首页 > 人工智能 > 人工智能 > WorkBuddy开发者沙龙济南站10月活动圆满落幕
01 北方首场,有着怎样的意义
10月18日周日下午。WorkBuddy开发者沙龙 · 济南站首场活动在绿地 · 齐鲁之门京沪会客厅三楼千人会务大厅圆满落幕。这是腾讯云社区AI公开课「全国城市巡回计划」的重要一站,此前走过杭州、武汉、上海、重庆,是WorkBuddy开发者沙龙第一次落地济南,也是 泛北方地区的第一站。
由腾讯云开发者星盟济南城市合伙人王通通(就是我)出品,作为活动出品人,其实我还是有些信心的,因为我了解这座城市。
这样的大型活动终归有些许的放心不下,早上8点就来到会场,令我感动的是,很多志愿者上午早早地便到了。其实很担心当天到场参会的嘉宾会很少。因为按照往常组织活动的经验,到场观众经常超过会场的承载能力。所以我们在活动前一周才开始小批量宣发,意外的收到了大量对活动极为不利的反馈,比如活动当天下午有雅思考试,受中秋、国庆长假影响,部分大学需要全天补课,部分开发者需要补班。就连原本定好的一位开放麦嘉宾都告诉我由于临时加班无法到场了。
面对偌大的会场,我是有些忐忑的。
当天还好,12点就已经有参会嘉宾早早得到了会场。不到两点会场已经坐满了。
正式开场,上台我先讲了一件其实很扎心,但很常见的事:
过去几年,我见过太多人听完现场会议分享,做的最多的是什么?是拍照收藏。把讲师的PPT一页页变成照片,分文别类整理好。电脑、手机里躺着一堆参会照片,却鲜有排的上用场的。
我记得罗振宇老师在2018年“时间的朋友”跨年演讲中讲过,这个时代不要在朋友圈里观天下,有机会翻翻他的收藏夹。讲的是很多人表面看起来碌碌无为,然而却也在背后悄悄的努力着。但我一直在想,放到现在这个信息爆炸的时代,收藏知识这样的努力还有用吗?
所以我给这场活动定了一个标准:希望每个来的朋友带走一套可复用的方法、一条可落地的经验,而不是“听完鼓掌,拍一堆照片,回去照旧”。我想破了这个局,让每个人都能比昨天好一点,把AI真正用起来。
WorkBuddy开发者沙龙全国巡回计划的目的也正在于此,计划 半年走进30座城市,同步开启了各地城市合伙人招募,让更多人参与到这场破局中。
山东是全国唯一拥有全部41个工业大类及所有工业小类的省份,济南同样产业丰富、业态齐全。身处济南这样的城市,工业底蕴深厚,却总让人觉得声量不够,也总让人觉得还欠缺些什么,这一点我在本场活动里找到了答案。所以在介绍合伙人招募计划时,我加了一句:一座城市有一座城市的基因,本地企业卡在哪一步,只有本地开发者知道,一套方法论同样不可能直接原样复制到另一座城。所以了解这座城的人来出品这场活动,很关键。
02 致辞:一位局长的邀请,和一句“ 让资源与需求相遇 ”
简单的开场过后,济南市槐荫区工信局党组书记、局长李波上台致辞。他没有讲宏观形势、招引政策,而是把话题落回了脚下这块地,比如槐荫的产业基础是什么,济南西站的枢纽优势意味着什么。
他向所有开发者发出了邀请, 欢迎开发者走进本地企业,在真实业务里去找应用场景。其实这也是很多开发者所需要的,AI落地的第一步,其实在需求侧,不在技术侧,真实需求很关键。
同时也表达了对这场沙龙的祝福:希望它能成为连接技术与产业的一座桥,让更多好用的AI应用在槐荫、在济南落地生根。技术不该只在办公室里被讨论,它应该进车间、进产线、进企业的日常流程里。
同场发言的还有山东省社会组织总会会长助理逯志金。他讲的是「连」这个字:依托本地资源生态,用技术沙龙、实战培训、供需对接,把开发者、企业和高校连起来,让大家通过有效协作真正推动技术落地、推动产业发展。
