引入知识图谱和分层架构，为AI Agent在复杂场景下的应用提供新蓝图
杭州 – 9月25日 – 在今日上午于2025云栖大会举行的“自动化到智能化”技术专场上，阿里云智能集团高级技术专家程哲桥发表了题为《上云AGENT: 用自然语言交付云上环境》的主题演讲。他详细阐述了其团队在AI Agent领域的一项重要实践成果，系统性地剖析并解决了当前AI Agent在工业落地中普遍面临的“模型幻觉”、高昂成本和低成功率等核心挑战，为业界提供了宝贵的实践经验。
作为阿里云企业上云领域的专家，他在分享中首先复盘了团队在项目初期的探索。“我们都期望AI能扮演‘云计算专家’的角色，但直接将社区流行的MCP方案应用于复杂的上云场景，效果并不理想，”他介绍道，“我们很快发现，这背后隐藏着巨大的工程挑战，包括大量的Token消耗、失控的参数‘幻觉’，以及难以传递的隐性专业知识。”
据分享的数据，在早期方案中，一次普通的云环境创建交互，Token消耗就高达6万，堪比“让大模型写完半部《西游记》”，而端到端的成功率却不足10%。这一严峻的现实，促使该团队必须跳出常规思路，从更根本的架构层面寻求突破。
面对挑战，程哲桥带领的团队提出并实践了一条从“AI Coding”到“智能MCP”的演进之路。其核心思想，是借鉴“关注点分离”的软件工程原则，将原先一体化的Agent，解构为规划、推理、执行三个独立的层次，使系统更加清晰、可维护。
该方案中，一项关键的技术创新是在推理层引入了API知识图谱。“此前的方案，AI更像是在做‘阅读理解’，通过检索海量文档来猜测下一步，这是一个缓慢且充满不确定性的概率过程，”演讲中解释道，“而引入知识图谱后，这个过程升级为了一个高效、工程化的‘查字典’。Agent可以沿着图谱的依赖关系进行确定性的查询，这不仅将API选择的准确率提升至接近100%，也带来了数十倍的效率飞跃。”
此外，演讲还详细介绍了团队在“上下文工程”和“并行任务调度”等方面的扎实工作，这些工程实践确保了Agent在执行复杂任务时的健壮性和高效性。
在分享的最后，程哲桥分享了他对于AI Agent未来发展的深刻思考，引发了现场听众的广泛共鸣。他认为：“模型的迭代，决定了AI Agent能跳多高；而我们所做的知识与架构工作，决定了它能走多远。”他强调，模型的能力是Agent的“CPU”，但决定一个Agent能否在工业界稳定运行、持续进化的，是其“骨骼和血肉”——即系统化的知识与可演进的架构。
此次在2025云栖大会上，由程哲桥呈现的分享，不仅展示了一项创新的解决方案，更重要的是，它所蕴含的系统性思考和工程实践，为AI Agent技术如何在复杂的工业场景中从“可用”走向“可靠”，提供了一套极具参考价值的方法论和实现路径，为技术社区带来了关于AI务实落地的宝贵洞见。（图片由梁万授权发布）
以上内容为推广信息，所涉及内容不代表本网观点，不构成投资建议、消费建议。
