LLM与智能体行业应用

30次

Skyden Feng

百林哲咨询（北京）有限公司专家团队成员

LLaVA-OneVision 1.5/2.0 × MVT：全开源多模态大模型的全栈演进

视觉技术正经历从“看懂图像”到“理解世界”的范式跃迁。以 ViT 为代表的视觉基础模型，通过大规模预训练解决特征提取与通用表征问题。

AI技术

32次

Nawra Du

百林哲咨询（北京）有限公司专家团队成员

LegoX：代码智能体后训练与强化学习实践

传统代码数据缺少可执行环境与可靠验证，将真实 harness 接入强化学习后，又会面临环境故障、轨迹与策略更新不一致，以及训练和部署控制流错配等问题。

大数据平台

28次

Clara Li

百林哲咨询（北京）有限公司专家团队成员

KnoVa梧桐数据本体智能平台的多计算协同闭环

随着大模型从问答生成走向业务执行，企业智能化的瓶颈已不再只是模型能力，而是多源数据口径难统一、业务知识难沉淀、模型结果难解释、分析与行动相互割裂。

AI应用

20次

Jack Wu

百林哲咨询（北京）有限公司专家团队成员

本体论驱动：债券金融业多层自主审核的数字化与AI实践

当前，数字化企业的智能化本质，是从“替代手脚”的流程自动化，升级为“替代大脑决策范式”的知识自主化。

AI应用

18次

Shane Wang

百林哲咨询（北京）有限公司专家团队成员

本体驱动的可信企业 AI

AI竞争已从生成能力比拼，转向语义统一下的可信决策能力比拼。本体不替代大模型，而是补齐企业业务与合规边界。

LLM与智能体行业应用

18次

Murrell Zhang

百林哲咨询（北京）有限公司专家团队成员

让Agent的判断有据可依：语义层设计与实践

随着企业 Agent 从问答走向读数、排障与决策，瓶颈已不只是模型能力，而是数据分散、对象身份不一、关系缺失——它能看到日志与指标，却看不懂系统。

LLM与智能体行业应用

14次

Hanke

百林哲咨询（北京）有限公司专家团队成员

让 AI Agent 读懂数据产品：跨域权限环境下的智能诊断实践

AI Agent 正在重塑企业数据平台的运维与诊断方式。随着数据平台分层加深、跨团队协作复杂度上升，依赖开发者逐层排查、跨系统比对状态的人工诊断已成为效率瓶颈。

LLM与智能体行业应用

12次

Mingo Zhong

百林哲咨询（北京）有限公司专家团队成员

Skill全生命周期管理实践：让每个Skill都能被找到、被度量、被持续改进

在 AI 时代，模型只是工具，而 Agent Skill 才是企业的核心生产力。

LLM与智能体行业应用

20次

Pylon

百林哲咨询（北京）有限公司专家团队成员

企业级 AI Agent Harness 工程与Skill生态治理的实践与应用

当 AI Agent 需要在企业内部系统上完成真实工作，团队会撞上三层难题：身份认证、领域知识、Skill 演化。

LLM与智能体行业应用

14次

Curley Ye

百林哲咨询（北京）有限公司专家团队成员

从 Skill 到 Loop：构建可持续进化的 AI Agent

随着 Coding Agent 从对话助手走向能够读代码、改代码、运行测试并参与研发流程的智能体，企业关注点转向“如何让 Agent可靠工作。

AI应用

20次

Baron Zhang

百林哲咨询（北京）有限公司专家团队成员

AI Native 转型新范式：金融业端到端Agent智能交付平台建设

AI Native转型不仅是技术升级，更是对业务、流程、组织乃至商业模式的根本性重塑。

LLM与智能体行业应用

20次

Caton Zhao

百林哲咨询（北京）有限公司专家团队成员

从0到10万Sandbox：基于 OpenKruise Agents在K8S上规模化运行AI Agent

随着以OpenClaw为代表 AI Agent从个人试用走向企业级规模化应用，企业迫切需要为海量Agent提供可快速创建、彼此隔离并能保存上下文的运行环境

LLM与智能体行业应用

14次

Sharief Yao

百林哲咨询（北京）有限公司专家团队成员

从被托付到共事：对话式 Agent 的信任进化与价值交付

对话式 Agent 正从回答问题走向执行任务，企业对它的要求也随之改变：不仅要接得快、答得对，还要把业务办完，并能说明结果如何验收、行动由谁负责。

LLM与智能体行业应用

18次

Yanzel Huang

百林哲咨询（北京）有限公司专家团队成员

桌面端智能体的最后一公里：从“能用”到“好用

大模型已经能写代码、操作网页和调用工具，Agent 也开始进入用户的真实工作环境。但模型能完成一次操作，不等于它能完成一件工作。

LLM与智能体行业应用

12次

Fishel Zhao

百林哲咨询（北京）有限公司专家团队成员

从个人助手到数字员工：面向IM的Agent Harness工程

大模型能力的跃迁正在重塑人机协作的形态：AI 不再只是问答工具，而是开始以数字同事的身份进入组织的日常协作流。

LLM与智能体行业应用

14次

Tyshon Liu

