腾讯云智能顾问游戏行业架构治理新范式-

智能顾问助力客户用好云平台全景图全球首款可视化AI架构治理平台运营端协同虾”智能顾问：卓越架构治理运营端协同虾”可视化｜智能化｜生态互联腾讯云专家运营端协同治理可视化｜智能化｜生态互联腾讯云专家运营端协同治理风险巡检风险巡检容灾演练容量规划微信企业微信微信重保护航飞书Teams钉钉飞书TeamsWhatsApp…WhatsApp…多云纳管AWS腾讯云AzureGCP阿里云其他云...AWS腾讯云AzureGCP阿里云其他云...水位异常根因分析水位异常根因分析上下文Context节点&架构图State数字资产Memory零代码生成大屏智能生成演练方案智能护航播报架构梳理/风险发现/容量管理和多云纳管游戏运维面临的6大核心挑战CTO高关注性能效率玩家3秒内未进入即流失运维核心可靠性多个控制台轮番切换CFO关注CTO高关注性能效率玩家3秒内未进入即流失运维核心可靠性多个控制台轮番切换CFO关注成本优化长线挑战可持续性技术演进跟不上业务安全合规出海必备出海必备全球合规差异大效率瓶颈效率瓶颈卓越运营从“看清单”到“看架构”##资源名称类型状态数量1game-server-prod-01ECS运行中482game-db-masterMySQL运行中63redis-cluster-01Redis运行中4game-pod-deployPod运行中2375msg-queue-prodMQ运行中46cdn-distributionCDN运行中37load-balancer-prodCLB运行中88cos-bucket-assetsCOS运行中5...还有320+条资源Before：传统的资源清单层层可下钻，从业务一直穿透到代码模块/组件层如OpenClaw，部署在云服务器/容器服务中代码/脚本层应用/服务层业务/领域层实例层软件系统层A游戏·B游戏·C游戏6层架构，看清资源关系与依赖游戏开服及大版本更新—重保护航CTO核心关注：怎样让每一次开服都从容不迫？治理前●开服10分钟社群爆发「卡顿」投诉●治理前●开服10分钟社群爆发「卡顿」投诉●运维在5个监控控制台间疯狂切换●故障定位平均耗时15+分钟●手动扩容沟通→审批→操作30分钟●容量全凭经验猜测，常常不够或浪费→弹性效率提升运维人力节省●容量治理Agent自动预警+弹性扩缩MTTR15分钟→3分钟，降低80%●SKILL编排自动扩容，3分钟完成●多云统一视图，5套监控→1个平台版本上线事故运维负责人关注：如何从被动救火转向主动防御？架构链路分析可视化自动识别单点故障与依赖风险故障注入架构链路分析可视化自动识别单点故障与依赖风险故障注入验证修复量化评估治理成效生成治理闭环报告GameDay方案生成混沌演练Agent一键生成GameDay方案实战案例：某游戏企业新服上线压测+演练方案设计模拟高并发流量+多类故障场景注入+应用层稳态观测演练场景负载→压力→并发→全链路治理效果提前发现3类性能瓶颈，0线上事故成本黑洞，资源配置不合理●非活跃期资源闲置率高达60%●成本黑洞，资源配置不合理●非活跃期资源闲置率高达60%●容量规划全凭历史经验，无数据支撑跨云账单分散，成本黑洞不可见●人工扩缩容响应慢，错失最佳时机某FPS竞技资源浪费某棋牌平台年云费用节省TSA方案●容量治理实时监测资源负载水位●容量预测Agent智能分析需求曲线多云统一成本视图，精准定位浪费●SKILL编排自动弹性，按需伸缩某休闲游戏某休闲游戏运维成本降低参考阿维塔实践数据游戏行业客户案例客户故事：「全栈治理者」如何使用智能顾问游戏行业客户案例更多客户案例，沉淀为游戏行业最佳实践TSA更多客户案例，沉淀为游戏行业最佳实践TSA卓越架构治理：游戏行业技术支持腾讯云技术支持团队&TSA官方出品 