AICon上海2026｜小红书质效：Agent 基建的规模化落地路径

AICon 2026 分享摘要

当 AI Coding 的热潮逐渐从代码编写蔓延至更广泛的企业协同场景，我们面临的挑战已从“如何让模型听懂指令”转向“如何让 Agent 在复杂、长程的内部环境中稳定运行”。

小红书质效研发团队以 AI Native 为理念，聚焦企业级个人助理的规模化落地与长程智能体的上下文治理。通过构建 NEX 沙箱安全底座、Self-GC 对象化内存管理以及 L0-L2 分层记忆体系，我们致力于让工程团队从高昂的 Token 成本与“长程脑雾”中解放，将过去碎片化的白领办公场景转化为可审计、可追溯、低成本的智能化工程范式。

本次 AICon 上海站，小红书质效研发团队将带来两场主题分享，围绕 AI 个人助理从 0 到全员覆盖的工程实践以及 Self-GC 运行时机制展开交流。诚挚邀请您共同探讨 AI 驱动下的效能新范式。

一、《Self-GC：一种结合前缀缓存约束的多轮Agent上下文治理方案》

演讲嘉宾：郝栩彬

AI 工程架构师（智能体长程任务 / 上下文治理），目前主要从事 Agent 基础设施与成本优化研究，在上下文编辑、多智能体协同及长程任务稳定性保障方面有深厚积累。主导设计并落地 Self-GC 系统，解决白领办公场景下长上下文带来的成本压力与行为退化难题。

演讲介绍：

随着 Agent 技术从 Coding 向白领办公场景普惠，长程任务带来的“输入 Token 爆炸”与“模型行为退化”已成为企业级落地的核心瓶颈。传统基于规则截断或简单 Summary 的方法，不仅无法精细治理财务成本，更常因误杀关键证据（如 数据分析参考数据、浏览器页面状态）导致任务失败，且缺乏对缓存经济的考量。

本次分享将完整呈现 Self-GC 系统如何通过 ContextObject 对象化建模 与 Side-channel Plan/Commit 机制，将上下文对象转为可索引、可恢复、可治理的生命周期管理，实现低成本下的高鲁棒性长程执行。

演讲大纲：

• 成本账与行为退化： 量化千人规模企业的并发容量压力，解析长上下文导致的“复读机退化”与“工具调用死循环”现象，提出 Avg Input Tokens 作为核心治理指标。

• 三类工程策略： 对比降低增长斜率、过程裁剪（In-Run Pruning）与激进 Compact 的取舍，确立以 Active View 持续治理为核心的无损优化路径。

• Self-GC 运行时架构： 详解 ContextObject 的身份标识与边界定义，以及 Async Plan、Rehearsal、Delayed Commit 三阶段提交机制如何平衡修剪效率与缓存经济账。

• 数据飞轮与落地洞察： 展示 Self-GC 如何作为在线 Session 清洗机制反哺 Benchmark/SFT/RL 数据，以及在小红书生产环境中实现 10%-20% 输入 Token 下降且保持 90%+ 无影响率的实战成果。

二、《Seal: 小红书企业级 AI 个人助理的从 0 到全员覆盖》

演讲嘉宾：孟洪进

小红书架构师（AI 基础设施 / Agent 平台），主导小红书企业级 AI 个人助理的架构设计与规模化落地。在 Agent 运行时安全、长上下文精细化裁剪（Self-GC）及智能体记忆增强（Memory Enhancement）领域有深入实践，致力于构建高可用、低成本的 AI Native 办公基础设施。

演讲介绍：

在企业内部推行 AI 个人助理，面临的最大挑战并非模型能力本身，而是如何在保障集群与数据安全的前提下，将高昂的 Token 成本控制在可接受范围，并解决长程任务中的“失忆”问题。传统“被动响应式”助手难以应对复杂的白领办公场景，且缺乏从原始对话到长期知识的有效转化链路。

本次分享将完整呈现小红书 AI 个人助理如何通过 NEX 企业级沙箱 实现运行时隔离，利用 Self-GC 与 Auto 路由成本减半，并通过 L0-L2 分层记忆体系 打通从流水账到可搜索 Wiki 的知识闭环，实现从 3 天内测到两周全员覆盖的快速演进。

演讲大纲：

• AI Native 项目运作机制： 复盘“3 天内测、一周公测、两周全量”的极速落地路径，探讨 MVP 快速验证到规模化的核心决策逻辑。

• 企业级安全与成本双优解： 详解 NEX 沙箱的集群/数据隔离方案，以及 Self-GC（上下文对象化治理）与 SealRouter（Auto 模型路由）如何协同实现成本减半。

• Memory 增强与知识闭环： 剖析 L0（短期上下文）到 L2（LLM Wiki）的分层设计，解决 Flush 流水账化与 Dreaming 难审计痛点，实现记忆的可溯源、可过滤与可继续工作。

• AI 生态与下一代思考： 展示 Skill Hub 与 Cowork Studio 如何构建技能共享与作品发布生态，并展望从“被动响应”走向“主动感知、规划与协作”的目标驱动型智能体演进方向。

📩 加入我们

AI Coding 团队核心方向：

1. GUI Agent 执行引擎与 Coding Agent 架构

2. AI Testing

3. AI Coding harness 与解决方案

4. 分层知识库与路径引导系统

我们正在寻找对 AI Agent、智能化测试、GUI 自动化方向有热情的同学。如果你做过 Agent 工程化、LLM 基础设施，或者想把 LLM 真正落地到具体业务，欢迎联系！

📮 内推简历投递：

[email protected]