百林哲咨询（北京）有限公司专家团队成员

Long-Horizon Multi-Agent 系统中的 Loop Engineering 实践

Agent 正从以单次 Prompt 为中心的交互工具，走向以 Loop 为核心的软件工程闭环。Agent 需要围绕目标持续经历理解、计划、执行、进行持续交付

LLM与智能体行业应用

14次

Kedric Ma

百林哲咨询（北京）有限公司专家团队成员

让 Agent 从生产运行中持续学习：全新AgentLoop 自进化端到端闭环优化新范

在企业生产环境中，业务问题通常会收敛在相对稳定的任务范围内，但 LLM 面对同一类问题仍可能选择不同的探索路径，导致准确率、Token 消耗和整体性能存在方差。

LLM与智能体行业应用

12次

Tunney Ye

百林哲咨询（北京）有限公司专家团队成员

金融客服质检系统的 Loop Engineering 实践

大模型应用上线之后，真正困难的往往不是“让系统第一次跑起来”，而是如何让它持续变好。

LLM与智能体行业应用

18次

Asante Zhou

百林哲咨询（北京）有限公司专家团队成员

大模型重塑采购定价：从经验议价到智能定价决策的落地实践

大模型重塑采购定价，本质上是将采购从“成本中心”升级为“价值创造中心”。

LLM与智能体行业应用

14次

Curley Tong

百林哲咨询（北京）有限公司专家团队成员

从可控生成到持续进化：智能体技术、Harness 重塑创意理解、广告内容创作

广告作为产品触达用户、传递价值和推动增长的重要入口，但广告创作也普遍面临素材需求量大、创意消耗快等挑战。

LLM与智能体行业应用

8次

Maicol Chen

百林哲咨询（北京）有限公司专家团队成员

从“名单生成”到“商机决策”：商机决策智能体的可信落地实践

企业级智能体正从“回答问题、生成名单”走向参与业务决策，竞争焦点也从单次生成效果转向能否持续理解业务、基于证据作出判断，并让结果可验证、过程可治理。

LLM与智能体行业应用

10次

Zion Yang

百林哲咨询（北京）有限公司专家团队成员

从看懂内容到驱动增长：跨模态长程 Agent 在智能营销决策闭环中的研究与应

随着营销渠道、经营数据和内容形态持续增长，营销决策本身虽早已涉及多平台、多指标和多素材协同，但现有智能化能力仍主要分散在数据分析、内容生成、投放优化等单点环节。

LLM与智能体行业应用

8次

Eamon Bao

百林哲咨询（北京）有限公司专家团队成员

从视频理解到业务基模：Small VLM的能力构建与工程实践

Small VLM的核心命题是在大幅压缩参数量的前提下，保留企业场景所需的多模态理解能力。当前的技术路径主要围绕架构轻量化、量化与推理优化、视频理解的专门化设计

LLM与智能体行业应用

10次

Glenn Yang

百林哲咨询（北京）有限公司专家团队成员

大模型Agentic跨模态研究和Agent 生态应用

多模态Agent已经是大厂必争赛道。全球产业正全面转向轻量化原生多模态 Agent 赛道。

LLM与智能体行业应用

10次

Theus Tang

百林哲咨询（北京）有限公司专家团队成员

LiteGUI 将单轨迹模仿重构为多解探索与双层反馈

GUI Agent 正从"实验室 Demo"走向"真实生产力"，行业关注的焦点也在从"更大的模型"转向"更好的训练范式"。

LLM与智能体行业应用

10次

Faiz Li

百林哲咨询（北京）有限公司专家团队成员

复杂任务的自主规划与执行：VisFlow 多模态浏览器Agent 实践

多模态大模型已经具备较强的图文理解能力，但进入真实网页环境后，仅能识别“页面是什么”还远远不够：模型还要准确理解控件、属性、空间关系与页面状态等。

LLM与智能体行业应用

12次

Tyshon Fu

百林哲咨询（北京）有限公司专家团队成员

从点击到完成：GUI智能体的Benchmark构建与强化学习

学习GUI智能体的Benchmark构建与强化学习，本质上是在构建三项核心能力：如何更全面和准确地评估GUI模型的能力，模型解决真实场景下长程任务的能力。

应用架构

8次

Apolo Guo

百林哲咨询（北京）有限公司专家团队成员

Oxygen xLLM云+端一体化大模型推理引擎

当前，各种大模型应用呈现爆发式增长，模型推理给云数据中心带来了极大的算力挑战，如何以同一套解决方案来同时覆盖各种国产芯片成为企业当前面临的核心痛点。

应用架构

8次

Reyez Che

百林哲咨询（北京）有限公司专家团队成员

Agent 时代的企业级分布式底座：openYuanrong 架构与实践

随着大模型与 Agent 应用进入企业生产环境，Agent 负载呈现高动态、长会话、执行内容不确定和多智能体协同等特征。传统的基础设施难以维持。

应用架构

16次

Joshua Luo

百林哲咨询（北京）有限公司专家团队成员

Token 工厂：以异构算力构建新一代 AI 基础设施

随着 Agent 应用的发展，长上下文、连续多轮交互和突发流量，对推理系统的计算效率、状态管理和资源调度提出了更高要求。