【上海同盟成员风采展示】腾讯云架构师同盟成员亮相多场技术交流

四

薛晓刚2025年11月25日约 6 分钟

2025年11月22日，中国系统架构师大会（SACC）上海站成功举办。腾讯云架构师上海同盟多位核心成员受邀参与，并有三位成员在会上发表主题演讲，围绕AI应用落地、知识图谱与向量数据库融合、智能体实践等热点话题展开深度分享。

而在 2025 Google Developer Groups 技术大会上，也有一位来自腾讯云架构师上海同盟的优秀成员带领大家从零起步构建自己的“ AI智能工作与学习助手工作坊”。

陈政：基于BISHENG平台快速构建AI辩论赛应用

在大会上，同盟成员陈政（三掌柜）带来题为《基于BISHENG平台实现终极AI辩论赛应用》的演讲。

陈政（三掌柜）：某银行资深全栈工程师，腾讯云架构师技术同盟上海同盟成员。CommunityBuider AWS,亚马逊云科技云博主，华为HCDE，开放原子校源行开源大使&讲师，腾讯云TDP宣传大使，CSDN 上海站主理人。

该议题源于 8 月 31 日腾讯云架构师上海术同盟活动中关于“ Vibe Coding 是否适合企业级编程”的辩论延续，陈政在当时的辩论中担任正方。他在演讲中聚焦“如何在大模型小型化趋势下快速实现 AI 应用落地”这一现实命题，演示了从零构建 AI 辩论赛应用的完整流程。该应用通过智能体模拟正反双方辩论行为，展现出在有限算力环境下实现敏捷AI部署的可行性。陈政进一步就该模式在企业级场景中的落地路径与现场听众进行了探讨。

值得一提的是，本次大会中，曾在那场辩论中担任反方的两位同盟成员——长亮科技科学家王巍巍与欧冶云商数据库首席薛晓刚也一同到场，并就陈政的模型设置提出技术性质疑，指出辩方与评审智能体采用同一模型可能影响辩论结果的公平性。这场技术交锋并未影响与会者会下的交流氛围，反而体现出架构师群体在专业探讨中“争论归争论，交流归交流”的开放精神。

王巍巍：知识图谱与向量数据库融合

拓展企业认知智能新路径

接下来，同盟成员王巍巍从知识图谱的局限性切入，向我们系统阐释了向量表示的核心原理与向量检索的技术边界，并提出一套融合知识图谱语义关联能力与向量数据库高效检索能力的混合架构方案。

王巍巍：长亮科技资深AI科学家，腾讯云架构师名人堂成员，腾讯云架构师上海同盟成员。曾任职 Singlab、Walmart 等互联网公司从事研发工作。2007年毕业于南京大学。曾参编《银行核心系统现代化建设水平度量模型》标准和《金融业应用现代化建设成熟度评估》标准，并获得信通院颁发的“应用现代化推进中心”专家聘书。

知识图谱与向量数据库在特性上具有天然互补性。知识图谱擅长精确匹配和逻辑推理，具备强可解释性，但存在稀疏性、静态性等局限；向量数据库则擅长语义相似性检索，具备强大的容错能力和动态更新优势，但存在黑盒问题。两者融合可实现“精确性+模糊性”、“可解释性+计算效率”的完美结合。

演讲重点介绍了融合架构的核心设计：查询路由机制：根据查询类型（实体查询、概念查询等）智能选择检索路径混合检索策略：精确匹配优先，语义相似性补充结果融合算法：采用分数融合、排序融合等技术整合多源结果。

演讲中，他结合真实案例，说明该融合架构如何提升复杂查询场景下的响应效率与准确性，为现场架构师在构建认知型AI系统时提供了重要参考。AI驱动架构演进的时代，知识图谱与向量数据库的融合将成为企业构建认知智能系统的关键技术路径。这种架构既保留了知识推理的精确性，又具备了语义理解的灵活性，为金融、医疗、政务等领域的智能化转型提供了坚实技术基础。

薛晓刚：智能体技术在数据库开发与运维中的落地实践

最后，同盟成员薛晓刚围绕“AI如何结合自身场景落地”这一务实命题，分享《结合应用开发和数据库运维的智能体落地实践》。

薛晓刚：腾讯云TVP，腾讯云架构师名人堂成员，腾讯云架构师上海同盟理事。CCF 数据库专委会执行委员、Oracle ACE、PostgreSQL ACE。阿里云数据库 MVP、腾讯云数据库 MVP、信通院创新实验室成员单位专家、机械工业出版社专家委员会委员。OpenTenBase 社区委员会委员。参与信通院《数据库一体机技术要求》、《数据库迁移工具能力要求》、《大数据事务分析混合型数据库技术要求与测试方法》作为起草单位参与标准的编写与制定。

AI落地是一项高度场景化的工作，需结合企业自身业务特点进行路径选择。薛晓刚基于其在数据库模型设计与运维领域的多年探索，介绍了其团队如何逐步识别可行场景，并最终落地具备实际业务价值的智能体系统，有效支持开发与运维闭环。

设计审核智能体：数据库开发的"守门人"

薛晓刚重点介绍了实际落地的"设计审核智能体"，该智能体具备以下核心功能：

1. 业务语义理解：结合企业数据字典，识别数据库对象的业务含义、规范自动检查：基于《数据库设计开发规范》自动审核表、索引、视图等对象。

2. 性能隐患识别：特别针对标量子查询等常见性能问题进行深度分析。

3. 智能建议生成：提供优化建议并关联到《DBA实战手记》中的具体案例。

此外，他还介绍了实际落地运维智能体——从救火到预防的智能化转型。他通过实际案例演示了智能体如何识别标量子查询问题，这种写法在数据量大时会产生严重性能问题。

在运维层面，薛晓刚分享了"运维智能体"的实践成果。他以真实案例说明智能体的价值。最后总结了智能体落地的核心经验：

业务垂直领域深耕：智能体必须紧密结合企业特有业务场景。

历史经验积累：充分利用企业历次故障案例和解决方案。

规范化知识库建设：建立完善的本地知识库和规则映射。循序渐进迭代：知识库和知识图谱需要持续优化更新。

贺飞：AI智能工作与学习助手工作坊

在同一天，上海同盟成员贺飞在 Google Developer Groups 这个聚焦“生成式AI如何提升学习效率”的工作坊中，以场景化教学为核心、实操体验为导向，一场贴近学习场景、聚焦实操体验的课程，带领大家从零起步，用 Gemini 构建出一套属于自己的 AI 学习系统。

贺飞：某科技公司技术负责人，腾讯云架构师上海同盟成员，CSDN 人工智能技术领域博主。

课程设置贴近真实需求——你不需要会写代码，只需会提问、会复制粘贴，就能体验大模型如何帮助学习者高效理解知识、生成题库、制定学习计划，甚至生成复习周报。

首先，贺飞带领大家用 Gemini 构建了一个能自动总结重点、生成习题并解释知识点的“私人专属老师”；随后，通过输入目标和学习偏好，AI 自动生成个性化的两周学习计划；再到将学习资料转化为可练习题库，并结合 SM-2 间隔记忆算法，安排最优复习节奏；最后，还能一键输出 Markdown 格式的学习周报，让整个学习流程从输入到反馈闭环完成。

“你今天不是来上课的，而是来搭建属于你自己的 AI 学习系统。”这场工作坊让大家真切感受到：AI 不再只是远在云端的技术名词，而是可以真正落地、伴随学习成长的智能搭档。