摘要：4月16日-4月18日，QCon 全球软件开发大会"将在北京举办。PayPal Senior Manager - Software Engineering郁丁鑫和PayPal Staff Machine Learning Engineer耿树朋已确认出席 “Agent in Practice：千行百业的 Agent 实践"” 专题，并发表题为《Agent in Practice——从⽀付迁移落地到评测驱动进化"》的主题分享。耿树朋，现任 PayPal Machine Learning Engineer，曾任 Software Engineer、Data Scientist，拥有十年从业经验，长期深耕客服、风控、能源等领域的 AI 落地实践，从传统机器学习一路拓展到当下的大模型应用。

从「AI For What」到「Value From AI」，100+可落地实践案例打通AI实战最后一公里！

4月16日-4月18日，QCon 全球软件开发大会"将在北京举办。本届大会锚定 Agentic AI 时代的软件工程重塑，聚焦Agentic AI、多智能体协作、算力优化、技术债治理、多模态和AI 原生基础设施等前沿话题，邀请来自腾讯、阿里、百度、华为、蚂蚁、小米、网易等企业技术专家，带来百余项真实落地案例，系统性分享前沿洞察与实战干货，以技术共创探索 AI 落地新路径。

PayPal Senior Manager - Software Engineering郁丁鑫和PayPal Staff Machine Learning Engineer耿树朋已确认出席 “Agent in Practice：千行百业的 Agent 实践"” 专题，并发表题为《Agent in Practice——从⽀付迁移落地到评测驱动进化"》的主题分享。

随着大模型与智能体（Agent）技术的快速发展，如何高效构建一个 Agent 并在生产环境中稳定运行，是工程团队面临的核心问题。他们以 PayPal 商户支付 API 迁移为真实场景，构建了三套 Multi-Agent 系统：MAIA（迁移执行）通过多 Agent 协作将商户代码从 legacy API 自动迁移到 REST v2，将人工数周压缩到小时级；Noise Injection（测试数据工厂）通过多 Agent 协作自动生成不同难度的代码变体用于评测；Evolution Engine（自动优化 Pipeline）通过多 Agent 协作从执行结果中提取经验并注入回 Agent。三套系统覆盖 8 个项目、4 种 legacy API（NVP/SOAP/WSDL/Payments V1）、4 种语言（Java/PHP/JavaScript/C#）和多个开源购物车（Magento、ZenCart、Medusa 等），形成评测和 Badcase 驱动的完整闭环。

郁丁鑫，现任 PayPal Senior Manager - Software Engineering，拥有 10 年工作经验，目前主要在风控、支付产品、代码框架等领域从事产品研发，并从传统产品开发逐步拓展到当前的大模型 Agent 应用。2016 年毕业于 University of Manchester，曾先后担任 Senior Software Engineer、Tech Lead 等职位。目前聚焦 Harness Engineering 和 AI for Product Integration 方向，致力于研究如何通过 AI Agent 帮助商户更高效地集成 PayPal 支付，并持续提升商户集成效率。

耿树朋，现任 PayPal Machine Learning Engineer，曾任 Software Engineer、Data Scientist，拥有十年从业经验，长期深耕客服、风控、能源等领域的 AI 落地实践，从传统机器学习一路拓展到当下的大模型应用。当前主要聚焦 AI for SDLC 方向，研究如何通过 Coding Agent 帮助大型研发团队提升开发效率。

他们在本次会议的详细演讲内容如下：

演讲提纲业务背景与成果PayPal 支付 API 迁移挑战（NVP/SOAP/V1 → REST v2）MAIA 的定位与核心价值Agent 迁移模式与传统人工迁移的区别Pilot 成果：从数周到 20 分钟，成本 $4-$102. MAIA：Multi-Agent 驱动的 API 迁移评测和 Badcase 驱动的研发策略Multi-Agent 协作架构（分析、规划、执行、验证）Knowledge Base：支付流程知识 + Legacy 模式库Experience Agent：执行→测试→学习→反馈闭环3. Noise Injection：Multi-Agent 驱动的测试数据工厂4 级噪声 × 125+ 类型，自动生成难度变体Multi-Agent 协作：噪声分析、注入、验证的自动化流水线4. Evolution Engine：Multi-Agent 驱动的自动优化 Pipeline10 个 Agent Skill 模块的全自动闭环Multi-Agent 协作：采集→分析→学习→应用的端到端优化如何优化 Agent 的稳定性与一致性5. 总结与展望核心经验与教训未来展望这样的技术在实践过程中有哪些核心痛点？如何从最小可行 Agent 开始，设计一个适合自身业务的 Multi-Agent 方案；如何在 Agent 中处理代码迁移的正确性验证，尤其是“表面成功实际未完成”（INCOMPLETE）的隐蔽问题；如何构建可复现的评测体系，跨 8 个项目、4 种语言、多个开源购物车持续驱动 Agent 优化。演讲亮点从实际生产场景出发，深入到 Multi-Agent 架构设计与评测驱动的迭代方法论，体系化地展示了如何将 Agent 从原型推向规模化落地。不同于理论探讨，本演讲基于 PayPal 真实迁移实践——覆盖 Magento、ZenCart、Medusa 等开源购物车，Java/PHP/JavaScript/C# 四种语言，NVP/SOAP/WSDL/Payments V1 四类 legacy API，展示了噪声注入测试、自动经验提取（Gene 机制）、Evolution Engine 等工程化手段如何系统性地提升 Agent 的稳定性和质量。听众收益全面了解从 0 到 1 构建生产级 Multi-Agent 系统的实践历程与真实挑战；深入理解评测驱动开发（Evaluation-Driven Development）的方法论及其在 Agent 优化中的应用；体系化地了解 Agent 架构背后的技术体系：Multi-Agent 协作、Knowledge Base、Experience Loop 的设计与选型；获得可复用的工程化经验：噪声注入测试、Gene 机制、Evolution Engine 等具体实践方案。

除此之外，本次大会还策划了Agentic Engineering"、多模态理解与生成的突破"、记忆觉醒：智能体记忆系统的范式重塑与产业落地"、具身智能与物理世界交互"、Agent Infra 架构设计"、AI 重塑数据生产与消费"、AI 原生基础设施"、AI 驱动的技术债治理"、小模型与领域适配模型"、大模型算力优化"、Agent 可观测性与评估工程"、AI for SRE"等20多个专题论坛，届时将有来自不同行业、不同领域、不同企业的100+资深专家在QCon北京站现场带来前沿技术洞察和一线实践经验。

9折倒计时最后一周，现在购票立减680。更多详情可扫码或联系票务经理 18514549229 进行咨询。