首页 > 最新动态 > 图智能体:范式、架构与实践|CNCC Tutorial
最新动态
图智能体:范式、架构与实践|CNCC Tutorial
2025-08-153

CNCC2025 Tutorial是由领域内专家主讲,面向全体参会者开放的专题讲座或教学环节,旨在介绍研究领域的最新进展或基础知识,内容涵盖原理、挑战、方法等。可以帮助刚进入该方向的博士生、青年学者快速补齐知识短板,以便更好地参会后续的前沿报告理解与未来方向思辨。


今年Tutorial共设置9大主题板块:AI基础模型、机器学习理论与机理、强化学习与推理、视觉与多模态、AI安全与治理、面向AI的数据管理和治理、Agent与具身智能、新型计算与网络架构、AI4Science。



??Tutorial名称:

图智能体:范式、架构与实践

??所属主题:

Agent与具身智能

??日程安排:

2025年10月22日下午

??举办地点:

哈尔滨市·华旗饭店


注:如有变动,请以官网(https://ccf.org.cn/cncc2025)最终信息为准


模块

时长

内容

1. 概述

20min

大模型智能体与图学习导论

2. 图智能体基础理论

40min

图学习与智能体基础,包含图神经网络、大语言模型、强化学习、AI智能体等相关理论知识和前沿工作。

3. 图赋能的智能体规划

60min

详细阐述基于图结构的智能体方法,包含从结构化推理,到决策优化,再到任务调度的一系列前沿工作。

4. 智能体驱动的图学习

60min

深入分析基于大模型智能体的图学习最新研究成果,包含图的自动化标注构建、语义理解补全、复杂推理等前沿方法。

5. 图智能体开发实战

30min

编程实战:借助开源框架LangGraph从头开始搭建一个图智能体系统。

6. 问答与讨论

30min

前沿讨论与展望


Tutorial简介



基于大语言模型的智能体研究目前受到学界和工业界的广泛关注,现有工作在知识支撑、任务分解、路径决策等方面与图数据存在着深度耦合,一些方法更是反向推动了图标注、补全、对齐等图基础任务的研究。


本教程首次系统性地整合了图数据(图数据管理、图学习、图分析)与智能体系统两大前沿领域研究成果,构建了贯穿知识表示,认识推理,动态交互的完整技术框架,将为听众提供一个理解复杂图智能系统的全新视角。


应用方向



本教程聚焦人工智能新兴领域图智能体方向,融合图学习与智能体两大研究热点,内容涉及大语言模型、图神经网络、多智能体强化学习、知识图谱表示学习等核心方法,相关应用场景包括复杂决策系统、动态知识推理问答等。


核心内容



本教程核心内容为"图-智能体双向赋能"框架,将尽可能全面地向听众介绍图智能体的发展脉络,前沿核心技术,以及未来可进一步探索的方向,同时借助LangGraph、Chat2Graph等开源工具向听众展示构建复杂图智能体的全过程,增进对图智能体的认识与理解,拓展听众的实践能力。


Tutorial目标



参与者将能够:

掌握当前图智能体领域前沿技术

实践设计和部署图智能体系统

解决实际场景中图数据与智能体的交互问题


1


Tutorial 第一部分:图智能体基础理论

摘要:本节将系统性地介绍图学习与智能体两大前沿方向基础知识。首先从图神经网络的基础理论框架切入,详细讲解相关核心架构的数学原理及演进过程,随后深入剖析智能体技术的发展脉络,介绍强化学习等相关理论知识,以及从传统规则型智能体到现代基于大模型的自主智能体的范式转变,并重点讲解大模型驱动的智能体领域的最新技术突破。

2


Tutorial 第二部分:图赋能的智能体规划

摘要:本节将解析图学习如何增强智能体的推理能力,分别从不同角度讨论图在智能体决策中发挥关键作用。讲者将首先分析复杂决策中的结构化表征的优势以及利用知识图谱等图结构知识的重要性;接着揭示图分解等算法在任务规划中所起的关键作用,如子目标提取和层次化策略构建等;最后阐述基于图搜索的优化决策框架,内容涵盖组合优化、路径规划等典型场景。

3


Tutorial 第三部分:智能体驱动的图学习

摘要:本节将剖析大模型智能体在图学习相关任务中的研究与应用,包括智能体驱动的图自动标注、补全、对齐方法等,详细介绍如何利用基于大模型的智能体实现语义标注、缺失边预测和属性推理等基本任务。此外,讲者还将深入分析智能体增强的图推理系统,展示其在知识图谱问答等场景的实验效果,为图表示学习等相关方向的研究者提供智能体赋能的创新方法论,助力解决传统图算法面临的标注成本高、推理难度大等核心挑战。

