随着团队从AI试点转向生产系统，QCon AI Boston的议程聚焦于在真实操作条件下构建可靠、安全的AI系统，讨论了工程、可解释性和知识图谱等主题，强调建立信任的生产环境。

麻省理工学院研究人员开发了一种新方法，利用表格基础模型改进贝叶斯优化，能在复杂工程问题中更快找到最佳解决方案。该方法在60个基准测试中比传统算法快10到100倍，适用于汽车安全设计等领域，显著提升了优化效率。

意图工程逐渐取代提示工程，重点在于清晰传达需求，以确保AI理解真实目标，促进更有效的人机协作。

GLM-5是智谱AI与清华大学联合推出的基础模型，拥有7440亿参数，采用异步强化学习，支持多种思维模式，适配中国芯片生态，基准测试表现优异，标志着AI领域的重大突破。

卡尔帕西指出，LLM将在软件工程中持续存在。随着AI生成代码进入生产环境，理解代码故障原因的新问题出现。未来的挑战是协调代理以运行和修复其构建的系统。

报告探讨了材料研发中的关键问题及深度学习技术的应用，分析了数据稀疏和建模效率的挑战，并总结了AI在材料研发中的痛点。PaddleMaterials基于飞桨框架，提供端到端的算法开发支持。

OpenAI推出Harness工程方法，利用AI代理优化软件开发生命周期。该系统通过Codex执行代码编写和测试生成，减少手动脚本依赖。经过五个月的实验，工程师在无需手动编码的情况下完成了约百万行代码。Harness工程使工程师能够专注于环境设计和反馈，Codex与开发工具直接互动，确保一致性并减少人工监督。

本文介绍了通过优化“哈希工程”，将Terminal Bench 2.0中的编码代理从前30名提升至前5名。关键在于自我验证和追踪分析，帮助识别错误并提升代理性能。通过调整系统提示、工具和中间件，结合自动化追踪分析，显著提高了代理的任务执行能力。

Birgitta在Thoughtworks担任工程师，探讨OpenAI的“Harness engineering”文章，描述团队如何利用AI构建大型应用的维护工具。文章强调AI生成代码的可维护性和信任度，并提出未来可能出现的“harness”作为服务模板的概念，讨论架构约束和模块边界的重要性。

本文探讨了Prompt工程的演变，强调Agent Skill的实用性。Prompt从简单输入发展为复杂工作流程，Agent Skill将其转化为可复用的工程资产，适用于高频迭代场景。作者的skills仓库和ChineseResearchLaTeX项目展示了如何优化开发和科研写作流程，提高效率。

本文探讨了Prompt工程的演变，强调Agent Skill在将Prompt与规则、脚本结合方面的作用，从而形成可维护的工程资产，提升人机协作效率。作者分享了技能仓库，展示了开发和科研写作的流程化，以实现高频迭代和稳定交付。

OpenAI 发布了智能体工程手册，介绍如何通过技能、Shell 工具和上下文压缩三大 API 实现智能体的稳定运行。手册分为三个部分，提供实用技巧和构建模式，强调技能描述的重要性及负面示例的作用，帮助开发者构建高效的多技能智能体。

Dropbox致力于提升工程生产力，利用AI工具加速开发。通过高层讨论，明确AI与业务成果的关系，推动团队尝试新工具。会议探讨了AI影响的衡量、领导对齐和人才培养，强调在生产力与质量之间的平衡，以及领导角色和AI能力的正式化。

Thiago Ghisi分享了他在Nubank的成长经历，强调了管理和组织扩展的经验。他指出建立运营节奏、管理绩效、创建领导团队和塑造文化的重要性，并总结了在快速扩展中学到的决策、心理安全感和团队协作的教训。他强调领导者需不断自我革新，以适应组织变化。

文章探讨如何运用阴阳五行气运动模型优化AI基础设施，强调在GPU调度、代理运行和平台治理中需平衡推动与约束力量，定期评估系统状态，发现瓶颈并调整策略，以实现持续改进和稳定性。通过系统化思维，结合东方智慧与工程实践，提升AI基础设施的效率与治理能力。

QCon会议庆祝20周年，聚焦AI从实验到生产的转变，强调系统的可生存性与失败分析。2026年议程涵盖AI工程、架构韧性及技术决策影响，探讨平台工程的投资回报。