演讲

以严谨的软件工程视角，深度剖析生产级 Python 智能体系统的架构演进与运行时设计：事件驱动的多智能体拓扑编排、分布式状态与长期记忆持久化、安全沙盒隔离与高并发运行时。

详细介绍 Elasticsearch 语义搜索及最新的进展。使用具体的例子来展示如何使用向量（稀疏向量，密集向量）搜索来进行语义搜索。展示如何使用 Elastic 的 AI Agent builder 来轻松创建 agents，并使用 MCP 及 A2A 协议来完成 agents 的集成。

从记忆工程的五个真问题出发，经由开源终端项目 con 的 harness 优化实践，探讨多人多 Agent 协作上下文连续性的分级，与构建永不失忆的 AI 原生组织。

以一个真实产品从 0 到 1 的构建过程为主线，展示 Agent 在需求、设计、开发、测试与部署中的参与方式，总结面向 Agent 的产品工程方法。

本次议题将介绍多种 QEMU 与外部通信的机制，分析各自的适用场景，并通过具体的 Python 脚本示例，演示如何使用 Python 观测 QEMU Guest 的状态。

在这个演讲中，我们将讨论 Agent 对 Python 的需求类型与特点，传统和新兴的 Python 运行时实现，他们如何和现有的 Agent 框架结合起来以及具体结合效果的比较。

本次分享将系统性地带大家走进大模型 AI 调用的世界，适合对 AI 应用开发感兴趣、想理解智能体内部机制的朋友。

本次分享将结合我参与 CPython Free-Threading 社区的实践经验，分享新贡献者如何快速建立开发环境、理解代码阅读思路、寻找适合自己的 Issue，以及完成第一个高质量 Pull Request。

深入解析开源项目 mkinitramfs 的设计与实现。

从因子挖掘、分域管理、策略融合三个维度构建 AI 时代的交易方法论，将量化信号与主观判断有机融合，形成“人机协同”的决策闭环。

一个 agent 何以成为“一个”个体？人与 agent 的协作关系应当如何理解？结合 Dify.ai 的实现，探讨如何为 agents 设计制度与平台。

以从零编写一个卡牌 DSL 为例，完整展示从前端代码捕获、IR 设计与 lowering，到优化 pass 与后端生成的全貌。

对并发运行时、数据共享边界与结构化并发范式演进的系统性探讨

从 Skein 的诞生背景出发，分享对 AI 时代数据库形态的思考，以及当数据库开始服务于“知识”而不只是“数据”时的新需求、挑战与可能性。

这次希望通过与 WordPress 的比较，介绍 Odoo 开源项目 20 年来，作为 Python 在企业信息化领域的「杀手级应用」，其发展过程、开源逻辑、技术特点、生态建设、未来前景等议题。

从幼儿园教师的真实工作场景出发，用 Python + AI 重新拆解教师工作流，探索人机协同工作流的实践过程。

本议题将以开源 Strands Agents SDK 为实践框架，通过 Python 代码和实际 Demo，从执行机制出发拆解 AI Agent 的核心工作方式，帮助听众建立一套理解 Agent 执行机制的清晰心智模型。

每个系统最后都会长出一堆判定逻辑，而这些逻辑总是在 runtime、在半夜三点出错。这场分享给出另一条路：一门宿主在 Python 之内、类型安全的内嵌 DSL。

本议题将结合 Python 生态，介绍 ACP 如何让开发者编写一次代码，就能在 Zed、VS Code 或 JetBrains 等多种主流开发环境中复用 AI 能力。

从 TileLang 出发，看看为一门"长得像 Python”却写起来不像 Python 的算子 DSL 增加 LSP 支持，总共要走几步。

本次分享围绕 AI for Good，以沐曦的两个开源学习项目为主线，呈现从底层算力到智能体应用的完整实践路径。

介绍如何通过 Goal、Task Map、动态 Workflow、跨 Provider Agent、受控蜂群和独立验证，将零散的 Agent 会话组织成可观测、可恢复、可治理的软件交付系统。

