如何确保我们的数字遗产不会消失在未来

Forbidding Blocks. Concept: Mike Brill; Drawing: SafdarAbidi; Image courtesy of BOSTI.

怎样才可以记录或写下那些可以被10000年后的人们阅读和解释的指令呢?

1992年,一个多学科研究小组坐下来回答了这个问题,他们努力创造出经得起时间考验的针对放射性污染的警告标志。这项研究凸显了我们在长期信息检索中都面临的一个十分基础的挑战——互联网架构师Vint Cerf将这种现象称为“比特腐烂”(bit rot)。

1979年,美国国会授权在新墨西哥州卡尔斯巴德镇外几英里处建造废物隔离试验工厂(WIPP)。WIPP旨在将防御相关的放射性废物储存在该地区的地质稳定盐矿床中。但在该项目面临的众多挑战中,如何将埋藏废物的危险传达给后代是最为棘手的。

由于所处理材料的放射性,该团队的任务是创建警告“标记”,这些标记不仅要经受住1万年时间的考验,而且从现在开始产生它们的1万年后,当语言甚至是人类交流的手段可能是难以想象的不同时,还要保证人类能明白它所要传达的信息。

设计这些标记是WIPP研究团队面临的一个至关重要且艰难的任务。首先,标记需要耐用。按照团队的说法,他们需要承受“人类破坏建筑物的倾向。”他们需要向未来传递当下的,可能不会在未来出现的设计语言,亦或者向表现出截然不同的文化规范和期望的社会传递内容。他们需要传达有关埋藏材料危险性的高度复杂的信息。

Forbidding Blocks. Concept: Mike Brill; Drawing: SafdarAbidi; Image courtesy of BOSTI.

换句话说,一个简单的“危险:请勿入内”的标志根本不足以来传达该项目涉及的危险信号。加之,根本就没办法用打印文档、数字文件或“Googleable”来让未来的人类了解更多信息。

因此,包括概念艺术家迈克·布里尔在内的团队开发了一系列优雅的标记概念,旨在可以超越时间、语言和文化,并在千百年后仍旧能发出一个明确无误的信息:这是一个危险的地方,一个要避免投入使用的地方。他们总结说,石头、地球和艺术比我们目前所依赖的短暂的信息存储媒介更耐用 - 考古学家和历史学家都非常清楚这一点。

Forbidding Blocks. Concept: Mike Brill; Drawing: SafdarAbidi; Image courtesy of BOSTI.

在21世纪,WIPP标记似乎离我们的生活很遥远,但它清醒地提醒我们,在当今数据爆炸的世界里,我们生活在“信息长寿”和“可恢复”的幻觉之下。凭借我们以指数级加速生成和存储数据的能力,很容易认为互联网上的内容就是保留在网上的。然而,无论情况是否如此——我个人认为,事实并非如此——真正重要的是我们阅读和利用这些信息的能力。

这就好像互联网上存在的信息将永远存在变成了一种集体无意识。

这就是Vint Cerf所说的“比特腐烂”。在2008年对Esquire的采访中,他声称,“在一百或一千年的时间里,保持软件连续性以解释旧东西的可能性是接近于零的。现在你还会找得到8mm胶片的投影仪吗?如果新软件无法实现向下兼容,那我们其实就丢失了这部分信息内容了。我称这为比特腐烂(bit rot)。这是一个很严肃的问题。”他在接下来的几年里努力推动这一意识在当今社会中的觉醒,以及“ 数字牛皮纸 ”(digital vellum) 的概念,这是一种作为确保数字信息可以在数百年后被解释的方法。

可21世纪的当下,无论是“数字腐烂”还是“数字牛皮纸”都没有太大的吸引力。就好像我们已经默认互联网上传播的知识将永远存在一样。然而,现在正是因为我们能够如此轻易地找到的想要的信息,所以仿佛从此我们就不会介意未来数百或数千年的问题了。

这对我们日常生产的所有信息在未来的可访问性产生了严重影响。同时它也带来了另一个问题:我们将如何被后代,甚至在我们自己的一生中所看到和理解。当重建某人的生活的唯一方法是通过数字足迹,是在谷歌、微软等科技巨头的规则允许的情况下产生的信息,那是谁在决定我们后代对我们的看法?甚至我们是否真的出现过?在未来深度虚构与虚拟现实越来越普遍的情况下,如果这种现实被“数字腐烂”,我们将如何建立真实现实的基石呢?

