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，来自阿里巴巴、腾讯、字节跳动、美团、小红书、蚂蚁集团、无问芯穹、阶跃星辰、快手、百度、网易、微软、华为、携程、平安等企业的一线技术实践者，将从 AI 应用、Agent 工程、AI Coding、基础设施、数据系统、质量、安全、SRE 以及具身智能等方向，分享 AI 进入真实生产环境之后正在发生的变化。
字节跳动资深技术专家张国强已确认出席 “AI Native 架构” 专题，并发表题为《从 App 到 Agent：字节跳动 Supabase 的 Agent-Native 规模化实践》的主题分享。AI 正在改变软件的开发方式与运行形态。自然语言编程降低了应用开发门槛，软件的执行主体也开始从用户驱动的 App，扩展到能够自主规划、调用工具并积累上下文的 Agent。这要求 BaaS 不仅提供数据库、认证和存储，还要支持弹性资源、数据分支、应用部署、模型访问、安全执行、长期记忆与知识检索。
本次分享张国强将介绍字节跳动 Supabase 从 App Backend 向 Agent Backend 演进的技术实践：面向 App，通过 Serverless、Data as Git 和前端自动部署支撑应用快速生成与持续迭代；面向 Agent，通过 AI Gateway、Sandbox、记忆库和知识库构建安全、可治理的运行底座。分享将结合豆包应用生成和 TRAE 编程实践，复盘一体化架构的关键取舍与工程难点，并展望 Agent-Native BaaS 的后续演进方向。
张国强，字节跳动资深技术专家，从事数据库领域研发十余年，长期深耕 MySQL、PostgreSQL、分布式数据库、云数据库 Serverless 架构与 BaaS 平台等核心技术领域；当前负责字节跳动 Supabase、云数据库 MySQL 等产品的技术建设，重点关注数据库与后端平台如何支撑 AI 生成应用和 Agent 的规模化运行。他在本次会议的详细演讲内容如下：
演讲提纲
1. 背景
AI 给软件开发方式和运行形态带来的变化
BaaS 在 AI Native 架构中的应用
2. 从 App 到 Agent：后端基础设施发生了什么变化
AI 应用从用户请求驱动走向模型决策与上下文驱动
传统 BaaS 已经解决什么，生产级 Agent 又增加了哪些问题
字节跳动 Supabase 从 App Backend 向 Agent-Native 能力演进的路径
3. 字节跳动 Agent-Native BaaS 技术方案
Serverless： 秒级供给、弹性伸缩与成本治理
Data as Git：数据库分支、Schema diff 与数据隔离
AI Gateway：多模型接入、路由、限流、降级与成本治理
记忆库：记忆写入、压缩、召回、更新与遗忘
知识库：文档处理、向量检索、权限过滤与引用溯源
4. 字节跳动 Supabase 的规模化实践
豆包应用生成实践：让非专业开发者获得完整后端并实现生产级应用
Coze 编程实践：使用分支支撑前后端并行试错，实现开发与生产之间的隔离
Trae 编程实践：通过 skills 实现 Vibe Coding 的一键部署与上线
5. 未来展望
工程实践经验总结
Agent-Native BaaS 未来演进方向
实践痛点
规模增长与资源成本之间的矛盾。AI 生成应用数量多、生命周期差异大，流量具有明显不确定性。平台既要支持秒级开通和快速弹性，又要避免大量空闲实例长期占用资源，需要在冷启动、资源池化、隔离强度和成本之间持续权衡
高频试错与数据安全之间的矛盾。Vibe Coding 和 Agent 编程会频繁修改数据库结构、后端逻辑与前端代码。Data as Git 可以支持多分支并行和快速回滚，但数据库分支涉及数据复制、Schema 演进、环境隔离、合并冲突和敏感数据保护，其状态管理与一致性比代码分支更加复杂
Agent 自主执行与安全隔离之间的矛盾。Agent 需要在 Sandbox 中运行代码、安装依赖、访问文件和调用外部服务。隔离越强，启动和运行成本通常越高；权限放得越开，数据泄露、恶意代码和越权访问的风险越大，还需要解决状态保持、网络控制、资源配额和操作审计问题
长期记忆与上下文质量之间的矛盾。过期信息、错误结论和低价值内容如果持续进入上下文，会降低 Agent 的判断质量。平台需要处理记忆写入、摘要压缩、召回、更新、遗忘和权限隔离，并区分模型记忆与权威业务事实
演讲亮点
Agent Backend 的建设路径，拆解 Serverless、Data as Git、前端部署、AI Gateway、Sandbox、记忆库和知识库所解决的核心问题，以及各项能力之间如何协同
同时覆盖 App 与 Agent 两类后端架构。分享将 App Backend 和 Agent Backend 放在统一框架中分析，既说明两者可以复用的数据库、身份、存储和事件能力，也明确 Agent 在模型治理、安全执行、长期记忆和知识检索方面新增的基础设施需求
结合豆包和 TRAE 的落地案例。通过应用生成和 AI 编程两类场景，展示 App Backend 与 Agent Backend 的不同诉求，复盘实际建设中的技术选择、架构边界和演进过程
给出 Agent-Native BaaS 的后续演进判断。在现有能力基础上，进一步讨论 Agent 身份、长任务状态、多 Agent 协作、全链路审计和成本预算等未来方向，并分析哪些能力适合由 BaaS 统一承载
听众收益
理解 AI 驱动的软件架构演进。 听众将掌握 AI 对软件开发方式和后端架构带来的核心变化，掌握 BaaS 从服务传统 App 到服务 Agent 的演进逻辑
掌握 App Backend 建设方法。面向应用开发与平台建设，听众可以了解 Serverless、Data as Git 和前端自动部署如何支撑 AI 生成应用的快速创建、并行试错与持续交付
掌握 Agent Backend 核心能力。面向 Agent 系统建设，听众可以掌握 AI Gateway、Sandbox、记忆库和知识库的职责边界，以及模型治理、安全执行、上下文管理和 RAG 落地中的主要工程问题
借鉴字节内部规模化实践经验。通过豆包应用生成和 TRAE 编程实践，听众还可以了解 AI 应用从原型走向规模化运行时容易遇到的真实问题，减少重复踩坑，并形成适合自身业务的 Agent-Native 后端演进路径
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。
查看更多详情可扫码或联系票务经理 18514549229 进行咨询。
