1. 构建AI驱动的知识飞轮体系：打通”用户声音洞察; 知识生产; 知识沉淀; 场景应用”的全流程，解决传统知识管理中的断链问题。
2. 标准化知识飞轮流程：制定知识需求管理、分类分级等标准化流程，确保知识资产系统化沉淀。
3. 开发AI辅助工具平台：应用AI智能检索突破知识管理时效性限制，实现知识资产的自动化流转。
4. 分场景闭环管理机制：通过跨部门协作与场景化运营，形成可复制的知识管理范式。
工程团队常常需要在文档质量与开发效率之间艰难取舍。手动编写文档往往会造成流程瓶颈，而内容过时又会造成知识断层，增加技术支持成本。本次分享将探讨一种切实可行的方法：将 AI 智能体直接集成到现有的工程工作流中。
演讲者将分享亲身实践经验，介绍如何在软件开发生命周期内构建并部署 AI 智能体。内容涵盖从概念验证到可投入生产的完整开发过程，展示 AI 智能体如何与版本控制系统联动、响应代码变更，并在不打断既有团队流程的前提下，持续输出一致、可靠的结果。
参会者将了解智能体开发的技术基础，包括与大语言模型的 API 集成、事件驱动架构设计，以及基于 GitHub Actions 的 CI/CD 流水线自动化。同时，演讲也将深入讨论认证处理、错误恢复、输出质量控制以及边界场景管理等关键实施挑战。
本次分享重点强调实用型集成模式，帮助文档类 AI 智能体成为工程工作流的有力补充，而非额外负担。演讲者还将探讨如何识别合适的自动化场景、设定合理预期，并衡量智能体的实际效果。
参会者将获得可直接落地的实践经验，用于在自身工程组织中评估、构建并部署 AI 智能体。
随着生成式 AI 从被动的聊天机器人演进为主动的智能体，技术文档工程师的角色正从内容生产者转向信息架构师。本演讲将介绍一种前沿、以隐私为先的工作流——基于模型上下文协议（MCP）的自动化文档审查系统（Automated Documentation Reviewer）。
我们将演示一个“文档即代码（Docs-as-Code）”的流水线：自主智能体将持续监控文档库，充当持续运行的初级编辑。与依赖云端、存在知识产权泄露风险的工具不同，该工作流将“数据主权”放在首位，采用 DeepSeek R1 等本地模型及其他前沿模型在本地运行，确保敏感技术数据始终留在企业防火墙之内。
该架构支持边缘部署，并可通过标准 API 接口，选择性集成部署在企业服务器上的大型模型。
本次分享将为企业提供一套实现高速、合规、安全的文档工程实践指南，在摆脱第三方 API 依赖的同时，持续提升技术写作与文档质量标准。
AI来了，我们的技术文档工作自然而然就可以10倍、百倍的提效了吗？No，一系列挑战将会掣肘着AI效果的发挥。当前大型企业技术文档管理普遍面临三大痛点：研发与文档脱节导致版本混乱，运维人员常 “拿着旧手册操作新设备”；静态文档无法适配多角色需求，信息查找效率低下；全链路协同成本高，重复性劳动占比超 60%，技术传播者深陷 “低效内卷”。本分享以实际项目为例，采用人与AI共生的业务实践，构建智能化信息块的文档开发模式，达到业务流程精简60%、组织架构扁平化的效果，提供了活文档-智能化地从内容到行动的标杆经验。
在多Agent应用开发中，传统依赖文本文件（如 .md、.txt）来汇总技能、命令及交互逻辑的方法，往往受到模型自身量化和解析能力限制，易导致字符丢失或输出错误。我将总结介绍最近探索的写作工程实践方案：通过将Agent的skill、命令及交互逻辑存储于结构化数据库，并使用数据库查询和操作语法驱动Agent交互，实现低成本、高稳定性的执行环境。不仅保证了技能的完整性和可追溯性，也提升了模型在复杂任务执行中的鲁棒性，为大规模Agent写作应用提供了可扩展的工程化路径。