最近我收到了一个意外的包裹,它提醒了我,我们的数字足迹的保存在这个世纪是一件多么困难和迫切的事情。这个包裹里有许多几年前与我在同一研究室工作过的同事留下的便条和笔记。同时,它还包括一张旧CD-ROM。

CD-ROM与Paper Archives。图片由Andrew Maynard提供。

CD-ROM是我在办公室清理出的旧档案之一。1999年12月,当我离开英国到美国工作时,我把它烧掉了,它包含了我在20世纪90年代的研究文件。

作为一名Mac用户,我早就不再使用像CD-ROM驱动器那样过时的电脑了。但我设法拼凑了一些东西,并发现了一些20多年前的职业生涯中的新惊喜。

第一个好消息是我仍然可以访问曾经的一些数据-CD-ROM还没有完全地过时。也就是说,我不得不承认,几年前,当我意识到自己拼凑出某种读法的机会几乎为零后,我从80年代开始就把我的软盘扔掉了——但如果我在最近的一次文件存储中使用的是光盘,不论是3.5英寸的软盘,或是5.5英寸的软盘的话,那我的信息早就消失在了数字世界中。

第二个好消息是,我仍然可以在CD-ROM上读取文件。我仍然使用像Microsoft Word和Synergy Software的Kaleidagraph这样的应用程序来完成我的工作,而在20世纪90年代我在之前版本中保存的文件仍然可读。感谢Microsoft和Synergy Software认真对待向下兼容性的问题!

然而,即便这样,依然有大量文件是不可读的,要么是因为我无法访问正确的软件,它们与当前版本的软件不兼容,或者原始软件包根本不再可用。因此,我的数据文件、数学模型、论文、报告和电子邮件,这些都是“比特腐烂”的受害者。与书面记录不同 - 我仍然拥有90年代早期的实验室书籍,任何人都可以阅读 - 这些数字档案甚至不会持续几十年。

当然,我的那些档案里可能有很多垃圾。可以肯定的是,在过去的20年里,我没有为这些内容的不易读取而感到任何后悔。然而,如果有人想用这些来重建我的工作,或者用它们来了解我作为一个年轻的研究者的身份,他们会被难住的。

对我来说,这是比特腐烂潜在危险的一部分。我们被如此多的数据所包围,以及如此多的存储和检索方式,很容易忽视无法立刻触手可及的东西。我们认为重要的东西正在消除我们生活中的平凡和细节,或者更确切地说,我们的应用程序提供商决定了什么是重要的。现在这似乎不是什么大问题。但是在50到80年后,当你的孩子和孙子们试图拼凑你的生活时,在大科技允许留下的信息片段中会出现巨大的漏洞。

在一个世纪或更长的时间里,谁会说任何人都能够阅读到你的电子邮件、社交媒体消息、精心制作的文档或数字日记呢?

当你考虑使用楔形文字、洞穴壁画和其他形式的高度持久的记录媒介时。传记作者和历史学家可以获得大量的书面信息,这些信息有助于将数百年前,甚至数万年前的人们的生活拼凑在一起。

除非我们对科技巨头控制和埋葬我们的数字遗产感到高兴,否则我们需要更仔细地考虑比特腐烂。

具有讽刺意味的是,相比数字科技,这些最早的信息记录形式与WIPP标记有着更多的共通点。上几代人 - 因为他们没有其他选择 - 主要使用耐用的媒介来进行记录,他们不需要运用复杂的、需要经过时间考验的符号来解释记录的内容,这是文化流动所带来的的益处。因此,我们对他们的了解比后代对我们的了解还要多。

