课程简介

本案例属于云计算基础软件领域，聚焦消息中间件 RocketMQ 在大规模 AI Agent 场景下的能力创新。案例应用于阿里云 Qoder Cloud Agents 的云端 Agent 托管与执行服务，服务集团内部办公及阿里云公有云、专有云客户。
大规模 Agent 场景面临长程任务持续数天、海量 Session 并发、事件高 QPS 与成本的多重矛盾，对消息中间件的有序性、隔离性、弹性与可靠性提出了全新挑战，传统消息模型难以同时满足。为支撑 Qoder Cloud Agents 提出的"手脑分离、事件驱动"架构，RocketMQ 以 LiteTopic 作为核心中间件承载异步交接：以 Session 为有序隔离边界形成海量执行车道，实现 Session 内有序、间并行；并通过 Broker 削峰、背压、重试与重放保障任务可靠推进。
创新点在于 LiteTopic 免除海量物理 Topic 即可支撑万级 Session 隔离。成效上支撑万级并发，显著提升资源利用率与成本效率，助力 Agent 运行时实现"会话常驻、计算流动、状态可续"。

目标收益

培训对象

课程内容

1. 案例价值的稀缺性：首次系统性展示消息中间件如何支撑大规模 AI Agent 运行时，填补行业在 Agent 基础设施层的技术空白；
2. 咱们的实践相比业界的方案有那些先进性：LiteTopic 以极轻量方式实现万级 Session 隔离，避免海量物理 Topic 的资源与运维投入；"计算流动"机制使等待期间即时释放算力，资源利用率提升、长程任务综合成本下降10倍；
3. 案例对哪些行业或者那些研发团队有学习性，可以「即插即用」：方案已在阿里云 Qoder Cloud Agents 生产环境规模化落地，接入成本低、可复制推广性强，既服务于阿里巴巴集团内部办公与业务系统 AI Native 改造，也通过阿里云公有云、专有云对外输出，适配政企客户多样的交付形态；
4. 案例可以避免同行踩那些坑：Broker 提供的削峰、背压、重试与重放机制保障长程任务在故障后进度不归零、由任意 Worker 无损接续；单车道故障隔离有效遏制局部异常向全集群扩散，系统整体健壮性显著提升。