2某SLG出海大作：5套监控统4某休闲游戏工作室：SKILL编排实现全自动故完整接入指南游戏运维最佳实践\行业标杆案例集完整接入指南游戏运维最佳实践\行业标杆案例集6某开放世界端游：架构治理6层穿透，定位提速10倍请联系腾讯云侧接口人获取7某棋牌平台：多云纳管+成本优化，年省40%云费用请联系腾讯云侧接口人获取4月上线国际站，助力全球化出海更稳统一数据接入不同云厂商的指标、日志、链路数据统一采集与标准化，打破数据孤岛统一治理策略告警规则、SKILL编排、合规策略跨云统一配置，自动同步生效统一可视化面板一个控制台看清全部云资源，跨地域架构拓扑全貌一目了然虾”CloudQ：一个龙虾管好多云Workbuddy、codebuddy等IDEQ一下掌握架构最新动态，治理报告一句话导出直连微信、QQ、飞书、钉钉、Slack等IM,Workbuddy、codebuddy等IDEQ一下掌握架构最新动态，治理报告一句话导出运维工程师运维工程师…10/12立即使用TSA开通试用环境体验全栈可视化当前服务免费获取白皮书卓越架构治理白皮书生成式立即使用TSA开通试用环境体验全栈可视化当前服务免费获取白皮书卓越架构治理白皮书生成式AI治理白皮书游戏行业最佳实践加入SKILL市场共建运维自动化生态让SKILL帮你值夜班OpenClaw开放接入体验CloudQ全渠道ChatOps一只Q管多云JustQIT!谢谢观看扫码体验TSA分享人：刘伟腾讯云华东游戏架构师大模型时代AIOPS技术变革分享人：刘伟腾讯云华东游戏架构师代码生成、审查与智能辅助根因分析、自愈与智能告警根因分析、自愈与智能告警dldl通过五大技术范式，深度重构研发运维的全链路流程。赋予大模型赋予大模型“动手”能力，无缝对接现有运维标准化大模型与外部工具的通信协议.实现自然语言到运维操作的无缝转换.将15-20步人工流程封装为统打破大模型知识边界.融合企业私有知识库与实时运维数据.提供精准、上下文感知的智能问答与故障诊将运维领域专业知识封装为可复用的技能模块.支持动态加载与组合调用.实现运维能力的标准化与规模构建多智能体协作网络.模拟人类专家团队.在复杂协作。04核心价值：大模型技术深度融入软件工程全生命周期.实现从被动响应到主动预测的智能化跃迁1需求文档缺乏统一标准.自然语言描述常存在语义歧义.导致开发与测试人员理解偏差.沟通成本高昂。2人工编写极易遗漏异常场景、非功能性需求及系统边界条件，导致系统健壮性难以在设计初期得到保障。3逻辑漏洞与架构冲突往往在测试甚至上线阶段才暴露.此时修复成本呈指数级上升.严重影响交付周期。大模型自动解析非结构化需求文本.提取关键实体与业务逻辑.并基于知识库智能补全缺失的边界条件与异常处理分支。合规扫描.将潜在风险拦截在开发之前.实现真正自动生成多维度的评审意见报告.并同步输出测试用例草案，大幅提升需求评审的效率与最终交付质量。AI四层能力体系AIREVIEWARCHITECTUREAI双层评审流程基于大模型深度解析PRD文档，自动识别逻辑冲突、边界条件遗漏及非功能性需求缺失。构建需求知识图谱.确保源头设计的完整性。对齐企业架构规范与历史最佳实践.自动评估技术选型合理性、系统扩展对齐企业架构规范与历史最佳实践.自动评估技术选型合理性、系统扩展性及潜在性能瓶颈。输出结构化评审报告与优化建议。2026.03.26剔除冗余历史版本.提取核心架构决策与高频故障根因.构建高质量向量索引。基于语义相关性动态计算Token窗口，在保证上下文完整性的同时降低推理成本。跨团队沟通成本跨团队沟通成本INTELLIGENTAIDEVELOPMENT终极形态终极形态SpecCoding规约驱动的系统级生成.实现从需SpecCoding规约驱动的系统级生成.实现从需与补全.提升基础编码效率。求到可执行代码的端到端自动化。规约是唯一真理，代码是生成物STEP01建立机器可读的契约STEP01建立机器可读的契约重塑研发范式.实现从需求到代码的无缝转化>STEP02STEP02AI辅助生成技术实现路径模块化任务拆解与依赖分析>STEP03STEP03持续集成与自动化验收确保全链路信息不丢失.AI理解更精准Spec即测试.代码生成与验证同步完成STANDARDIZEDSPECIFICATIONF采用行为驱动开发(BDD)范式，通过标准化的Given/When/Then结构.精确定义业务场景与验收发任务。为AIAgent提供精确的上下文边界.确保每步生成的代码高度聚焦且易于验证。条件。消除自然语言歧义.为AI发任务。为AIAgent提供精确的上下文边界.确保每步生成的代码高度聚焦且易于验证。条件。消除自然语言歧义.为AI编码提供确定性的目标输入。When:触发动作When:触发动作Then:预期结果缺陷率降低AI驱动发布变更单次常规运维任务通常需要跨越多个异构系统.经历15-20步繁单次常规运维任务通常需要跨越多个异构系统.经历15-20步繁琐的手工配置与确认.