幸运的是,潜在的“比特腐烂”问题正在改善。标准化的数字格式(如PDF和JPG)使得长期可访问性变得更加容易,而数字内容的开放标准使得确保文件可读性更加容易于软件开发人员。然而,如果你使用专有格式或平台来处理您的数字信息 - 即使它已经很成熟 - 也有可能会在某一天感受到它的衰败与消逝。也许不是现在或几年后。但我们都清楚,拥有这些专有标准的公司不会永远存在。即使它们存在,它们也会控制用户访问数据的能力。想象一下Microsoft Office的未来版本,它不允许你打开旧文件(或者需要访问费用);或者,如果Adobe决定免费的PDF阅读器不属于他们未来的商业模式;或者Google服务最终消失在付费专区后面。

这些情况目前看来发生的可能性并不是很大——至少在可预见的未来是这样。但是,如果我们不想消失在“比特腐烂”的无声无息中,我们需要变得更聪明,我们需要思考我们的数字生活怎样变得“可恢复”。这其实也没有特别艰难,我们只需更深入地了解如何以及在何处保存和存储重要信息。这可能意味着将重新引入经时间验证的技术,如笔和纸张,或者像WIPP团队一样,转向有意义的符号寿命的延长。它甚至可以像hi.co网站档案馆一样雄心勃勃、充满前瞻性,该档案馆的资料被蚀刻在一系列2×2英寸的镍板上,并声称其保质期为10000年。

无论我们选择什么样的存储方式,除非我们乐于让科技巨头控制和埋葬我们的数字遗产,否则我们需要更仔细地考虑比特腐烂这一问题,以及如何在我们日益数字化的生活中保留对我们来说重要的东西。否则,我们都将有可能成为数字鬼魂,或者更糟一点:生命中最微小的一点生命的痕迹,被活生生的和抹去,一点点腐烂成一无所有。

原文链接: https://onezero.medium.com/how-to-ensure-our-digital-legacy-isnt-lost-to-the-future-f6a226bc6792

以上信息来源于网络,由“京东云开发者社区”公众号编辑整理,不代表京东云立场。

欢迎点击“京东云”了解更多精彩内容。

在这里插入图片描述

相关推荐

GPT-6凌晨上线智能UI:智能UI时代的技术架构重构与应对之道

从命令行到图形界面,计算机行业用了三十年证明了同一件事:人类需要视觉的、空间的、可重复的交互表面,纯文字从来只是过渡形态。智能界面的出现,意味着AI行业第一次大规模承认了这个规律——对话是创造的接口,界面是使用的归宿。生成的界面如何稳定下来?个人的数据与身份如何安全地沉淀?Agent的行动能力如何可信地放大?谁能把这三个问题答好,谁就站在了Personal Agent图形界面时刻的浪潮之巅。

京东科技开发者 220

AI 会写代码之后,交付为什么还没变快?

AI 写代码,只是这场变革的起点,而不是终点。真正决定一个组织能否吃到 AI 红利的,不是"能不能用 AI 写出代码",而是敢不敢用 AI 重新设计交付流程、重新划分角色分工、重新组织团队结构。研发视角能把工具和个人推到极致,却会在组织的边界前止步;只有站上组织视角,把AI × 工具一路推进到AI × 组织,那些被 AI 照出来的摩擦,才会真正被抹平。国际技术部 Multi AI Native 想做的,正是这件事——让 Agent 成为你可靠的数字战友,让每一次迭代交付都快一个量级;

京东科技开发者 311

OxygenData-Vibe搭建:用 AI Coding重新定义数据看板搭建

长期以来,数据看板开发主要有两种方式:一种是使用标准化 BI 工具,交付快、成本低,但图表样式、交互体验和功能扩展都受限于 BI 本身的能力;另一种是自研定制开发,能够充分满足复杂和个性化需求,但需要投入大量研发资源,交付周期也更长。比如一个通过 BI 只需要 1 天就能搭建出来的看板,如果采用自研方式,可能需要投入 30 PD 的研发人力。既然 BI 交付这么快,为什么不把所有看板需求都交给 BI?原因在于,业务某些场景需要的不只是把数据展示出来。