其实听到这里,我找到了前边那个疑惑的答案。济南的开发者与产业,缺的是连接。
03 技术分享 · 欲三更:先接通业务,再谈智能
FDE专家、企业软件架构师、全网 40 万粉丝技术人
欲三更老师上台先说了一件让人惊掉下巴的事,这份PPT是当天凌晨四点重写的。原标题叫《成为WorkBuddy的Buddy——企业智能场景落地方法探讨》,里面用了“探讨”这样一个相对克制的词。但这几个月的工作做下来,他把“探讨”改成了“迷思”。
欲三更老师坦言,越做越不敢讲了。做企业架构十几年,从流程到架构到案例,这套方法论他闭着眼睛都能画出来。可在真实的AI项目里,事情往往不是这么走的。
他把问题归纳成四个“连不上”,组成了AI落地的多重障碍。
AI连不上业务系统。
企业里的IT系统很多已经跑了十几年,连对外接口都没有。有的厂商不愿意开放,开放还要收费。收了费给的接口也未必适合AI用,可能缺字段语义、动作颗粒度不合理、报错不可读、幂等性没法保证。这一关过不了,AI就只能聊天,进不了业务。
AI连不上业务数据。
他说了一句很重的话:智能化至少有一半是在为客户的数字化转型补课。水面之上是“能不能对话式问数”,水面之下大部分是历史欠账,数据中台太贵,同等业务需求下BI的成本大约只有数据中台的五分之一,所以很多客户根本没有一个正经的数据中台,数据中台是上一个时代的产品。旧账没还完,新账又来了,要面临语义化、数据权限这种新问题。
AI连不上组织。
智能体进来了、Skill进来了、知识库进来了,它们归谁管、分给谁用?互联网背景的人会觉得应该保持开放生态,但传统大型企业刚好相反,它希望AI资产跟传统资产一样被管起来。他现场放了一张权限装配图,密密麻麻,这个场景往往让人破防,无法往下推进。
AI连不上AI。
2026年秋天的市场上,已经不存在“处女地”客户了。你进去的时候,人家可能已经有智能体平台(争平台)、有自带AI能力的业务系统(争主导)、有自己建的算力和知识库(争利用)。这不是技术问题,是生态位问题。
讲完这些,他给了三条可以一直沉淀下去的东西:
做连接器。各类系统的API连通、编排成适合AI用的形态、在中间层管权限和幂等、把 CLI / MCP / A2A 等新协议零成本提供出去;
做超轻量的数据底座。边展现业务价值边做治理,而不是先花几个亿治理完再谈价值;
把数字员工和AI资产管理好。像管人一样管它的身体、岗位编制、工位。
他的结尾总结令人印象深刻: 没有银弹,只能久久为功。
04 技术分享 · 赵振华:工具越强,人越要保留那些“ 不完美 ”
兰剑智能AI CIO,技术专家
他的题目是《重生之我就不用WorkBuddy干「正事」——程序员哪有「正事」可言》。
上台后我告诉大家,看到他这份只有3页的PPT时,其实我有点慌,他总是做一些出其不意的事,收到这份稿子马上询问他只有3页的原因,经过他的详细解释才释然了。原来还挺有意思的。
他上台第一句话让下面哄堂大笑, 我拿这个题目上来,其实自己也有点慌。
慌完他就把“正事”这两个字展开来细说。干了十年程序员,他见过80%不苟言笑的同行,也承认自己属于那20%。所以他干脆不讲方法论,做了一个能玩的H5游戏:设定是“重生到2077年”,现场观众举手投票决定剧情走向,三个选择通向三个结局。
游戏串起了他三个真实项目,也串起了三种关系。
友情,赛博鱼塘。
朋友约你喝酒,结果在赛博钓鱼钓了四十分钟。他做了个“ 鱼塘”:钓上来的不是鱼,是每天最新的AI前沿信息。既让他钓,也让他不掉队。现场投票时多数人选择“陪他再钓一局,边玩边聊”。这个选择触发的情节是系统检测到“非必要的陪伴行为”,无法解释它带来的收益。
亲情,亲子轨道。
