OCX26 上的 AI 开放社区

作者： Daniela Nastase
发布时间： 2026/5/12 18:59:03
原文链接： https://blogs.eclipse.org/post/daniela-nastase/open-community-ai-ocx26

这份回顾涵盖了2026年开放社区体验大会（OCX26）的开放社区人工智能（AI）专题，会议聚焦于AI代理（AI agents）、边缘AI（edge AI）、领域特定系统（domain-specific systems）、安全性以及开源在构建生产级AI系统中的作用。

在OCX26为期三天的会议中，开放社区人工智能专题始终围绕一个问题展开：当AI从演示走向生产时，究竟什么才是真正靠得住的？

这些会议的重点在于约束条件、权衡取舍和系统设计。从边缘端的小型语言模型（small language models）到AI驱动的安全工作流和数据基础设施，讨论不断回到同一个点：AI系统的成败取决于它们是如何构建的，而不是模型看起来有多惊艳。

AI专题的关键主题

会议中反复出现几个模式：

更小、更专业的模型正在取代“越大越好”的假设
AI系统需要结构、上下文和约束才能可靠运行
安全性、评估和可观测性现在已成为核心系统的一部分，而非附加组件
开源正在实现AI全栈的控制、互操作性和透明度

除了主要会议，该专题还包括“兴趣小组”（Birds of a Feather）讨论和实践工作坊，将对话延伸到了正式演讲之外。BoF会议聚焦于AI系统的实际关切，包括代理安全以及Eclipse IDE和平台在AI优先格局中的角色等主题。

与此同时，工作坊探讨了AI生态系统中的开放协作，例如“协作式AI：开源路径”会议汇集了MOSAICO、HIVEMIND和ASTIR等倡议。这些会议侧重于项目如何对齐架构、共享方法以及跨组织构建可互操作系统。这些形式共同为更深层次的技术交流、现实世界关切以及跨项目对齐创造了空间，而这些在标准演讲中通常不会出现。

开放社区人工智能第一天：亮点

边缘端的小型LLM是开源可扩展AI代理的引擎 —— Luca Bianchi

Luca Bianchi聚焦于实践中已经发生的一个转变。“我们正在走出规模竞赛，”他说，摒弃了“更大模型总是答案”的假设。

该演讲展示了当与正确的上下文和架构结合时，更小、更专业的模型如何能够交付强劲的结果。边缘部署是其中的关键部分。在本地运行模型可以实现超低推理时间的实时处理，同时通过将数据保留在设备上来维护隐私保护。

技术重点在于蒸馏（distillation）、优化以及如何在受限环境中构建代理。你可以在我们的OCX YouTube频道观看录像。

一个关键要点： 更小的模型结合正确的上下文和架构，可以在现实系统中超越更大的模型。

承诺质量：开源中AI增强的测试 —— Shelley Lambert

Shelley Lambert探讨了AI对软件质量的影响，尤其是在开源生态系统中。

她强调的核心问题是规模。AI正在加速开发，但同时也增加了团队需要处理的问题数量。正如演讲中提到的，“AI生成的代码量增加了4倍，但实际上产生的漏洞增加了10倍。”

演讲聚焦于测试、验证和分类工作流。AI可以帮助识别问题并提出修复方案，但这些系统需要集成到现有流水线中。像Eclipse Adoptium和Eclipse AQAvit这样的项目被用作实践中如何实现这一点的例子。你可以在我们的OCX YouTube频道观看录像。

一个关键要点： AI提升产出的速度比提升可靠性的速度快，因此测试和验证必须与之同步扩展。

理解机器决策 —— Haishi Bai

Haishi Bai聚焦于可解释性（explainability）以及当前AI系统的局限性。一句话直接抓住了问题：“我们并不理解AI所创造的规则。”

该演讲介绍了分析模型行为的方法，包括超越二元逻辑并支持分级推理的系统。目标不是简化模型，而是使其输出足够可解释，以支持真实决策。你可以在我们的OCX YouTube频道观看录像。

一个关键要点： 没有可解释性，AI系统就无法在需要证明决策合理性的环境中被信任。

开放社区人工智能第二天：亮点

借助DSL实现更锐利的AI：规范驱动开发 —— Miro Spönemann 和 Andy Gordon

Miro Spönemann 和 Andy Gordon 专注于通过领域特定语言（Domain-Specific Languages, DSLs）减少 AI 系统中的歧义。关键转变是从提示词（prompts）转向结构化规范（structured specifications）。正如他们在会议中提到的，“规范成为事实来源。”

DSL 提供了约束条件，用于引导模型行为。它们减少了 token 使用量，提高了输出一致性，并使验证更加容易。同时，它们还为开发者、工具和 AI 代理之间提供了一个共享层。