4


Tutorial 第四部分:图智能体开发实战

摘要:LangGraph是当前最流行的LLM智能体构建框架之一,其核心优势在于采用图结构来组织智能体工作流。通过节点和边将AI智能体、过程代码和工具调用等组件模块化,LangGraph能够支持复杂的条件分支、循环反馈等动态逻辑。这种图驱动架构十分适合于构建需要多轮交互、状态维护和动态路由的智能体系统。本节将通过实战演示如何实现一个图智能体原型,包括状态定义、节点编排、条件跳转等关键实现步骤,最终打造出能够处理复杂对话逻辑的智能系统。


讲者介绍



王鑫

CCF杰出会员、CCF信息系统专委秘书长

天津大学英才教授

天津大学英才教授、博导,人工智能学院副院长,国家重点研发计划项目首席,教育部重点领域教学资源及新型教材建设项目专家组成员,教育部重点领域知识工程课程群虚拟教研室带头人。CCF杰出会员、CCF信息系统专委秘书长、CCF数据库专委会常务委员、CCF大数据专家委员会执行委员。曾获天津市教学成果奖特等奖、天津市科技进步一等奖、CCF科技进步二等奖。研究方向为知识图谱与大模型、知识数据处理。在SIGMOD、 VLDB、 ICDE、 IJCAI、 AAAI、 WWW、 IEEE TKDE、《计算机学报》、《软件学报》等国内外学术期刊和会议上发表论文150余篇。担任国际会议 WISE 2024、 DASFAA 2023、 APWeb-WAIM 2020 程序委员会主席;担任国际期刊 KBS、 WWWJ 副主编。

陈华钧

浙江大学教授

浙江大学计算机科学与技术学院教授、博导,中文开放知识图谱OpenKG牵头发起人,浙江省数智科技研究会副会长,中国人工智能学会知识工程专委会副主任,中国中文信息学会语言与知识计算专委会副主任。入选浙江省有突出贡献中青年专家,浙江省高层次人才特殊支持计划科技创新领军人才,斯坦福全球前2%顶尖科学家终身榜单(人工智能领域)。以一作或通讯作在Nature Machine Intelligence、Nature Communications、ACM Computing Survey、NeurIPS、ICLR、ICML、IJCAI、AAAI、ACL、EMNLP、WWW、KDD、VLDB、SIGIR、Nucleic Acids Res. 、IEEE TKDE、Proceeding of IEEE等国际顶级会议或期刊上发表多篇论文。曾获国际语义网会议ISWC最佳论文奖、国际知识图谱联合会议IJCKG最佳论文奖、浙江省科技进步二等奖、教育部技术发明一等奖、中国中文信息学会钱伟长科技奖一等奖、深圳市科技进步一等奖、中国工信传媒出版集团优秀出版物一等奖、浙江大学首届优秀教材奖一等奖。

赵翔

CCF杰出会员、CCF信息系统专委副秘书长

国防科技大学教授

CCF杰出会员、信息系统专委副秘书长,国防科技大学大数据与决策实验室智能决策技术研究部主任,教授、博导。教育部青年长江学者,湖南省科技创新领军人才,军队青年科技英才。从事大数据知识工程、世界模型等方面的教研工作,主持国家重点研发计划青年科学家项目、国家自然科学面上基金、湖南省杰出青年基金等重要科研项目10余项,出版专著2部,获评国际学术会议论文奖4项,申请专利40余项。湖南省科技创新团队骨干成员,获评CCF自然科学二等奖、军队科技进步二等奖、中国指挥控制学会科技进步一等奖、湖南省高等教育教学成果一等奖、湖南省教学科学研究优秀成果二等奖。中国管理科学与工程学会理事,湖南省公安信息化专家咨询委员会委员。

郭凌冰

天津大学副研究员

天津大学智能与计算学部副研究员、硕导。主要研究方向为知识图谱、大语言模型、生成模型。在NeurIPS、ICLR、ICML、IJCAI、AAAI、ACL、SIGIR等国际顶级会议上发表过多篇论文。曾获全国知识图谱与语义计算大会CCKS最佳论文奖、国际语义网大会ISWC最佳论文提名奖等奖励。


CNCC2025



CNCC2025将于10月22-25日在哈尔滨举办。学术专题论坛将在往年多样化主题的基础上,首次通过“基础-前沿-未来”的一体化设计,满足不同背景参会者的需求,构建从知识获取到创新激发的完整路径,打造系统化、进阶式的参会体验。重点设置9大主题板块,每个主题板块的专题论坛由三大核心模块组成:面向前沿领域的体系性Tutorial、聚焦前沿突破的专题论坛以及探讨未来发展路径的思辨论坛。Tutorial作为这一设计的起点,为参会者构建坚实的共同知识基础,能够深度参与后续的前沿报告理解与未来方向思辨。同时面向青年学者、行业新锐等人群,通过系统性教学,助力赋能青年人才发展。





图片


图片
图片
图片

点击“阅读原文”,加入CCF。

点我访问原文链接