生成即合规：Agentic AIGC 驱动的广告素材修复实践｜QCon上海

从「构建 AI」到「驾驭 AI」，100+ 实战案例拆解 AI Native 时代的工程新实践！

将于 10 月 22 日—24 日举办，聚焦 Harness AI 时代的工程实践，围绕 AI Native 架构、Agent Runtime、AI Infra、Data Systems、Agent 安全与可观测、Loop Engineering、Vibe Coding、具身智能与世界模型、端云协同等前沿技术方向，邀请全球技术社区与产业一线的实践者，系统性分享前沿洞察与实战经验，共同探索 AI 从能力到系统、从实验到生产的真实路径。

在这一背景下，2026 年 QCon 全球软件开发大会大会 · 上海站正式启动。本次大会将于 10 月 22 日—24 日举办，聚焦 Harness AI 时代的工程实践，围绕 AI Native 架构、Agent Runtime、AI Infra、Data Systems、Agent 安全与可观测、Loop Engineering、Vibe Coding、具身智能与世界模型、端云协同等前沿技术方向，邀请全球技术社区与产业一线的实践者，系统性分享前沿洞察与实战经验，共同探索 AI 从能力到系统、从实验到生产的真实路径。

为此，袁瑗构建了基于 Agentic AIGC 的素材修复架构：将审核结论解构为结构化任务，通过对文字、图像、视频的局部精准编辑与片段生成/替换消除风险、保留素材价值，并借助多目标强化学习在合规与营销吸引力之间动态求解。本次演讲将围绕风险理解、编辑与生成协同、多目标优化等技术实践展开，探讨合规与营销的对抗、千万级素材吞吐下的质量与成本权衡，帮助企业构建安全与增长兼得的柔性内容治理能力，助力商家实现长期经营增长。

整体架构：以多 Agent 协同驱动素材合规修复，覆盖文字、图像、视频多场景与多风险类型

修复策略难以标准化：不同品类、不同风险类型的修复逻辑差异大，规则化与人工经验都难以覆盖全场景

合规与营销的表达冲突：营销追求强表达以提升转化，合规要求在边界内呈现，两者在实际素材上频繁冲突

多模态编辑一致性难保障：视频局部改动容易出现穿帮、风格漂移，图像/文本改写易脱离原素材语境

规模化修复的成本压力：高质量生成模型推理成本高、时延大，难以在大规模素材修复场景下全量落地

规模化落地的 Agentic 素材合规修复体系：覆盖文字、图像、视频全模态，服务千万级素材场景

一句话完成端到端视频编辑：无需分镜拆解与逐帧标注，指令驱动即可产出合规且连贯的成片，显著降低生成成本

合规与营销的联合优化范式：不止于守住合规底线，通过多目标建模让修复后的素材同时保留营销表达力

前瞻趋势判断：把握合规从“事后审核”前置到“生成阶段"的行业演进，为业务落地生成式 AI 提供参考

除此之外，本次大会还策划了Loop Engineering、千行百业 Agent 创新实践、Agent 自主进化：从记忆到持续学习、Agent as a Service、Vibe Coding 时代的新质量债、理性驾驭 AI 的 SRE 可靠性工程、金融 AI Native工程实践：从研发提效到业务破局、AI Infra：算力效率决定规模化落地、AI Native 架构等 20 个专题论坛，届时将有来自不同行业、不同领域、不同企业的 100+资深专家在现场带来前沿技术洞察和一线实践经验。