作者：盈楹&望宸
近日，阿里雲 AI 原生應用開發實戰營 · 北京站&上海站圓滿落幕。繼深圳、杭州、成都等城市之後，這兩場活動吸引了 250+ 名技術從業者深度參與。
活動聚焦 AI Agent 領域的前沿技術與落地實踐，深度分享 AI Agent 架構趨勢和演進、AI 開放平台、AI 應用運行時、AI 應用託管、大模型可觀測 & AIOps、異步化的 Agent 事件驅動等熱門技術議題，並設置了動手實操環節。
關注「阿里云云原生」公眾號，後台回覆：1111
免費獲得北京站&上海站講師 PPT 合輯
精彩回顧丨北京站
議題一：構建 AI 原生應用的 11 個關鍵要素丨王晨(望宸)阿里雲智能雲原生高級技術運營專家
深度分享了 AI 雲原生應用架構新範式，已從數字化範式演進為智能化範式，基於模型、Agent 驅動，以數據為中心，整合工具鏈，形成 AI 原生應用架構。AI 原生應用將具備意識、自主性、確定性、一致性。企業可以找到核心提效場景，通過 AI 原生應用架構，構建高質量數據壁壘，藉助大模型大勢快速迭代，同時，讓數據可沉澱，行業數據可演進，評估數據可量化，反饋數據可持續。
議題二：從傳統應用到 AI 應用的一站式託管丨趙慶傑(盧令)阿里雲智能雲原生高級技術專家
首先分享了傳統應用運維的‘簡、穩、省’優化之道，邁向智能運維時代，SAE 智能助手的核心引擎從基礎問答到故障診斷，AI 能力重構雲原生運維流程。企業可藉助函數計算 AgentRun、AgentRun 網關、AgentRun 可觀測的產品能力，跨越 Agent 生產力鴻溝，構建智能體核心基礎設施，全面打通 AI 應用落地最後一公里，加速 AI 創新。
議題三：Higress AI 開放平台：構建企業私有化 MCP/Agent 市場的實踐丨劉帥(友瑾) Higress Maintainer
從傳統網關邁向 AI 網關，Higress 流量網關、API 網關、大模型代理、MCP 代理能力打造了 AI 網關新範式。深入分享了 Higress x HiMarket 核心原理，企業可以通過 Higress x HiMarket，實現 MCP Server 集中化治理，API 貨幣化等，快速構建企業級 AI 市場，同時也分享了 Higress x HiMarket 未來規劃，歡迎更多用户瞭解 Higress x HiMarket 項目 roadmap，參與開源貢獻。
議題四：大模型驅動的可觀測與 AIOps 新範式丨温希道(樸象)阿里雲智能雲原生高級技術專家
大模型時代帶來全新的應用形態和運維模式，面臨數據和認知兩大難題，可觀測數據平台藉助統一接入、加工、存儲能力，以及通用算子×可觀測數據算子，來降低海量數據的分析難度，輕鬆駕馭駕馭海量、異構、實時的可觀測數據。此外，通過引入統一模型（UModel），基於統一模型（UModel）重構可觀測數據，打破通用大模型與運維領域知識的鴻溝，打造大模型驅動的可觀測與 AIOps 新範式。
議題五：Apache RocketMQ x AI：面向異步化 Agent 的事件驅動架構丨周禮(不銘)阿里雲智能雲原生高級技術專家
AI 進入 Agentic AI 階段，AgenticAI 應用將成為主流方向，講師分享了實現異步化 Multi-Agent 的關鍵點，以及基於 Apache RocketMQ 的 Multi-Agent 架構。通過語義化的 Topic 以及 LiteTopic 兩個方案，可以解決通信意圖不透明、調度邏輯靜態固化、響應路徑缺失等問題。現場詳細介紹了帶語義的 Topic 路由、LiteTopic 在 AI 場景中的應用及實現方案、分級消費策略等產品核心競爭力。
議題六：動手實操環節：AIOps 故障定位挑戰賽丨温希道(樸象)阿里雲智能雲原生高級技術專家
雲計算、AIGC 與數字經濟的共同推動，帶來軟件系統數量與複雜度的持續攀升，AIOps 已成為應對這一趨勢、保障智能化與可持續發展的關鍵方向。2025 AI 原生編程挑戰賽聚焦 AIOps 故障定位領域，歡迎選手打造智能運維 Agent，讓天下沒有難查的故障。現場講師詳細介紹了賽題、解題思路，並帶領用户現場動手實操，互動交流熱烈。歡迎大家報名參賽！https://tianchi.aliyun.com/competition/entrance/532387?accoun...
