当前，以 Agent 为核心的新一轮技术浪潮正在席卷产业。那么，世界模型的下一个突破在哪？Agent 从 Demo 到工程化还差什么？研发体系不重构，还能撑多久？

6 月 26 日-6 月 27 日，AICon全球人工智能开发与应用大会将在上海举办。本次大会将围绕以上问题，邀请来自腾讯、阿里、快手、华为、飞猪等 50+头部企业的技术负责人、高校与科研机构的一线专家，分享 Agent 在真实生产环境中的落地经验与前瞻思考。深入探讨 Agent 从原型到量产的工程挑战、数据与记忆的基础设施底座、安全可信的落地保障，以及大模型推理优化、智算架构升级等关键命题。

小红书 AI Coding 总架构师郑鑫祺已确认出席 “企业级研发体系的重构” 专题，并发表题为《小红书 vibe coding 平台（Muse）之高可用人机共创 Agentic 系统架构实践》的主题分享。AI 深度嵌入研发全流程、重构企业级研发体系，已成为大厂提效的共识方向。小红书在内部构建了面向不同人群的 Coding Agent 矩阵，其中 Muse 承担“面向非研发职能线、全程零代码”的最难一环——从需求表达、架构生成、开发实现到视觉验收、交付上线全链路打通。这种场景下传统 Workflow 编排与单 Agent + 长 Prompt 架构都难以兼顾“长任务稳定执行”和“用户随时介入表达”，对系统架构提出了高可用、高精度、强协作的多重要求。该框架摒弃以“对话流”为核心的传统设计，转向以“状态管理”为核心的 agentic 架构：通过双通道人机协作模型分离“陪聊”与“干活”、通过子任务化的上下文工程对抗注意力衰减、通过编程护航在每一步产物上做精度兜底与质量保障、通过分阶段约束注入把企业设计规范与工程合规作为硬约束落地。

目前 Muse 已覆盖小红书全部职能线，在主流 AI Coding 产品中率先实现非研发独立完成从创意到可上线代码的全链路 NoCode 交付，验证了“人机协同新型研发范式”在企业级场景的可行性与工程路径。在本次分享中，郑鑫祺将对此展开详细介绍。

郑鑫祺，小红书 AI Coding 总架构师，2023 年前专注前端基础设施与研效工具建设，主导过 Cloud IDE、多个企业级前端应用框架（H5、小程序、跨端）和工程效能工具的设计与落地，呈任蚂蚁大前端业务团队总架构师，支撑过健康码、行业云等战役级项目的技术架构。2023 年开始转向 AI Agentic 系统工程方向，专注 AI 原生工具链与企业级 AI 应用解决方案，在 AI 应用精度工程领域有深入实践与洞察。2025 年担任小红书大前端 AI Coding 联合共建项目总架构师，并带大家建设公司 Vibe Coding 自研平台（Muse）并 0-1 自研 AI 应用框架，目前继续在 PE-Infra 团队负责 Muse 产品以及 PE 工具链的整体技术架构。他在本次会议的详细演讲内容如下：

演讲提纲：

1. 企业级研发体系重构的视角下，Muse 在做什么

   Coding Agent 矩阵的整体格局：面向研发的 cli 侧 CodeAgent + harness + 面向非研发的端到端 Vibe Coding 平台

   Muse 的定位：非研发职能线（PM、设计、运营、数据等）从需求到上线的全链路 NoCode 通路

   为什么这是矩阵中最难的一环：用户不会写代码也无法手动兜底，系统必须自己把事情做对

   AI 嵌入研发全流程的真实形态：需求理解 → 架构生成 → 代码实现 → 视觉/逻辑校验 → 合规检查 → 交付上线

2. 为什么"企业级 + 面向非研发"的 Vibe Coding 必须重做架构

   三个无法回避的架构挑战：长任务一致性、人机协作冲突、创作与交付的双重气质

   为什么 Workflow 编排走不远、为什么单 Agent + 长 Prompt 也走不远

   企业级确定性诉求与模型概率性输出的根本冲突

3. 架构核心：从"对话流"到"状态管理"的范式转变

   Workflow 思维 vs Agentic 思维：现实场景天然是状态机而非线性流程

   Muse 的核心抽象：会话状态、任务状态、产物状态的三层解耦

   状态驱动下的恢复、续跑、回滚能力如何保障高可用

4. 人机共创的双通道协作模型

   Case：用户随口一句"这个颜色好看吗"把整个任务带偏的真实事故

   解法：把"陪聊通道"与"任务通道"做物理隔离，由意图识别层做分发

   用户感受是"随时能说话"，系统保障的是"任务不跑偏"