孩子想让小球从恐龙旁边过去,差一点点就成功了。把最好的通关攻略给孩子,是效率最高的做法。但他的选择是“让小孩加一段奇怪的弯道,一起去试错”。他在意的是“小球下次会从哪出来”这个不确定的期待,而不是必然的成功。
爱情,油画拆解。
把一张照片拆成可以亲手完成的油画步骤,最后一笔自己画上去。工具可以把效果做到完美,但“我们为对方亲手画”这件事,AI替不了。
值得说一句的是,这套东西本身就是赵振华老师观点的佐证:游戏的剧本、界面动效、CI/CD、上云后的安全加固,全部由WorkBuddy完成。他用一个“不正经”的题目,演示了一件很正经的事。就是从想法到上线,中间那道门槛已经被踢爆了,如果技术不再重要,你的Idea会很重要。
05 技术分享 · 陈大栋:把“ 什么算做好 ”提前讲清楚
腾讯云FDE专家
前两位专家讲的都是“难在哪”,他讲的是“怎么交付”。《WorkBuddy应用开发实战:从一个需求到一个Agent》。
他讲了一个正在跑的案例“AI热点内容生产”。搭一个两人专家团,分别为 内容主编、合规审核专家。
内容主编负责研究、写稿、改稿。合规审核专家负责核实事实依据、指出问题、提交终审报告。两个角色共享同一份任务要求、素材包、稿件版本和引用来源。
为什么不用单提示词实现内容生产?他给的理由很是工程范,这件事里有两个互相打架的目标,“熵增”是创意、多样表达,“熵减”是合规、准确唯一,把两个互斥目标塞进一个prompt,必然把模型调崩。因为内容生产迭代频繁,把自然语言翻译成workflow的成本极高,所以也没有使用固定工作流。
他把FDE的工作拆成五步:理解场景、方案设计、技术选型、交付标准、交付与复用。其中最容易被跳过、也最要命的是第四步交付标准,也就是“什么算做好”这个的界限。必须在开发之前就说清楚,事实是否有依据,表达是否适合读者,修改是否减少返工,结果能否交给使用者接续维护。
陈大栋老师还现场展示了审核过程,两个真实的修订案例。把“郑钦文个人经历”泛化成“所有运动员的成长规律”,被要求收窄回个体。“据人民日报报道”与“在接受人民日报采访时说”,在新闻题材里不是一回事,必须改准。
所以我们人的位置其实是在定标准、做验收,中间的重复劳动交给Agent来做更加合理。
06 技术分享 · 马小雨:让每一句结论都能回到依据
山东征信AI技术团队负责人
上半场最后一场,讲的是所有企业都会卡住的那道题:数据怎么从能用走到好用、敢用。
山东征信的数据较为特殊。38个政府部门232类政务数据、126条全国产业链数据、35万户客户的融资服务数据、286家金融机构联动、57个科创评价指标。然后是一个更关键的限制,这些数据能进AI的前提是 不出域。
为了这一步,他们做了三件事:把算力搬到本地(WorkBuddy是当时唯一支持接入本地算力的产品),用本地小模型做事前判定,把敏感数据挡在出域之前,先定制度再谈效率。
目前已经完成了 30个共创场景,24个已上线,覆盖投研、风控、办公、科创评价等业务域。
他给出的方法论是可信输出四道关。权威数据、来源标注、缺口提示、人工复核。四道关缺一道,这份报告就不能交给客户。报告里每一句话都用角标标出来源,查不到就明确列出来,不允许编造。
判断价值的标准被重新定义为这句话的依据在哪、哪些信息还缺、哪些判断必须由人签字。
——
上半场结束,颁发讲师证书
07 开放麦 · 侯代颖:一个人的部门,和一份99元的预购
实战分享者 · OPC创业方向 《把你的经验做成生意——OPC的AI创业之路》
他上台先抛出了一个问题。在场写了五年以上代码的,举一下手。举手的人不少。接着他问第二句,除了工资,你的经验还以什么形式存在过?
