AI in Production: What Breaks, What Works, and Who Approves It? | InfoQ Webinar

生产环境中的AI：哪些会失效？哪些有效？谁来批准？ | InfoQ网络研讨会 - InfoQ

InfoQ首页新闻 生产环境中的AI：哪些会失效？哪些有效？谁来批准？ | InfoQ网络研讨会

AI、机器学习与数据工程

当AI加速开发时，您的持续集成流水线能跟上吗？（10月8日网络研讨会）

生产环境中的AI：哪些会失效？哪些有效？谁来批准？ | InfoQ网络研讨会

2026年10月7日 3分钟阅读

作者：

• Artenisa Chatziou

#### 关注我们

YouTube

232K关注者

LinkedIn

26K关注者

Instagram

新

RSS

19K读者

X

57.1k关注者

Facebook

21K点赞

Bluesky

收听本文 -

0:00

音频准备就绪

您的浏览器不支持音频元素。

正常

1.25x

1.5x

喜欢

新下拉阅读列表

• 阅读列表

一旦AI系统能够检索内部文档、生成生产代码或通过工具独立执行操作，工程挑战和相关风险就会增加。团队需要了解系统访问了哪些内容、被允许执行哪些操作、其输出如何被验证，以及在系统失效时谁来负责。

这些问题在生产环境中会变得更加复杂。代码代理不再局限于单个开发者的机器，而是进入持续集成环境。RAG流水线可能遇到敏感或过时的数据。代理需要在具有不同权限和故障模式的系统间运行。在受控测试中表现良好的工作流，遇到真实用户、运营限制和突发事件时可能会表现出不同行为。

10月14日星期三，InfoQ将举办免费的60分钟实时专题讨论"生产环境中的AI：哪些会失效？哪些有效？谁来批准？"，五位在生产环境中构建、保护和运营AI系统的实践者将参与讨论。所有注册用户都将获得录像回放，因此无法实时参与的工程师可以在之后观看。

构建生产环境AI系统带来了两个相互冲突的压力。平台和代码代理团队希望代理能更快行动、执行更多任务。隐私和安全工程师则希望对这些代理的可见范围和操作权限施加更严格的限制。讨论将探索团队在这些限制上的划分标准，以及过度授权或错误控制可能带来的后果。

专题讨论将探讨实践者如何应对以下问题：

• 代理自主性：代理可以独立执行哪些操作，哪些仍需要人工批准

• 验证：团队如何在AI生成的更改进入持续集成或生产环境之前进行检查

• 数据暴露：AI系统可以访问哪些敏感或受监管数据，哪些威胁需要优先建模

• 生产RAG和平台：在受控演示之外持续有效的架构和运营实践

• 内部说服：工程师如何在事件迫使问题浮出水面之前，向团队解释加强控制的必要性

专题讨论嘉宾

Hien Luu主持QCon AI纽约2026大会，曾领导DoorDash和Zoox的机器学习平台团队，是《使用Ray的MLOps》一书的作者。作为InfoQ认证AI工程计划的主持人，他与资深从业者合作探讨生产AI系统的架构。他将从RAG流水线、代理、AI平台和可靠性等多个维度带来独特视角。

Katharine Jarmul 是机器学习和人工智能系统领域的隐私与安全专家，也是《实用数据隐私》（O'Reilly）一书的作者。作为 InfoQ 认证人工智能安全与隐私工程计划的协调人，她与从业者合作，探讨敏感数据处理、威胁建模、防护措施、可观测性及治理等问题。她将分析团队如何控制人工智能系统可访问的内容，以及他们如何评估相关风险。

Zichuan Xiong 是 Thoughtworks 的首席顾问，其工作涵盖领域驱动设计、数据网格、组织变革和智能体系统。他联合主持 InfoQ 认证人工智能辅助工程计划，并将探讨围绕代码智能体的工程实践，包括团队在变更进入交付流程前如何验证智能体生成的修改。

Premanand Chandrasekaran 是 Thoughtworks 的市场技术总监，拥有近 30 年领导软件团队的经验，也是《使用 Java 实现领域驱动设计》一书的合著者。他联合主持 InfoQ 认证人工智能辅助工程计划，并将讨论智能体在软件交付生命周期中跨领域运作时，团队面临的权限设置、审查关卡和治理决策。

Lan Chu 是人工智能技术负责人兼高级数据科学家，拥有七年构建生产级数据和机器学习流水线的经验，以及三年构建生成式人工智能产品的经验。在 2026 年伦敦 QCon 会议上，她发表了《超越演示：RAG 易于实现，生产级 RAG 却不然》的演讲，分享了基于超过 10,000 篇文档构建的生产级人工智能系统经验。她将从实际操作角度探讨如何在演示之外实现可靠的检索功能。

60 分钟的现场问答环节

主持人和 panelist 将共同准备初始问题，开启 60 分钟的讨论。与会者可以通过注册表单的自由文本字段提前提交问题，或在会议期间通过 Zoom 的问答功能提交问题。Panel 不会提供单一的解决方案，而是揭示不同方法背后的思考过程和权衡取舍，帮助与会者将其与自身的系统、风险和约束条件进行对比。

“AI 在生产环境中的应用：哪些会失效？哪些有效？由谁批准？”网络研讨会的注册是免费的。

活动详情

• 日期：2026 年 10 月 14 日（星期三）
• 时间：伦敦时间下午 4:00 / 东部时间上午 11:00 / 太平洋时间上午 8:00
• 持续时间：60 分钟的 panel 讨论
• 形式：在线直播网络研讨会，与会者可通过注册表单和 Zoom 问答功能提交问题
• 录制视频：与所有注册者共享
• 费用：免费

作者部分主容器

关于作者

部分标题

每位作者的主容器

#### Artenisa Chatziou

显示更多

显示更少

#### 本内容属于 AI、机器学习与数据工程主题

##### 相关主题：

• AI、机器学习与数据工程
• 人工智能
• AI 工程认证
• 检索增强生成
• 安全
• 企业
• 相关编辑内容
• 相关赞助商
• 相关赞助商 2026 年 10 月 29 日，东部时间下午 1 点 从 Token 到 Feature：为人工智能辅助工程构建成本归因架构 演讲者：Martin Reynolds - Harness 首席技术官

InfoQ 新闻通讯

每周五发送 InfoQ 最新内容摘要。加入超过 250,000 名高级开发者的社区。查看示例

我们保护您的隐私。