LLM与智能体行业应用

18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

22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

24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

18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

22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

14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

18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

18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

16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。