流程冗长且缺乏标准化。高度依赖人工经验与记忆.在疲劳或高压状态下.极易出现配置遗漏、参数填错等问题.导致线上故障频发。串行化的手工操作模式耗时巨大.响应速度慢.完全无法满足现代业务敏捷迭代与海量规模的交付需求。运维人员通过对话界面输入日常语言描述的运维需求与故障现象。意图识别与决策大模型解析指令意图.拆解任务步骤.并规划调用相应的工具链。$运维人员通过对话界面输入日常语言描述的运维需求与故障现象。意图识别与决策大模型解析指令意图.拆解任务步骤.并规划调用相应的工具链。$模型上下文协议(MCP)提供统一标准.将大模型与各类运维工具无缝对底层系统执行具体操作.如代码部署、资源扩缩容、故障隔离等。MCPSKILLSARCHITECTUREMODELCONTEXTPROTO效果数据验证0AI驱动故障处理传统监控痛点o1静态阈值僵化依赖人工配置固定阈值.无法适应业务流量的周期性波动与动态变化.维护成本极高。微小的指标抖动极易触发大量无效告警.形成“告警风暴”，导致运维人员产生告警疲劳。海量并发告警相互掩盖.缺乏上下文关联.难以在第一时间剥离表象找到真实故障源。 主动感知方案o1无阈值动态检测基于大模型与机器学习算法.自动学习历史数据特征.生成动态基线.实现自适应异常检测。通过拓扑关系与时序相关性分析.将海量告警智能聚类收敛.大在故障全面爆发前.敏锐捕捉微小异常趋势.实现从“被动响应”到“主动感知”的范式转变。TrendTrend摒弃传统静态阈值配置。算法持续摄取历史数据.动态提取并适应业务的日、周、月等周期性特征.有效应对业务形态的自然演进与突发流量。基于高性能流式摒弃传统静态阈值配置。算法持续摄取历史数据.动态提取并适应业务的日、周、月等周期性特征.有效应对业务形态的自然演进与突发流量。基于高性能流式计算架构.实现毫秒级数据摄取与实时分解计算。从异常指标产生到系统确诊告警.全链路延迟控制在5秒以内，抢占故障恢复黄金时间。0标准化故障定位流程.构建智能运维闭环精准提取错误堆栈与关置与环境变更精准提取错误堆栈与关置与环境变更整合历史工单、告警日志、操作手册及专家经验.打破数据孤岛.构建统一运维语料库。采用先进Embedding模型进行知识向量化.支持自然语言模糊查询.精准匹配历史相似故障。基于大模型持续学习能力.自动从新发故障中提取根因与解决方案.实现知识库自生长。↓自动对接监控系统API，定时抓取核心业务指标、资源水位及告警统计.确保数据零遗漏。利用大模型对当日异常波动进行归因分析.自动生成通俗易懂的事件摘要与影响评估。支持图文并茂的排版生成.适配邮件、企微等多渠道.实现从数据到洞察的端到端自动化。↓93基于大模型驱动的智能成本优化体系.实现云资源利用率最大化与业务价值的深度对齐。FinOps三部曲框架基于AI驱动的云成本精细化治理持持续识别资源浪费.调整实例规格.采用更优），建立标准化的标签体系与动态分摊规则.将共享资源成本精确归属到具体业务线与产品。实现多维度的云资源使用与账单数据采集.打破数据孤岛.建立全局视角的成本透明化大盘。$AI赋能场景$AI$AI赋能场景$AI赋能场景构建全链路智能运维体系.实现从感知到决策的自动化闭环法，实现智能任务调度与流体资源利用率。费模型.精准预测未来IT支法，实现智能任务调度与流体资源利用率。费模型.精准预测未来IT支议与优化策略。基于业务负载画像与历史运行数据，智能推荐最优计算与存储资源规格.避免资源闲置与性能瓶颈。模型(LLM)，自动生成故障险.实现先于用户发现问题构演进方案。份数据从采集、计算、存储到最终消费的完整路径.为基于血缘关系和实际消耗权重.将底层计算集群、分布式存储等难以直接拆分的公共资源成本.科学、精准地分摊至各业务线。转变传统底层资源视角.从最终业务和消费者维度审视成本。建立"谁消费、谁承担"的清晰账单.实现成本与业务价值的直接对齐。存储资源存储资源资源层归因计算层全方位资源优化与智能调度引擎.重塑云原生基础设施效能基于历史负载数据动态计突破物理机规格硬性限制.基于真实负载感知的智能调度算法，有效避免热点节点产生.实现全局资源最优分布。缩技术.高效回收空闲内CPU/内存规格.保障业务平滑无感伸缩.降低运维风险。通过智能分析识别低效查询通过智能分析识别低效查询.重写执行计划.降低数据库计算与IO资源消基于数据访问频次自动迁移.