现场安静了。他说,多数人把在企业内部做的那些工作流、那些开发,只交付给了雇主,经验锁在雇主手里。
另外他过去的经验是,晋升是金字塔结构,35岁以后定价权交给了市场。
但这个局面今年变了。AI把成本打到了地板:过去一个MVP是3个人×2个月,现在1个人×2周甚至更短。稀缺的是会判断哪个环节出了问题、客户真正疼在什么地方,不再是具体的技术能力。
他将自己的创业思路总结为了一个公式:
你的行业经验 × AI杠杆 = OPC的启动资本
将OPC创业的路径总结成了五步:
盘点20个别人愿意花钱问你的问题 → 判断(有人疼、客单价撑得住、你有相对优势)→ 选形态(服务化、工具化、内容化)→ 加杠杆(把交付环节交给WorkBuddy)→ 最小验证。
全程业余时间就能跑,不用先辞职,风险降到最低。
侯代颖老师还分享了做PPT、输送线客户需求两个案例。比如给一个做输送线与码垛机器人的客户,一个人加WorkBuddy跑完全栈: 7000 行代码、27 个文件、404个接口,还带一个可以拖拉拽的三维组态编辑器,重跑重建只要21秒。
只有有人愿意付费,才证明我们创业的方向是对的。
08 开放麦 · 郑凯:AI批完作业,人还得再看一遍
高校AI教师、实战分享者 · 企业培训方向《WorkBuddy 企业培训材料整理实战》
压轴的是位大学老师,带了五六个学生来听课。他先转述了学生中场时的一句反馈:前面的老师讲得都挺好,就是太干了。台下笑成一片。
所以他把题目从多智能体协同一路收缩,最后落在一个特别具体的场景上: 图片稿和旧版FAQ的核验与复用。是他自己的真实案例,一份1000多题的竞赛题库、一堆扫描件,头天凌晨只剩不到六个小时复习。
他让WorkBuddy把这些材料按2小时、4小时、16小时切成三轮重点,标出高频与易错,做成能在手机上看的学习稿。第二天,他拿了个奖。
郑凯老师分享了完整流程:OCR提取(顺带处理水印)→ 要点拆解 → 依据核验 → 多端排版(PC 与手机两套响应式)→ 验收。他把这套流程从复习资料一路延伸到虚拟的企业客服培训材料:识别旧版问答图片、结合更新通知核对规则、复核统计数据,对旧资料与新规不一致、计算口径有误、适用条件不明确,分别给出处理依据,材料里还没明确的事项就打上“待确认”,并保留原文与出处。
有一个观点他和前面几位讲者正相反: 他偏爱写大段提示词。理由是大段提示词可以复用成Skill,处理同类任务时直接调用。把经验写成一段长文,比每次重新组织一句短提示更划算。他甚至公开鼓励学生用AI做作业,因为他自己也用AI改作业、查重、判分。
但他反复强调一条纪律: AI验收之后,人的验收不能省。多模态验收目前仍不稳定,纯靠AI交付会出现很反常的错误,比如分子分母颠倒,或者用户投诉就赔钱这种看似合理、实际会被讹到亏损的判断。如果AI交付的结果看都不看就使用,很容易出事。
09 QA环节:三个问题,三种焦虑
1、WorkBuddy会接入Jev模型吗?
讲师们都有些累了,我全程在当主持人,没有技术输出对于一个技术人来讲还是挺难受的,一时技痒回答了这个问题。
很明显WorkBuddy这样注重通用能力的软件不会接入Jev模型,但能不能用一个轻量判断模型做中间件,来压缩上下文?可以,我们把它放在前端做判断层,具体到生产场景中,企业要的不是几千字的工艺建议,而是这个工件需不需要发黑处理这样一个0或1的结论。判断完,再进后续流程。既降token成本,也让结果结构化。这才是Jev模型的价值所在。
2、哪些企业适合FDE服务?
什么样的企业适合做FDE入企服务?怎么避免做成高价驻场外包?