現場精彩瞬間
精彩回顧丨上海站
議題一：AI 原生應用架構趨勢與實踐丨肖京(亦盞) 阿里雲智能雲原生高級技術專家
當前大模型已邁過技術拐點，Agentic AI 進入規模化落地階段。AI 原生應用以模型為基礎、Agent 為驅動、數據為中心，推動系統從“機器執行”向“機器思考+執行”演進。框架選型需平衡 Agentic 自主性與業務確定性，Agent 面臨開發效率、業務效果，以及穩定、性能、成本、安全的挑戰。實踐上建議構建以數據為核心的 Agent 平台，結合 MCP/A2A 標準與 Serverless 架構，通過 AI 網關、消息隊列、可觀測等提升安全性、穩定性與可維護性，實現智能化人機協作新範式。
議題二：Serverless AI 應用運行時：從函數計算到函數智能丨史明偉(世如)阿里雲智能雲原生高級技術專家
隨着大語言模型與 AI Agent 快速發展，阿里雲函數計算（FC）通過持續架構演進，從“無狀態、極致彈性、按需付費” 到 “會話管理、安全隔離、忙閒計費”，成為構建 AI 應用原生架構核心載體。依託於函數計算 FC 毫秒級彈性，原生架構 3AZ 容災高可用，會話隔離，多語言運行時，CPU/GPU 異構算力等 Serverless Infra 核心優勢，夠建 FunctionAI 開發平台，提供模型託管（FunModel）、AIGC 生圖（FunArt）、智能體開發（AgentRun）和工具/MCP 開發能力，結合魔搭、百鍊生態、電商和教育等場景落地經驗，助力企業高效構建可擴展的 AI 應用體系。
議題三：MCP 網關的企業級最佳實踐丨張添翼(澄潭)阿里雲智能雲原生技術專家
隨着大模型與 AI Agent 廣泛應用，模型上下文協議（MCP）成為連接 AI 與外部服務的關鍵。阿里雲 AI 網關（Higress 企業版）通過“基礎連接—進階優化—大規模治理”三階段演進，支持 REST-to-MCP 轉換、統一代理與協議卸載，實現異構服務無縫接入；並通過認證控制、最小權限管理保障安全；在大規模場景下，提供虛擬服務組裝、語義化檢索與智能工具精選，緩解 LLM 上下文壓力，提升調用準確率與系統性能，助力企業構建高效、安全、可擴展的 AI 集成體系。
議題四：可見、可管、可控：阿里雲 AI 應用可觀測能力建設丨曹煒懌(顧思)阿里雲智能雲原生解決方案架構師
阿里雲大模型可觀測方案通過“全棧監控-鏈路診斷-結果評估”三階段演進，構建 AI 應用全生命週期觀測體系。基於 Prometheus+ARMS+SLS 技術棧，實現模型性能分析、GPU 資源監控、Token 成本追蹤等全棧指標採集；通過 OpenTelemetry 協議支持 LLM 調用鏈路追蹤（TTFT/TPOT 分析）及 RAG 混合檢索優化；創新 LLM-as-Judge 評估框架，內置 10+ 語義檢測模板（合規/幻覺/相關性），結合向量索引與自定義評估，降低 AI 應用調試成本 50%。方案已在 vLLM 引擎優化、Token 黑洞定位等場景驗證，助力企業實現推理效率和資源利用率的大幅提升。
議題五：Apache RocketMQ for AI：全面擁抱企業級 AI 應用，引領 AI MQ 新時代丨楊文婷(文婷)阿里雲智能雲原生產品專家
阿里雲 Apache RocketMQ 推出面向 AI 應用的全新 LiteTopic 模型，支持百萬級輕量主題，具備自動生命週期管理、排他消費與順序消息能力，有效解決 AI 場景中的異步通信、流量治理與定速消費難題。該模型在 Multi-Agent 通信、分佈式會話管理與算力調度中發揮關鍵作用，保障高併發、低延遲與系統可擴展性。RocketMQ 正戰略升級為專為 AI 時代打造的 AIMQ，集成主流AI框架，並計劃將 LiteTopic 開源，致力於構建企業級 AI 異步通信基礎設施。
議題六：動手實操環節：AIOps 故障定位挑戰賽丨劉進步(石季) 阿里雲智能雲原生算法專家
2025 年雲原生編程挑戰賽聚焦智能運維（AIOps）發展，應對雲計算與 AIGC 浪潮下系統複雜度提升帶來的故障定位難、運維成本高等挑戰。大賽倡導融合可觀測數據、開源標準與大模型技術，推動運維智能化。參賽者可通過雲監控 2.0“看”根因、SPL 腳本“算”根因，或構建大模型 Agent 實現智能診斷，比賽提供完整腳手架與教程，覆蓋從入門到高階的智能運維演進路徑，助力打造高效運維解決方案。
