OpenAI开发者亲述:语音Agent真正难的不是说话
这是一场来自OpenAI开发者体验团队的一线分享。Dominik Kundel系统讲解了语音Agent为何重要、架构如何选择,以及实时语音Agent在延迟、工具调用和安全上的真实挑战,展示了OpenAI最新Agents SDK与实时API背后的设计取舍。
这是一场来自OpenAI开发者体验团队的一线分享。Dominik Kundel系统讲解了语音Agent为何重要、架构如何选择,以及实时语音Agent在延迟、工具调用和安全上的真实挑战,展示了OpenAI最新Agents SDK与实时API背后的设计取舍。
在这场演讲中,Docker 创始人、Dagger CEO Solomon Hykes 用十年平台工程经验,直面一个新问题:当大量 AI coding agent 开始“结对编程”,混乱如何避免?他的答案不是更聪明的提示词,而是更严格、可组合的运行环境。
这场演讲并不是在教你如何快速搭一个MCP Server,而是在追问一个更难的问题:当AI Agent真的进入企业环境,现有的MCP生态还缺什么?来自WorkOS与斯坦福的双重视角,让“Enterprise Ready”第一次被拆解成可落地的工程与安全问题。
这场分享中,Windsurf工程师Eashan Sinha并没有只谈“更聪明的AI”,而是提出了一个更难的问题:AI如何真正融入工程师的工作流。通过回顾Copilot、Agent到AI Flow的演进,他解释了为什么“协作感”和“上下文理解”才是下一代开发工具的核心。
Nir Gazit用一次真实的RAG机器人优化实验,挑战了“提示工程是一门手艺”的共识。他没有手工打磨prompt,而是用评估器和Agent把效果从0.4推到0.9,给出了一条更像工程、也更可扩展的路径。
Temporal 工程师 Mason Egger 提出一个颠覆直觉的观点:事件驱动架构并不适合 AI Agent。通过天文学隐喻、真实事故经历和架构对比,他解释了为什么我们把“事件”放错了位置,以及“Durable Execution”为何可能成为下一代 AI Agent 的核心抽象。
这场演讲直指企业AI落地的最大幻觉:只要把数据“准备好”,AI就能可靠工作。Anushrut Gupta用大量真实场景说明,问题不在数据工具,而在AI不懂业务语言,并提出一种“像新人分析师一样成长”的Agentic语义层方案。
这场来自 Orb 联合创始人的演讲,讨论的不是“该收多少钱”,而是 AI 产品在不确定成本、不可见工作量和快速迭代下,如何建立可持续的定价体系。核心观点是:定价是一种有意识施加的“摩擦”,而 AI 时代的关键在于预测性、用户感知与灵活调整能力。
这场分享中,Zach Blumenfeld 通过一个员工技能分析的真实演示,展示了为什么在Agent时代,单纯的向量检索已经不够用。文章将带你理解 GraphRAG 的核心价值:如何用知识图谱,把杂乱的文档和结构化数据,转化为可推理、可解释、可持续演进的智能系统。
微软研究院Graph团队负责人Jonathan Larson,通过一系列真实演示展示了GraphRAG如何用“结构化记忆”解决大模型在复杂代码库和长上下文中的根本瓶颈。这场分享不仅关乎检索增强生成,更揭示了AI Agent走向可执行软件工程的关键路径。