热数据驻留高性能介质.冷数据归档至低成本存储。AI预测业务负载趋势.在低谷期自动回收冗余计算节点.实现资源按需精准供给。通过承诺特定使用量换取大幅折扣.适用于基线负载.平衡灵活性与成本效利用云厂商闲置算力.以极低折扣运行容错性强、可中断的无状态批处理任务。跨地域、跨集群调度算力.利用时区差或业务波峰波谷错位.最大化全局资源复用率。55%(2024-2026)AIOps技术演进趋势(2024-2026)预防"的根本性转变。工执行例行运维任务.成为新动下.呈现出强劲的指数级增长态势。SemanticLog处理性能SemanticLog处理性能Gartner去年(2025)核心趋势ScriptedManualFullyScriptedManualFullyAutoAgentic智能Rule-basedAssistedAIAutonomousMTTR大幅缩短.运维模式从被动响应向主动预防转变.释放核心研发生产力。"LLM+Agent+知识图谱"构成下一代AIOps核心，实现复杂场景的深度推理THANKS运维《罪与罚》从“盲目囤积”到“精准破案”主讲人：刘潇IEG营销SRE架构师收集证据现场勘察根因定位主动治理运维人的困境对抗系统的“熵增”：一场关于人力、混乱与秩序的博弈00日均告警量：500+条/天（甚至更多）。有效信息率：<1%（大部分是重复、抖动、痛点描述：“我们在数据的海洋里渴死。”第二重困境：只见树木不见多源异构：5+种监控工具信息孤岛：A系统报网络慢，B系统报数据库连接池满，C系统报用户下单失败。它们之间没有关联，像孤岛一样沉默。痛点描述：“盲人摸象，各执一词。”第三重困境：黑盒化危机从20000到300000：以前管2万台cvm，现在管30万+个动态Pod。调用链爆炸：一个请求经过50+个服务，任何一个环节抖动都可能导致雪崩。痛点描述：“我们失去了上帝视角，只剩下盲目的猜测。”告警的“书同文”：利用LLM破除异构数据的割裂现状——告警的“信息割裂”困境多源异构：l工具平台越多，语言越不统一多源异构：l工具平台越多，语言越不统一lJSON、XML、纯文本混杂，缺乏统一的数据结构非结构化：l关键信息（如报错指标、业务模块）埋在长文本里，机器无法直接读l孤立的告警无法拼凑出完整的故障全貌正则地狱：l传统方式靠写正则表达式，维护成本极高，且极易失效JSONJSON核心引擎——LLM驱动的“全能翻译官”无需正则：语义对齐：l自动将“严重”、“Critical”、“P0”统一映射为两类Warning和Emergency指标抽离：l标准化指标格式，包含指标名称,指标描述,告警阈值,实际值时间统一：l自动分析数据中的时区，告诉LLM从时间戳来分析，或者比较直接的方式，如2023-10-27T15:30:00.123456+08:00l统一时间格式：YYYY-MM-DDHH:Mi:SS意义l无论来源如何，进入数据库后都是同一种l告警内容对告警信息进行归纳，用于快速检索和分析l原始内容保留了告警的原始数据，用于溯源价值跃升l结构化后的告警可以进行多维统计、趋势预测和关联分析。l后续的智能根因分析现场勘察基于LLM语义泛化的智能聚类l编写正则：^规则(?P<rule_name>.+?)在目标(?P<target>.+?)触发告警。监控指标异常：(?P<metric1>.+?)当前值(?P<value1>-?[\d\.]+)超过阈值(?P<threshold1>-?[\d\.]+)；(?P<metric2>.+?)当前值(?P<value2>-?[\d\.]+)超过阈值(?P<threshold2>-?[\d\.]+)。告警级别为(?P<level>.+?)，状态为(?P<status>.+?)。$lDrain算法：最成熟的日志/告警模板提取算法，基于固定深度的解析树l文本相识度：基于Embedding模型对warn_lDrain算法：最成熟的日志/告警模板提取算法，基于固定深度的解析树l正则没有统一的公式，针对每一类告警必须独立编写正则来完成模式识别l正则缺乏灵活性，如果warn_content发生变化，则原来的正则立马失效l在告警采集时，因为使用LLM对告警信息做了梳理和总结，因此warn_content内容基本不可能保证一个正则模式优点：l不需要为告警制定特定的规则就能实现分类lwarn_content在文本和结构上要基本一样，同样面临一个问题，LLM破坏了原有的数据结构相同点提到“pv_4xx比例(%)”规则提到目标“IAS.”