本次会议直接关联到 Eclipse 生态系统，特别是语言工程和工具链。您可以在我们的 OCX YouTube 频道观看回放。

一个关键要点： 结构化规范减少了歧义，使 AI 系统比仅依赖提示词的方法更加可靠。

通过 AI 增强的漏洞修复扩展应用安全——Nitish Tyagi

Nitish Tyagi 重点介绍了 AI 如何重塑应用安全。他表示：“AI 生成的代码量增加了 4 倍，但实际上产生的漏洞增加了 10 倍。”

会议概述了一种系统级方法：

使用 Eclipse SCA 工具和 SAST 工具识别漏洞
为 AI 系统提供结构化上下文
使用 AI 代理提出修复方案
有选择地应用人工监督

目标不是移除人类，而是在最需要的地方使用他们。您可以在我们的 OCX YouTube 频道观看回放。

一个关键要点： 必须利用 AI 来处理其自身产生的漏洞规模，并辅以针对性的人工监督。

来自 AI 项目的 10 个实践教训——Philip Langer 和 Stefan Dirix

Philip Langer 和 Stefan Dirix 重点讨论了当 AI 系统超越原型阶段时会发生什么。会议反驳了一种常见模式：“创建一个令人印象深刻的演示非常容易……但如果你承诺就这样交付，你会遇到很多问题。”

这些教训涵盖了设计、开发和生产阶段：

明确的目标比添加 AI 功能更重要
上下文管理至关重要
基于提示词的逻辑在规模化时会失效
每一步都需要进行评估
监控和可观测性不可跳过

讨论始终贴近实际约束，而非理想化设置。您可以在我们的 OCX YouTube 频道观看回放。

一个关键要点： AI 系统在生产中失败的原因是工程缺口，而非模型限制。

开放社区 AI 第三天：亮点

为 DSL 构建 AI 助手：来自 Langium AI 的经验与发现——Benjamin Wilson

Benjamin Wilson 专注于构建在领域特定语言内运行的助手。会议展示了如何通过一个简单流程将助手集成到 DSL 工作流中：

定义目标
选择模型和工具
构建评估框架
根据结果迭代

一个观点被反复强调：“评估真的非常关键……我们本应该先做这件事。”系统通过迭代不断改进，AI 会暴露出模型和语言中的缺口。您可以在我们的 OCX YouTube 频道观看回放。

一个关键要点： 评估是为领域特定系统构建可靠 AI 助手的基础。

Eclipse Aidge：释放边缘 AI 的力量——Axel Farrugia 和 Iryna de Albuquerque Silva

Axel Farrugia 和 Iryna de Albuquerque Silva 探讨了边缘 AI 工具链的碎片化问题。

当前的生态系统由于复杂的流水线和有限的互操作性，导致了“碎片化解决方案”和“创新瓶颈”。

Eclipse Aidge 将这些步骤整合到一个统一框架中，涵盖优化、部署和硬件集成。该系统基于开源构建。正如会议中强调的，“整个代码库都是开源的，并由 Eclipse 基金会托管。”

这使得团队能够调整和扩展平台，而不是依赖固定的解决方案。您可以在我们的 OCX YouTube 频道观看回放。

一个关键要点： 需要集成、开放的框架才能使边缘 AI 实现大规模部署。

X-Road 8 “Spaceship”：借助 EDC 从发射台到数据空间——Petteri Kivimäki

Petteri Kivimäki 专注于数据基础设施和互操作性。X-Road 是一个用于安全数据交换的开源解决方案，旨在支持去中心化系统，无需中央控制。

该系统已被广泛使用，全球超过 29 个国家采用 X-Road，潜在终端用户近 6 亿。这将讨论从单个 AI 系统转向它们所依赖的基础设施。您可以在我们的 OCX YouTube 频道观看回放。

一个关键要点： AI系统依赖于可互操作的数据基础设施，才能在组织与生态系统中运行。

这在实践中意味着什么

在为期三天的会议中，一个一致的模式浮现出来。AI系统失败并非因为模型薄弱，而是因为周围系统不完整。

结构、上下文、评估、安全性和基础设施现在都属于同一个问题。那些将它们分开处理的团队，一旦系统扩展就会遇到问题。各场会议明确指出了方向：从孤立的模型转向可长期构建、测试、部署和维护的集成系统。

许多关于系统设计、安全性和互操作性的更详细问题，都在较小的BoF（非正式讨论组）和研讨会环节中进行了讨论，参与者可以在其中挑战假设并比较实际实现方法。

如果你错过了开放AI社区（Open Community for AI）的某场会议，现在可以在我们的YouTube频道上观看。