京东科技开发者 374

当我谈数据库高可用时我谈些什么

大家都经常听到说数据库的双1,那双1指的是什么呢?参数=1(最安全)≠1(更快但可能丢)每次提交都把 redo 刷盘0/2:攒着刷,崩溃丢最近 1 秒每次提交都把 binlog 刷盘0/N:攒着刷,崩溃丢最近若干条"双 1"(都设为 1)= 单机不丢已提交事务的前提。生产核心库必须双 1;代价是每次提交两次 fsync。小结:单机层用 WAL 提速、用 2PC 保证 redo/binlog 一致、用崩溃恢复裁决半成品事务、用双 1 兜底持久性。

京东科技开发者 318

ScoAI:面向供应链的运筹原生决策智能

ScoAI 关注的并非 AI 能否进入供应链,而是 AI 参与供应链决策之后,哪些内容适合通过数据学习,哪些关系必须显式计算,以及哪些结果需要依据执行记录进行验证。其基本分工是:供应链业务定义问题、资源与行动后果,运筹学表达目标、约束和协同关系,AI 提供可复用的估计与判断。真正用于改进后续决策的,不仅是模型生成的初始结果,还包括实际采取的行动及其产生的业务反馈。

京东科技开发者 405

拆解海博 AI-Native 落地保障:海博团队 AI 知识库能力建设

绕了一大圈,回头看,我们其实一直在解开头那三个结:AI 读不懂系统、影响面靠人脑记、测试预期没处查。做到这里,本质上是把"AI 用不好"这个问题,从"是不是该换个更强的模型"重新定义成了"怎么把上下文经营好"。顺着这个思路,我们攒下了这么几样东西:•。

京东科技开发者 561

从零构建一个生产级记忆型 AI Agent —— AgentScope 项目全景技术与学习指南

domain 层端口接口(domain)职责适配器实现(infra)对话流水账读写经验记忆检索/落库请求级幂等四态会话元数据 CRUD会话级 Skill 选择态Skill 元数据HITL 权限网关(domain 内含逻辑,见第四篇)StreamSink技术中立的流式下沉(client 层桥接)以幂等端口为例,头部注释明确写道:实现 domain 端口,持有实体不出 infra 边界,对外只暴露嵌套视图GateResult。

京东科技开发者 612

数据涅槃:Agentic 重塑搜推数据生产体系

当前大模型已经能够理解需求、生成代码和解释错误,但数据生产的难点并不只是“写出一段 SQL”。一个需求还要经过数据源确认、口径澄清、加工编排、资源规划、任务提交、调度运行、结果交付和故障处置。任何一步缺少都可能让“看起来正确”的任务变成生产事故。

京东科技开发者 379

81.8 秒的视频,我们改了 15 个版本:一次纯 Codex 驱动的 AI-native 视频实践

81.8 秒、15 个版本,这些数字真正想说明什么?视频制作正在从一组专业软件里的复杂操作,变成一场围绕目标、参考和反馈展开的持续对话。AI 已经可以接住从脚本到交付的大量工作。你可以把精力留给更重要的部分:理解观众、选择故事、判断好坏。过去停在 PPT 和脑海里的想法,现在有机会被快速做成一支能看、能改、也愿意转发的视频。如果明天就要介绍你手头的项目,你最想先把哪一步交给 AI?

京东科技开发者 467

Codex 驱动的移动端AI全栈开发:从 Relay 原型图到可交付链路

AI 编程工具降低了跨端开发门槛,但“让 AI 写页面”并不等于“完成移动端交付”。PC 运营端页面通常以功能闭环为中心,设计约束较弱,研发可以基于组件库快速搭建;移动端 C 端页面直接面对用户,Relay 原型图和 UI 设计稿不仅是视觉参考,更是交互、信息层级、状态反馈和业务信任感的综合契约。