提到阈值被超过12341234结论：1和3在结构上具有匹配的模式，而2，4无法在结构上进行聚合模式名字4xx错误率超标告警模式模版触发，监控目标过阈值[-0.004330426454544067,0.023123405873775482,-0.05628575384616852,-0.020275600254535675,…][-0.004330426454544067,0.023123405873775482,-0.05628575384616852,-0.020275600254535675,…][-0.006870598997920752,[-0.004330426454544067,0.023123405873775482,-0.05628575384616852,-0.020275600254535675,…][-0.004330426454544067,0.023123405873775482,-0.05628575384616852,-0.020275600254535675,…][-0.006870598997920752,0.03078104928135872,-0.03200826048851013,-0.02053777500987053,…][-0.007187154144048691,0.031132912263274193,-0.06026254594326019,0.01599634625017643,…]如左图所示，数据分布在一个高维的空间内，相似数据聚合在一起，每一个集合内肯定有一个中心点。在视觉上，在中心点的某个半径内归为同一个集合。在数学上，则通过计算与中心点的余弦相似度，将具有相似语义的告警聚合↓核心：聚类算法核心：聚类算法功能上：实时聚合/定时聚合根因定位AI探长：从单点异常剖析，到跨链路锁定“真凶”纵向剖析-单目标深度推理t/prometheus/api/v1/)横向破案-跨链路的证据串联通过分析告警上下文，获取上下游关系定义关系lUpstream通过分析告警上下文，获取上下游关系定义关系lUpstream：上游lDownstream：下游INPUT：调用xx.xxx.113.184超时OUTPUT：[{"name":"xx.xxx.113.184","relation":"upstream","reason":"告警内容直接提及调用该IP超时，表明它是被调用的上游服务","source":"content"}]横向破案-跨链路的证据串联通过远程接口，获取上下游关系数据结构通过远程接口，获取上下游关系数据结构{“name”:“目标对象","type":"service","relation":"self"},{“name”:“上游对象","type":"service","relation":"upstream"},{“name”:“下游对象","type":"db","relation":"downstream"},{“name”:"node","type":"host","relation":"peer"},"edges":[{"source":"目标对象","target":"下游对象","label":"MySQL"},{“source”:“上游对象”,“target”:“目标对象”,“label”:“HTTP"}}横向破案-跨链路的证据串联广度优先搜索起始节点第一层节第二层节第二层节第二层节第一层节第二层节横向破案-跨链路的证据串联横向破案-跨链路的证据串联##根因定位链路：xx.xxx.42.10-->上游（链路：xx.xxx.42.10-->上游（xx.xxx.113.184）-->k8s母机（x.xxx.147.73）-置信度：高（磁盘100%利用率会直接中断服务进程，与HTTP500/超时现象强关联）。