   踩坑：早期共享上下文设计导致 AI 频繁跑偏，后期通道隔离后稳定性显著改善

5. AI 驱动的智能质量保障：用编程护航替代 Prompt 祈祷

   Case：AI 不用指定组件库自己"造轮子"——产物级校验与自动修正回路

   Case：长任务下 AI 越做越偏——子任务拆解 + 上下文压缩 + 结论传递

   Case：企业知识注入不是"把文档扔给模型"——组件库/设计规范/代码仓的预处理与索引

   关键设计：每一次模型产出都要经过"编程层"的硬校验，错了就拦下来不进下一步——这是 AI 时代的"持续质量保障"形态

6. 创作发散 × 交付严谨：分阶段的约束注入与企业合规落地

   创作阶段：用户的"赛博朋克风格""动态粒子效果"等 taste 优先

   交付阶段：自动切换到严格模式，企业设计规范与工程标准作为硬约束注入

   把"研发合规"翻译成 AI 能理解的硬约束：组件库白名单、API 调用规范、代码风格、安全/隐私红线

   同一个系统，两种气质，通过阶段化 policy 实现

7. 高可用的工程化保障

   长任务的断点续跑与失败恢复机制

   上下文爆炸下的注意力管理：动态裁剪、摘要传递、子 Agent 隔离

   多用户并发下的资源调度与任务编排

8. 踩过的典型坑与经验沉淀

   过度依赖 Prompt 工程，复杂任务下上限很低

   共享上下文导致 AI 跑偏，必须做通道与任务级隔离

   把 Agentic 当 Workflow 来设计，最终都要重写

   知识注入要做工程化预处理，原始 PDF/Figma/代码仓直接喂模型几乎无效

9. 效果与展望

   Muse 在小红书内部的落地情况与反馈

   这套架构对企业级 Coding Agent 的贡献情况

   对 Agentic 系统架构演进方向的思考

听众收益：

• 看到一个真实落地的企业级 Coding Agent 矩阵全貌，理解面向研发与面向非研发的两类 Agent 在矩阵中如何分工与互补与融合

• 获得一套面向企业级生产环境的 Agentic 系统架构方法论，理解为什么"对话流"思维不够、"状态管理"才是核心

• 学习人机共创双通道模型的设计思路，掌握如何让用户随时介入而不破坏任务执行稳定性，是"人机协同新型研发范式"的具体可借鉴形态

• 获得 AI 驱动质量保障的实战 case 与解法：组件库约束失效、长任务上下文衰减、企业知识注入等典型问题的处理经验

• 理解如何把企业研发合规要求（设计规范、组件库白名单、安全红线）翻译成 AI 能理解并稳定遵守的硬约束

• 学习面向非研发用户的 Vibe Coding 产品架构思路，包括用户意图理解、任务编排、产物兜底的端到端设计

• 了解 Agentic 系统在高可用层面的工程化保障：断点续跑、上下文管理、异常恢复等关键能力的落地经验

除此之外，本次大会还策划了端侧 AI、物理与数字空间智能化、世界模型与多模态智能突破、Agent 架构与工程化实践、Agent 安全与可信治理、企业级研发体系重构、AI 原生数据工程、AI 时代的个人提效与组织变革等 14 个专题论坛，届时将有来自不同行业、不同领域、不同企业的 50+资深专家在现场带来前沿技术洞察和一线实践经验。

更多详情可扫码或联系票务经理 13269078023 进行咨询。