京东科技开发者 592

Claude Code vs Codex 记忆体系深度对比

Claude Code —— 分层自动记忆系统四层分层架构(CLAUDE.md / Auto Memory / Session Memory / AutoDream)构成自优化闭环,系统主动捕获、分类、去冗并跨会话接力经验。走的是自动化优先路线——让机器替人记忆、替人整理,以少量可控性的不确定换取强大的经验积累能力。Codex —— 声明式契约系统两层扁平架构(AGENTS.md 静态声明层 + 会话上下文层),记忆完全由人显式订立、显式修改,系统只读契约、绝不擅自变更。走的是可控性优先。

京东科技开发者 627

上游给空、下游拿到 -1,我把故障一直追到了 commons-beanutils 的构造函数

这篇手记是一份事后复盘,写在我们已经把修复推上线、把测试用例跑绿、把约束文档沉淀进团队库之后。非研发同事,可以直接从第八章开始看,前七章都是讲排障和代码分析。故障本身不复杂,修复也不复杂,但这次排查真正让我想写下来的,不是技术本身——而是从问题提报到解决全程AI的作用:问题定位:业务方反馈了一个异常单号说「下发失败」,一线运维同事直接在日志系统捞到相关的系统日志,用IDE打开下游代码库,把异常信息给到JoyCode——AI 直接指向了问题是serialType值非法,系统只接受0和1,而当前上游给的是-1。

京东科技开发者 719

SKill测评:谁才是真正的Skill之王?

巧合的是,阿里近期开源了一款名为 Skill-Up 的测评工具——它专门面向 Agent Skill 开发者,支持在 Claude Code、Codex、Qoder CLI 等真实 Agent Engine 环境中验证 Skill 的功能正确性,并可将失败用例转化为精准的修复指引,同时支持本地与 CI 环境的持续回归。2026年,Skill 的热度不减,已成为 AI 辅助编程领域的标配。在日常研发中,无论是沉淀个人经验,还是将团队的优秀范本标准化,将知识“蒸馏”为 Skill 已是大家的常规操作。

京东科技开发者 640

让AI真正参与工作!JoyDesk已上线京东云

JoyDesk提供覆盖AI资产管理、权限控制、安全策略、审批审计、运营监控等企业级治理能力,支持按组织、角色和项目进行精细化权限管理,并支持私有化部署,确保企业数据边界清晰、AI行为全程可追溯、安全策略灵活可配置,满足金融、政企等行业对数据安全和合规治理的要求,让AI真正成为企业可信赖的生产力。JoyDesk支持MCP协议、标准API、技能等多种开放接入方式,可快速连接企业现有业务系统,将业务能力封装为AI可调用的技能和专家,让AI能够理解业务流程、调用业务系统、完成业务任务,而无需改变企业原有IT架构。

京东科技开发者 673

【全栈实践】第一个 AI Agent 项目:从零搭建 AI 音频创作助手【最终版】

这个项目展示了AI Agent 在垂直内容创作领域端到端自动化:从内容理解到播客输出,全流程 AI 驱动多模态融合:文字、图片、音频、视频统一处理专业级音频质量:音色设计 + 智能混音,输出广播级品质低门槛使用:可视化配置 + 自然语言交互,无需技术背景。

京东科技开发者 563

【全栈实践】第一个 AI Agent 项目:从零搭建 AI 音频创作助手(高级篇)

这是一个 AI 驱动的播客创作助手,专注于从文字/视频/音频内容识别到播客制作的全流程。你可以用自然语言与它对话,也可以上传视频和音频,它会理解意图、调用相应的语音合成工具,把他们变成真实的播客音频。

京东科技开发者 728

【全栈实践】第一个 AI Agent 项目:从零搭建 AI 音频创作助手(进阶篇)

这是一个AI 驱动的音频内容创作助手。你可以用自然语言与它对话,它会理解意图、调用相应的语音合成工具,把文字变成真实的播客音频,并保存在本地。关于项目的详细介绍见第一篇文章:第一个 AI Agent 项目:从零搭建 AI 音频创作助手(入门篇)这篇文章更多介绍进阶篇添加的功能。

京东科技开发者 552

【全栈实践】第一个 AI Agent 项目:从零搭建 AI 音频创作助手(入门篇)

这个项目让我第一次把前端、后端、AI Agent 三块内容独立串联起来。技术选型上每一块都是当下主流的方案,实际跑通整条链路之后对"全栈"有了更具体的感受。框架版本要锁定:LangChain 这类快速迭代的框架,版本差异带来的问题远比你想象的多先跑通链路,再追求完美:新手阶段能把用户输入 → AI 处理 → 结果展示这条链跑通,比深入某个技术点更有价值多看官方文档:相比博客和教程,官方文档更新及时,特别是 LangGraph 这种新框架后续计划继续迭代,欢迎交流!