欲三更老师回答了这个问题。别只找CIO,能跨过CIO直接跟CEO谈效率最高。另外是先做客户中层里最忙的那个人的事,让他替你说活,最要警惕的是那些看起来像软柿子的场景,它们没有交付边界,门槛在门里面,一步步就会拖成无底洞,利润率做不正。
3、合规问题。
来自于一位上市公司的财务,财务数据要求保密,内网外网分离,数据安全的边界到底在哪?
马小雨老师给了三条建议:先明确出域制度,走AI网关,不要为了快就把数据扔出去。用几万元级的本地小算力跑本地多模态模型,实测完全可以在内网用,确认没问题再加预算提速度。
郑凯老师补了一条,可以跟稳定的厂商签保密协议、拉模型专线,也是一个候选方案。
10 出乎意料的志愿者团队
本次活动共招募了12位志愿者,他们也将成为WorkBuddy开发者沙龙济南站的共建者,参与到济南站未来的内容共创、开源项目维护、活动组织等事务中。
而本场活动最令我惊喜的是,现场其实共来了 三十多位志愿者,他们从上午就进场,自发地参与到搬物料、布展台、引导签到、递话筒、控场、兑奖等各个节点中。没有进行任何指挥的前提下,一切都井然有序,遗憾的是我甚至没有来得及给他们准备证书和礼物。
给志愿者们颁发完证书,我很感慨。
很多人问过我,包括腾讯云的小伙伴们,他们问在济南办这样一场活动会有人来吗?但其实我们严格控制了宣传渠道,尽量不让无技术的纯AI爱好者知道,当天还是来了这么多人。
我一直在想,我们在本地组建与运营社群的意义是什么,我们成年人,总是喜欢给自己做的事找意义。所以我也在想,应该怎样去定义我过去所做的一切。前几天去一所高校分享,一个学生对我说:谢谢哥,感谢你带着我们做了好多我们平时不敢做、也做不成的事。
看着这些青春的脸庞,我突然觉得,我好像找到了那个定义。
他说的这句话把我拉回了十几年前的学生时代,那时候我也像今天的他们那样对新鲜事物充满热情,想参与,但常常没有机会。所以现在想做的,其实就是带着他们做一些那个年纪觉得有意思的事,一些在搞技术的人看来很酷的事,一些年少时想做却不敢做、做不成的事。我想这就是意义吧。
济南就是这样一座有意思的城市,沉稳、内敛,不骄不躁。在你需要时,总会有一帮朋友聚过来。
11 本次活动复盘
要说最大的失误,其实是把欲三更老师的场次安排在了第一场。到场的观众仍然存在部分非开发者,导致听第一场觉得晦涩难懂便离开了。现场初次布置280个座位在开场时全部坐满,在第一场后出现了空缺。后续到达的观众再次坐满、又经历了一次加座。实际到场观众约350+。
另外领导致辞、大合照、四场专家分享、颁奖连轴转,两个多小时没有休息时间,部分观众反映坐的实在有些累了。中间再加一段休息时间或许更好些。
嗯,确实还不太完美。
——
感谢深夜仍在陪我加班的腾讯云小伙伴们。
感谢绿地齐鲁之门 · 京沪会客厅提供宽阔舒适的场地,感谢AI · Spring社群全程提供宣发与现场服务支持。
感谢到场支持的所有相关单位。
感谢每一位专家讲师倾囊相授。
感谢所有自发到场的志愿者们,我甚至没有完整的记下他们的名单。
感谢每一位到场的朋友,也感谢直播间里陪了四个小时的观众。
这场活动没有、也没法替任何一家企业完成系统改造。它做的事情可能更朴素一点,就是把不同身份的人拉到同一张桌子前,让他们看清楚,AI进入真实世界之后,真正要解决的问题到底是什么。剩下的,其实还需要回到各自的企业里一件一件的从头看。
按计划,开发者沙龙要在半年内走进三十座城市、组织上百场活动。我想,我们会在不同的城市看到不同的答案。
WorkBuddy开发者沙龙 · 济南站10月活动落幕
我们下一站再会
来自 “ ITPUB博客 ” ,链接:https://blog.itpub.net/70051575/viewspace-3187553/ ,如需转载,请注明出处,否则将追究法律责任。