从 PDM 的真实实践出发，系统梳理四种主流插件模式，帮助开发者在自己的库中选择合适的插件架构。

探讨大模型应用从"工具调用"走向"能力构建"的新范式，聚焦开发者如何将专业知识沉淀为可复用、可组合、可迭代的 AI 能力单元。

介绍 BlueField-3 + CSAL 的新一代 Hadoop 存储方案，如何优化数据访问路径、卸载存储处理任务并重构 HDFS 以提升资源利用率。

基于开源 AI Agent AnkaLoop 的真实故障档案，给出五种生产环境事故图鉴，以及从数据库习得的 3 种解法。

本次闪电演讲基于我作为 Python 开发者自学 Rust 的真实经历，在 10 分钟内分享为什么值得学、落地实战与一个月路线图三件事。听众不需要任何 Rust 基础。

写一个新的注意力变体，过去意味着要写一个新的 CUDA 内核。滑动窗口、ALiBi、文档掩码、PrefixLM，如果你的想法没有对应的现成内核，就只能忍受又慢又占显存的普通 PyTorch 实现。FlexAttention 去掉了这个限制。

CPython 3.15 带来了更完善的性能剖析方案——Tachyon Profiler。它是一款面向真实生产环境设计的采样式性能分析器，能够以极低的运行开销定位 Python 应用中的真实性能瓶颈。

怎么样在合理的进行数据校验来保证在数据一致性和服务性能中获取到平衡。

本演讲将讨论现有应用迁移到自由线程版本需要面对的问题：必要的代码适配与线程安全、预期的性能提升及潜在性能开销、三方库的兼容与升级、Python C API 的改动。

基于 PySide6 开发的面向中小企业非技术人员的桌面端数据挖掘 AI Agent，让用户通过自然语言完成数据处理、可视化与机器学习分析。

从 vLLM Prefix Cache 的链式哈希设计出发，介绍其哈希实现从 Python built-in hash() 到 SHA-256、再到引入 xxHash 的演进，讨论性能、稳定性与安全性的权衡。

基于 Playwright + pytest，结合截图与自然语言描述定位元素、规划操作并完成断言，展示 AI 驱动的 Web UI 测试完整流程与 MCP/Skill 形态设计。

回顾向量检索十年演进：从 HNSW、Faiss 到向量数据库与 RAG，再到 Faiss 集成 NVIDIA cuVS 与湖仓原生、统一检索引擎的未来趋势。

介绍 Python 的 GIL 与 Free-Threading 版本，探索自由线程的世界，了解 GIL 的两面性，以及你是否需要 Free-Threading 版本。

如何为 agent 和人类建立可信的 session 检索层

以 ZSvirt Woodpecker 测试项目为参考，分享如何构建面向基础设施的自动化测试体系，兼顾质量、效率与社区协作。

以大模型时代的 PyTorch 生态为主线，从 PyTorch 的训练基础出发，依次介绍 Helion 如何加速底层算子、DeepSpeed 如何支撑分布式训练、Safetensors 如何承载和分发模型权重、vLLM 如何提升大模型推理吞吐、Ray 如何编排分布式任务，梳理 PyTorch 基金会维护的从模型训练到生产系统的全链路开源基础设施。

形式化验证正逐渐成为控制软件质量的终极手段，它通过数学证明而非测试来确保程序行为完全符合规范，在人工智能时代尤其重要：当代码由模型大量生成时，只有形式化验证能从逻辑上杜绝隐藏缺陷。Lean4 是一种兼具强表达力与高效自动化能力的形式化语言，它基于依赖类型论构建逻辑框架，可将程序、证明与数学定义统一表达。借助 AI 自动化策略，如搜索证明、合成不变量和自动补全步骤，Lean4 能显著降低形式化验证的门槛，使关键系统在发布前获得可机器检查的正确性保证。

基于 PySide6 开发的面向中小企业非技术人员的桌面端数据挖掘 AI Agent，让用户通过自然语言完成数据处理、可视化与机器学习分析。

Agent 运行历经 vibe coding、harness、loop、graph 多个周期，Agentic 之道就是破解其中密码——用目标、上下文、约束、计划、验证和经验回写，把 AI 升级为可持续积累能力的执行系统。

聚焦苹果 M5 Max 等高性能芯片的实际部署体验，涵盖硬件选型、量化方案对比与调优实测数据。