京东科技开发者 610

ICLR 2026 | 面向序列决策的贝叶斯集成方法

在这篇工作中,我们关注的是。

京东科技开发者 296

ICML 2026|NaviAgent:面向 Oxygen 智能体的可扩展工具编排

大型语言模型(LLM)越来越多地作为函数调用代理,调用外部工具来处理超出其静态知识范围的任务。然而,它们通常一次只调用一个工具,缺乏对任务结构的全局视图。由于工具之间往往相互依赖,这会导致错误累积和可扩展性差,尤其是在扩展到数百或数千个工具时。为了解决这些局限性,我们提出了NaviAgent,一种显式的双层架构,它通过基于图的工具关系建模将任务规划与工具执行解耦。在规划层,基于 LLM 的代理决定是直接响应、澄清意图,还是检索并执行一个独立于工具间复杂性的工具链。

京东科技开发者 389

实测 9 款 AI 架构图工具:从 Mermaid 美化到 GPT-Image2,一份选型清单

支持 5 类图(架构图、工作流图、时序图、数据流图、生命周期/状态机图),主题 4 种(Classic、Signal Flow、Blueprint、Editorial)+ 3 种色彩模式(Dark / Light / System Auto),输出格式含 HTML、PNG、SVG、WebM、Share Card PNG、JSON IR。它把提示词图库、图像生成案例、参考图编辑流程和命令行工具整合在一起,让 AI Agent 能直接调用 GPT Image 2 模型完成文生图、图生图、参考图编辑等任务。

京东科技开发者 906

别再守着 Claude Code 了——学会指挥它自主干活

回到开头那句:别再一句一句地喂它、然后守着屏幕。真正的用法是——把一件事想清楚、划好边界、给它一个能自我验证的目标,然后交出去。你会发现,省下来的时间不是一点半点。把重复的判断和执行还给机器,把真正需要你的判断留给自己。

京东科技开发者 587

CVPR 2026|Oxygen XR 团队在原生鱼眼高斯泼溅技术上带来新突破

京东零售技术团队联合清华大学提出DirectFisheye-GS框架,创新性地将鱼眼相机模型原生嵌入3D高斯泼溅管线,通过跨视角联合优化策略直接处理鱼眼图像,避免了传统去畸变预处理导致的信息损失。该方案在多个公开数据集上达到SOTA性能,有效解决了单视角优化引起的几何畸变和视角不一致问题,同时保持与现有3DGS工具链的兼容性。技术已应用于电商3D重建和4D体积视频等场景,显著提升了沉浸式体验。相关论文被CVPR 2026接收,为宽视场场景重建提供了高效解决方案。

京东科技开发者 355

拆解海博 AI-Native 落地保障:Harness、双 Loop、知识库与技能自主迭代实践

海博研发RoadMap 的落地,彻底终结了 AI 编程“对话式玄学”的旧模式,真正落地了AI Native 研发工程化。它证明 AI 规模化赋能研发的核心,不在于堆砌大模型能力,而在于用工程思维重构 AI 的工作范式:用结构化流程替代随机对话,用固化规则约束模型行为,用持续沉淀实现能力复利,用分层架构支撑规模化落地。