主动治理从“被动响应”到“主动治理”，让系统越用越聪明分析员AI决策者系统分析员AI决策者系统一执行人告警1告警1策略如何复用AI针对同一语义，做差异性方案：存在文档中向量化字段最小范围原则向量化字段最小范围原则优先级12空3空4空空空空策略定义案例一案例二传统处理手段磁盘告警传统处理手段磁盘告警采用基础的agent架构，分析输入，执行MCP工具，从MCP工具输出内容反推输入，不断调用MCP工具，期望最终解决问题在基础的agent架构上优化，对需求和工具做详细拆分，对应多个子任务和子工具，然后按层级进行深度分析，期望按照设定的思维链解决问题强逻辑取代思维链，避免AI在复杂问题上跑偏，只在数据分析时使用AI来提供方案案例二分析/目录下的数据，找到最有效方案降低磁盘利用率第一步：df–h/通用工具：服务器执行指令第一步：df–h/‘{print$5,$9},案例二分析/分析/目录下的数据，找到最有效方案降低磁盘利通用工具：服务器执行指令案例二用率，计算时务必排除挂载点(du-x)通用工具：服务器执行指令案例二怎么解决“不可控”原拆令怎么解决“模型幻觉”思维链思维链你是一位专业的Linux运维助手，专门负责磁盘占用分析与空间管理。=======================================角色定义=======================================【身份】资深Linux系统运维工程师【专长】磁盘空间分析、存储优化、逐层定位空间占用根因【风格】严谨、专业、注重安全，按标准流程逐层分析，不遗漏任何目录=======================================标准分析流程（必须严格遵循）=======================================###Step1:全局扫描1.调用disk_check检查当前磁盘利用率2.标记NFS分区，Step2请不要对NFS分区执行分析###Step2:定向深入对需要分析的高占用分区执行递归流程：1.每层分析后做汇总校验：子目录大小之和应与上层大致吻合2.对Top1子目录，继续调用check_size_for_dir逐层深入3.递归终止条件：子目录数量为0，无法继续拆分当前目录大小占比低于5%###Step3:文件级详情分析在Step2递归到最深层后，调用list_files查询目录下的文件类型和大小分布###输出###输出markdown格式第一部分：分析过程第二部分：解决方案方案1:???（最推荐）command：???效果：执行command有什么效果?###分析原则-逐层深入时，优先分析占用最大的目录-每层分析后汇总，确保各子目录大小之和与上层大致吻合-所有数据都来源于工具，严禁捏造数据案例二案例二案例二案例二案例二请从内容中提取清理方案请把以下脚本中用"或者"连接的多个清理策略，拆分成独立的方案参数提取案例二AI本质：基于概率预测的系统file或者最大子目录占比<3%]-->最后从文件大小和时间[30分钟/4小时/12小时/24小时/7天]两个维度未来畅想腾讯游戏云AI全生命周期解决方案及案例分享01游戏AI热点趋势洞察0202腾讯云游戏AI及AIAgent方案03游戏AI案例分享较2025年增长中国参展厂商中国较2025年增长中国参展厂商中国AI议题企业采用率=反对率AI议题场次端侧AI队友“艾尔琳”3060显卡60帧·延迟＜2秒端侧AI队友“艾尔琳”3060显卡60帧·延迟＜2秒端侧验证里程碑LightAI平台差异化在于工程化落地”AI队友“小田”（和平精英）1.1亿体验用户·DAU1770万麦克风开启率75%AI驱动UGC内容生态逆水寒AI剧组模式·54秒生成3D短视频天美IgnisAgentAI自动化研发系统能够处理游戏设计文档生成、UI系统实现、复杂工程决策等核心开发环节，在大规模项目中实现95%-98%的自动化米哈游开放UGC释放玩家创造力原神“千星奇域”UGC模式怕AI用得不够快叙事主角：头部厂商管理层窗口期焦虑：全球认同CN怕AI用得不够快叙事主角：头部厂商管理层窗口期焦虑：全球认同CN中国核心焦虑：落后（顶层视角）VSus美国核心焦虑：失业（底层视角）怕怕AI用得太多叙事主角：基层开发者、工会叙事主角：基层开发者、工会对AI：默认有罪直到证明无罪对AI：默认有罪直到证明无罪近期创伤：2024-2025大裁员近期创伤：2024-2025大裁员同一事实，两种读法：腾讯AI落地40款产品→中方读“行业方向标”｜美方读“岗位受多大影响？”