出品人:
.......
.......
AI Agent设计与商业化(核心技术应用)
......
议题背景
OpenClaw 的爆发让 AI Agent 从概念走向主流。但当"用对话完成任务"成为新常态,产品设计的底层逻辑正在被颠覆:没有按钮的界面如何引导用户?AI 能力的边界如何让用户感知?失败时如何不丢失信任?
MiniMax 在 产品化过程中,系统性地回答了这些问题。本议题将聚焦产品设计维度,分享我们验证过的设计原则与踩过的坑,为 Agent 时代的产品人提供可复用的实战框架。

内容大纲
1. 重构设计逻辑:Agent 产品的三个核心命题
    1.1 边界感知:用户不知道 AI 能做什么、不能做什么——如何通过设计让能力边界"可触摸"?
    1.2 信任阶梯:从"让 AI 看"到"让 AI 做",用户的心理门槛如何通过产品设计逐级跨越?
    1.3 失败预期:Agent 必然会犯错,如何设计让用户"接受失败"而非"放弃产品"的体验兜底?
2. 关键体验节点:MaxClaw 的设计决策复盘
    2.1 首次体验设计:用户第一个任务应该是什么?我们测试多种引导方案后的结论。
    2.2 能力渐进释放:哪些功能主动展示、哪些等用户发现?基于用户成长阶段的功能分层策略。
    2.3 多端体验一致性:消息平台 × App × Web,我们选择"功能一致、交互适配"的取舍逻辑。
3. 产品迭代机制:如何让 Agent 越用越好用
    3.1 反馈产品化:将用户的自然语言反馈转化为可量化的迭代输入。
    3.2 个性化与通用性平衡:Agent 应该记住多少用户偏好?"贴心"与"诡异"的边界在哪里?

听众收益
1. 设计框架:获得 Agent 产品"边界感知—信任建立—失败兜底"的完整设计思路
2. 决策参考:了解关键体验节点的设计取舍与验证结论
3. 避坑清单:用户引导、能力外显、多端适配上踩过的坑与解法
MiniMax on OpenClaw:
Agent 产品设计的实战方法论
冯雯
.......
MiniMax 开放平台高级总监        
议题背景:
电商营销素材需求呈爆发式增长,而传统内容生产存在明显瓶颈;漫剧内容创作引擎不全,存在大量人工脚本、分镜和抽卡率问题。Agent一直在电商、客服领域产品较多,但电商营销、短剧和AIGC精神文化消费的内容生产链路缺少类似应用。为此,需构建多模态识别、可控编辑与上下文理解等能力,联动打造AIGC解决方案;聚焦面向转化的电商活动营销素材工具链,涵盖图像和视频评测链路。

内容大纲:
1. 构建AIGC驱动的电商与漫剧素材工具链
    1.1 打造高质量、高转化率的营销内容并准确评估效果,在媒资管理体系中后续可以实现跨模态搜索。
    1.2 以Agent为核心、融合多模态AIGC技术的一站式解决方案,覆盖从内容生成到效果监测的全链路。
     1.3 idea-idea生剧本-脚本-图像生成-视频生产(首位帧为例)-编辑-生成评测-优化与智能集锦-分发-保存-媒资检索。
2. 核心Agent能力构建与产品架构
    2.1 对自由文本描述的兼容性和细粒度语义关联能力,精准理解如多巴胺、少女感等电商用词;也能理解霸气傲天、傻白甜等短剧漫剧用词。
    2.2 抽卡率是既往产品常见问题,针对该问题展示如何快速生成上千张素材,并通过评测系统自动筛选出最优组合,实现效率与效果的倍增。
    2.3 AIGC在个性化内容生成后的智能集锦,推介Cybercut全链路剪辑的能力实现路径,产品迭代规划,Cover高燃片段一键成片需求。
3. 产品迁移思考与QA
    3.1 掌握一套可直接复用的 AIGC 全链路落地架构,从生成、剪辑到评测、分发形成闭环,快速落地业务。
    3.2 打开AIGC 商业化思路,理解如何从工具型功能升级为平台型产品,构建长期竞争力。

