醫療 Agent 的核心挑戰

  • Agent 研發范式與傳統研發范式的區別

• Agent 研發范式的北極星指標與技術體系

• • 評測體系的建設 EBPP

  • 評測和 badcase 驅動的研發模型

  • 技術體系的建設

  • 上下文工程、RAG、醫療個性化、推理加速

• 醫療上下文的挑戰

• • 長上下文的處理

  • 主子 Agent 的上下文的共享

• 從 RAG 到 Agent RAG 的實戰

• • Agentic RAG 的架構與醫療詢證檢索

• 醫療個性化

• • 個性化的挑戰與難點

  • 醫療個性化的解決方案

• 推理加速

• • 常見的性能優化方案

  • 如何優化 TTFT、TPOT 以及最佳實踐

• 總結與展望

• • 未來架構展望

這樣的技術在實踐過程中有哪些痛點？

• 如何從最小評測集開始，設計一個適合當時生產力的方案

• 醫療 Agent 中處理解決幻覺與正確性的關鍵問題

• 如何在推理成本與用戶體驗平衡

演講亮點

踩坑經驗與架構創新：深入剖析 Agent 架構優化與演進歷程，體系化地了解工業級的 Agent 背后的實戰與選擇。

聽眾收益

• 全面了解螞蟻阿福內部從 0 到 1 構建醫療 Agent 的實踐歷程

• 深入理解其中每個技術選型的過程與心得

• 體系化地了解 Agent 構建背后的技術體系以及技術布局

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、記憶覺醒：智能體記憶系統的范式重塑與產業落地、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、AI 驅動的技術債治理、小模型與領域適配模型、大模型算力優化、Agent 可觀測性與評估工程、AI for SRE 等 20 多個專題論壇，屆時將有來自不同行業、不同領域、不同企業的 100+ 資深專家在 QCon 北京站現場帶來前沿技術洞察和一線實踐經驗。

會議推薦

OpenClaw 出圈，“養蝦”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 形態迅速普及：多入口對話、持久記憶、Skills 工具鏈帶來強大生產力。但這背后也暴露了工程化落地的真實難題——權限邊界與隔離運行、Skills 供應鏈安全、可觀測與可追溯、記憶分層與跨場景污染、以及如何把 Agent 納入團隊研發 / 運維流程并形成穩定收益。

針對這一系列挑戰，在 4 月 16-18 日即將舉辦的 QCon 北京站上，我們特別策劃了「OpenClaw 生態實踐」專題，將聚焦一線實踐與踩坑復盤，分享企業如何構建私有 Skills、制定安全護欄、搭建審計與回放機制、建立質量 / 效率指標體系，最終把自托管 Agent 從可用的 Demo 升級為可靠的生產系統。