0101游戏AI热点趋势洞察02腾讯云游戏AI及AIAgent方案03游戏AI案例分享》>腾讯云全栈AI解决方案，赋能游戏研发全生命周期游戏概念设计游戏资产制作游戏测试管理游戏发行游戏运营游戏推广游戏概念设计游戏资产制作游戏测试管理游戏发行游戏运营游戏推广建模游戏动画设计光照烘培游戏代码生成对话&AI陪玩建模游戏动画设计光照烘培游戏代码生成对话&AI陪玩&游戏化测试AI可观测性高光集锦解说游戏翻译智能客服广告素材分析广告素材生成反私服内容安全经济安全数字资产创作游戏开发&测试智能NPC游戏运维游戏运营游戏营销游戏风控AIOpenclaw企业级智能体操作系统Openclaw企业级智能体操作系统企业级企业级高可用安全隔离安全隔离审计能力企业级Skillhub“AI指挥官”企业级Skillhub兼容开源版统一统一治理与管控七层安全防护体系七层安全防护体系ADP智能体开发平台CodeBuddy&WorkBuddy研开办公一体化平台“最强知识外挂”Workflow“智能生产线”“AI“AI指挥官”主流开源大模型7主流开源大模型7TI-ONE模型训练&推理平台数据数据训练训练调试调试评测评测混元自研大模型生文模型语音模型ASR视觉理解AgentPilot企业版（基于云端容器+沙箱）K8S一键部署实例包月/按量+模型调用费企业（基于本地+云端）下载安装包License订阅+Credits企业一键部署轻量服务器+模型调用费个人/小团队ADP一键部署部署和安装消耗PU个人/小团队GUI界面一键部署包年包月/按量计费个人/小团队一键安装个人SaaS免费企业日常办公场景游戏研发…日常办公场景游戏研发…游戏自动化测试全球客服运营数据分析业务场景企业级特性接入层防护身份与权限数据安全层运行时环境层大模型安全七层安全防护体系全IM渠道企业级特性接入层防护身份与权限数据安全层运行时环境层大模型安全七层安全防护体系全IM渠道安全接入网关零信任网关代理零信任网关代理动态多因素认证动态多因素认证微隔离微隔离流量审计流量审计数据防泄漏数据防泄漏传输加密传输加密企业级Skillhub100%兼容开源版统一治理与管控企业级高可用企业级Openclaw特性企业级Skillhub100%兼容开源版统一治理与管控企业级高可用安全隔离安全隔离审计能力云原生云原生架构AgentGateway多模型统一接入多模型统一接入全量审计与链路追踪MCPMCP统一治理零凭证零凭证&零信任增强观测性增强观测性成本优化成本优化零信任安全全链路审计AI基础设施零信任安全全链路审计AI基础设施Agentinfra记忆体运行环境记忆体运行环境轻量计算/沙箱/云桌面AI大模型CodingPlanCodingPlan国内外主流模型AI生态腾讯云SkillHub腾讯云SkillHubMCP服务可观测CLSCLS可观测平台可观测平台挥值守连接器连接器企业微信机器人钉钉机器人飞书机器人核心功能&&企业微信机器人钉钉机器人飞书机器人核心功能&&上下文压缩引擎AI驱动的智能摘要，PreCompactHook压缩前保留关键信息分层记忆系统用户记忆/项目记忆/本地记忆，跨会话持久、智能记住用户偏好，越用越聪明Spec规约驱动Skills、MCP、SubAgent、Plugins等机制全脸支持，内置Plugin市场Plan智能规划内置智能规划引擎，完善任务的澄清、规划、审阅、执行、验收、优化全流程SubAgent&Teams一个人即团队，复杂任务自动分解为多个SubAgent协作完成Agentic9大生命周期事件全部支持，实现工具拦截/上下文注入/流控制等行为云端沙箱(连接器授权代码仓库云端沙箱(连接器授权代码仓库&远程文件系统)运行环境本地电脑（本地代码&本地文档）拒绝各自为战，每做一个新场景就要重新造轮子；CodeBuddy用统一的Agentic技术底座，让IDE、云端Agent、WorkBuddy等产品共享同一套Agentic规划、记忆、压缩和治理内核。底座能力越强，每条产品线都同步变强——竞品的单点追赶永远跑不过我们的体系化演0101游戏AI热点趋势洞察0202腾讯云游戏AI及AIAgent方案03游戏AI案例分享智能AI同伴·可协作角色（CPC）搜索物资、寻找载具、救援队友学习玩家风格，越玩越默契智能战斗协同配合进攻/撤退/侧翼包抄侦察敌情、标记敌人位置语音实时交互语音实时交互全双工自然对话，随时打断CPC技术架构·可协作角色ASRASR语音识别→端侧语言模型→GameGameAI→TTSTTS情感语音合成载具接驾载具接驾敌情侦察战术配合