京东科技开发者 638

让 AI 快速「读懂」你的代码仓:Joy-Code-Graph 云端图谱服务的三次进化

代码知识图谱不是要取代 AI 的智能,而是要补齐它对代码全局关系的认知盲区。当 AI 能一眼看清「谁调用了谁、改动会波及哪里」,它写出的代码才真正靠谱;当这份认知安全地留在自己手里、随时被 Joygen 调用、并且永久沉淀在代码仓里——AI 编程的体验,才算真正上了一个台阶。这,就是我们做 Joy-Code-Graph 云端服务的初衷。能力共享,数据自主;一次建图,长期受用。

京东科技开发者 752

【Coding生态】从代码托管到 AI 能力底座:与Coding一起共建 AI 研发生态

前两种框架能够很好地支撑对话式能力和预设流程式能力。它们适合基于提示词或预设工作流完成研发问答、知识查询、流程编排等任务。但在更复杂的研发场景中,仅仅“回答问题”还不够。当用户业务逻辑复杂时,一旦场景进入真实落地阶段,例如下载代码、修改文件、执行命令、安装依赖、运行测试、读取完整代码文件,或者与自有系统联动、将结果渲染到 Coding 页面、推送到京 ME,AI 应用需要的不只是知识能力,还需要真实的代码库操作能力和独立可执行环境。

京东科技开发者 768

GPT-5.6、ChatGPT Work 与 Codex 更新食用指南

三档模型当前都提供 1,050,000 tokens 上下文、922,000 tokens 最大输入和 128,000 tokens 最大输出,接受文本与图像输入、输出文本,并支持 web search、file search、Computer Use、MCP、Tool Search、Skills、Apply Patch 等工具。Work 可以读取你提供的文件,通过插件连接 Slack、Google Drive、SharePoint、邮箱、日历、CRM 或项目系统,调用获批工具,并在执行中展示进度。

京东科技开发者 871

把业务流程沉淀成高质量 Skill 的实践路径

使用Record & Replay创建的Skill,尽管创建流程简单,但它的本质实际是让 AI 去操作页面,这不但有可能影响我们对电脑的操作,还有可能无法稳定复现。创建Skill时,可以使用 Codex 的 Record & Replay 插件,把一次手工操作录下来,再让 AI 生成可复用流程。刚开始切换时,很容易遇到接口报错,可以让Codex排查原因进行优化,直到可以稳定执行;补充相应业务背景,说明这件事为什么要做,谁会用,输入从哪来,输出给谁看。电脑休眠、关机、软件没开时,本地任务可能无法执行。

京东科技开发者 836

政企前台AI-Agent的架构实践:打造可复用的 AI 服务平台-【灯塔计划】

不止是爆火的龙虾,还是各种Skills,MCP、Agent,脱离的具体的场景谈方案,最后只会是一场空。这一套可复用的 AI 服务平台,截止目前,通过前后端对接规范文档,多项能力已快速接入到各个场域的不同端平台,大幅降低研发成本, 并且各业务线新场景的接入从原来的 “开发驱动” 转为 “配置驱动”,接入周期从天维度缩短至小时级。

京东科技开发者 864

京东 Oxygen xLLM 大模型推理引擎正式捐赠开放原子开源基金会,共建国产 AI Infra 生态

下一阶段 AI 基础设施的核心命题,不是简单的算力堆叠,而是让工程本身变得智能——让调度系统能自主感知负载特征并动态优化,让推理引擎能根据模型结构和硬件特性自动生成最优执行方案,让整个 AI 工程链路具备自感知、自决策、自优化的能力。未来,Oxygen xLLM 的项目官网、社区沟通渠道及微信社区将陆续向开发者开放,诚邀芯片厂商、模型厂商、云厂商、企业用户及个人开发者共同参与,让国产大模型推理引擎在开放生态中加速成长。硬件层,原生支持 GPU / NPU / MLU 多类 AI 芯片,深度适配国产芯片。

京东科技开发者 1007
上一篇: 智能设计|零基础,低成本,轻松实现设计效率翻倍
下一篇: 2019编程语言排行榜出炉, AI做八年级试卷得90多分,全球服务器市场下滑 11.6%, (2019/09/09)...
京东云开发者
京东云开发者 企业官方账号 企业官方账号
博客等级 码龄8年 1万+粉丝 2140原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值