非结构化数据AI应用：Milvus与Agent技术分享会

14:00-14:30 | 向量数据库架构演进

分享嘉宾将带来《Beyond Vector Search：Milvus 3.0的LakeBase架构演进》主题演讲，从向量搜索的边界出发，解析当前生产级AI数据平台的核心痛点，讲解Lake能力的演进路径，如何让非结构化数据直接在数据湖中实现可查询，同时介绍Base引擎的升级细节，从基础Top-K检索到复杂语义查询、多向量检索的优化方案，以及LakeBase架构如何实现在线检索、批量计算与持续数据演进的统一落地。

14:35-15:05 | 企业级AI应用落地实践

来自金融科技企业的工程师将分享Milvus在多场景AI应用中的落地经验，从社区图片搜索项目与Milvus的结缘开始，讲解大规模向量检索的实战优化方案，同时介绍如何将Milvus应用到知识库搭建、个性化推荐、意图识别等多个AI场景，以及在Agent智能体开发中如何结合Skills、知识存储、记忆机制和上下文连接实现更智能的应用落地。

15:20-15:50 | 智能Agent的复利式成长

分享嘉宾将探讨智能Agent如何从能力飞轮走向智能复利，讲解如何将复杂业务任务拆解为可执行的标准化模块，如何保障任务的高效执行与交付，以及如何将实践经验沉淀为可复用的技能模块和长期记忆库，最终打造出越使用越懂用户、越运行越具备能力的智能系统。

15:50-16:20 | 基于记忆的智能Agent框架实践

本次分享将介绍Raven——一款基于记忆、可自进化且支持深度调研的Agent开发框架，讲解Raven的核心设计优势，以及如何结合向量数据库实现更高效的智能Agent落地，帮助开发者快速搭建具备自主学习和深度调研能力的智能应用。