听众收益

1.  启发-学会AI Agent 在内容场景的产品化方法,包括语义理解、批量生成、智能筛选、自动剪辑等高价值能力设计。
2. 借鉴-具备跨场景迁移能力,可将这套架构、方法论直接复用到营销、增长、电商、短剧、工具产品等多个领域。
运营效率的从业者。
AI Agent案例:AIGC从视频生成到内容监测全链路
俞新蕊
现任快手基础平台部-AI产品解决方案架构师,万擎MaaS是构建覆盖模型接入、推理优化、训练微调与AI应用开发的全栈式AI平台。Cybercut为内容创作提供从生成到编辑的完整闭环,助力海内外头部消费电子、智驾、零售电商企业实现智能化升级与业务创新。

过往历任腾讯云 CSIG 云产品三部 AI 产品解决方案架构师;聚焦智能体开发平台(ADP)、机器学习平台(Ti-ONE)的解决方案设计与落地,依托知识图谱、RAG/GraphRAG 等技术与Rag、Workflow、Multi-Agent框架,设计跨模态检索、工作流编排方案,为某能源、某传媒等企业打造复杂业务场景下的 AI 应用落地方案;

任百度智能云 AI AM、为企业构建复杂业务场景下的AI应用,实现效率提升90%+、响应时长从分钟级优化至秒级的显著效果;、

任阿里云PDSA& BTE(轮岗),深耕人工智能与云计算,尤其是模型预训练&后训练、全生命周期 AI 开发、大模型成本性能优化架构,具备扎实的产品设计与架构落地能力。
快手AI PDSA华东负责人
内容大纲:
1. 从设计功能到感知上下文
    1.1 "手表→智慧屏→车机"的跑步场景,三个 AI 都秒回、听起来都智能,但没有一个真正理解用户经历了什么
           ——每个 Agent 都在信息不完整的情况下"猜"。
    1.2 真正的 AI Native 产品应该围绕上下文设计,而非围绕单点功能设计。
2. 同一个 Agent 的四个分身
    2.1  华为的结构性优势:系统级助手穿透 App 边界、1+8+N 多终端布局、多设备汇聚的物理世界感知能力。
    2.2 案例:
          手机——克制主动性,做随叫随到的全能助手;
          手表——一切围绕三秒窗口,主动感知极简表达;
          车机——安全优先级无限高,跳过对话直接行动;
          音箱——24 小时陪伴者,积累家庭长期模式并处理多用户切换。
3. 感知 × 表达 × 场景: Agent 设计框架
    3.1 "感知力 × 表达力 × 场景力"三棱镜模型,给出决策矩阵的使用方法,并映射到纯软件产品。
    3.2 引入 Multi-Agent 视角:差异化设计是第一步,Agent 间的 context 流转与意图接力是第二步。
4. Context not Control——AI 的下一个十年
三个行业判断:Agent 竞争终局不是模型能力而是 context 垄断;主动式服务需要 context、context 需要物理感知、AI+硬件今年将迎来爆发;AI PM 从设计功能变为定义评估体系,从建筑师变成教练。
Context is All You Need
——多终端 AI 助手的产品设计方法论
Shirley
哈佛双学位毕业,APEA亚太青年领袖,华为ai产品经理。负责华为小艺语音助手的产品规划,产品MAU过亿,具有丰富的多终端软硬协同产品经验,沉淀较多方法论和设计经验。
华为 AI产品经理        
PM组委会由业界在产品经理或相关领域具有显著成就和影响力的产品人发起,邀请联合主席团专家一起挖掘全球产品领域的创新突破,旨在推动产品领域的知识分享和能力提升,促进行业产品创新。我们相信,通过持续的学习和交流,产品人能够在快速变化的市场环境中不断成长,创造更多的用户价值商业价值。同时依托智盟创课国内领先的人才能力提升服务供应商,组织专业的会务服务团队,全面推进会议的顺利落地,保证参会者体验。
服务总线:400-183-9980
商务、媒体合作:木子 151-2264-3988 
演讲分享:丽媛 186-0005-0529
购票咨询:白老师 135-1619-6409