为什么我们说区块链没有那么容易?

Alt

近年来,围绕区块链的讨论声音越来越大,区块链的作用也被夸得越来越大,有人说区块链现在可以:

1、帮助解决收入不平等的问题

2、确保所有数据的安全

3、让很多事情都可以变得更加高效和更加去信任化

区块链到底是个什么?它真的如大家所说的那么神秘且厉害吗?区块链真的能给诸如医疗保健、金融、供应链管理和音乐版权等各种各样的行业带来变革吗?认同比特币不就意味着你要支持区块链吗?你怎么能只认同比特币而否认其背后的技术呢?在本文中,我试图通过讨论区块链究竟是什么,来了解以上的这些问题。

什么是区块链?

首先,我们需要来看看区块链的定义是什么?

有许多的公司会使用“区块链”一词来表示某种数据永远不会出现安全问题的神奇“设备”。但其实我们都知道,至少在现在的这个时代,这种设备是不存在的。

Alt

那么什么是区块链?从技术上讲,区块链是区块的链表,而区块是一组有序交易。如果你不理解最后一句话,可以将区块链视为数据库的子集,并具有一些其他属性。

区块链和普通数据库的主要区别是,关于如何将数据放入数据库的规则。也就是说,它不能与数据库中已有的某些其他数据(一致)冲突,它只能追加(不可变),并且数据本身被锁定为所有者(可拥有),是可复制且可用的。最后,每个人都同意在没有中央参与者(去中心化)的情况下数据库中事物的状态(规范)。

“分权”确实是区块链非常有吸引力的一部分,因为它意味着没有单点故障。也就是说,没有任何一个权威机构能够拿走你的资产或更改“历史记录”以满足他们的需求。你无需信任任何人的这条不变的审计线索就是使用这项技术的每个人都在寻努力达到的益处。然而,这种好处却需要付出巨大的代价。

区块链的成本

不受任何一方控制的不变的审计跟踪无疑是有用的,但是创建这样一个系统要付出很多成本。让我们先来看看一些问题。

发展更严格和缓慢

创建可证明一致的系统并非易事。一个小错误可能会破坏整个数据库或导致某些数据库与其他数据库不同。当然,已损坏或拆分的数据库不再具有任何一致性保证。此外,所有此类系统必须从一开始就进行设计以保持一致。区块链中没有“快速行动并打破事物”。如果你破坏事物,则会失去一致性,并且区块链将变得毫无价值。

Alt

你可能在想,为什么不能只修复数据库或重新开始并继续前进?在集中式系统中这样做很容易,但是在分散式系统中则很难。你需要达成共识,或者获得系统中所有参与者的同意才能更改数据库。区块链必须是不受单个实体控制的公共资源(去中心化,还记得吗?),否则整个工作是创建缓慢的集中式数据库的一种非常昂贵的方法。

激励结构设计不易

添加正确的激励结构并确保系统中的所有参与者都不能滥用或破坏数据库也是一个重要的考虑因素。区块链可能是一致的,但是如果其中有很多琐碎、无用的数据,那么这并不是很有用,因为将数据放入其中的成本非常低。如果几乎没有数据,那么一致的区块链也没有用,因为将数据放入其中的成本太高了。

Alt

是什么赋予数据最终性?你如何确保奖励与网络目标一致?为什么节点会保留或更新数据?当两段数据冲突时,是什么使它们选择一段数据而不是另一段数据?

这些问题都都还有待探索、解答,区块链不仅需要在开始时保持一致,还需要在未来的所有时间节点上保持一致。因为技术和公司会发生变化,否则区块链就没有用处。

维护非常昂贵

传统的集中式数据库只需写入一次。区块链需要被写入数千次。传统的集中式数据库只需要检查一次数据,区块链则需要检查数千次。传统的集中式数据库只需传输一次数据即可存储,区块链需要传输数据数千次。

维护区块链的成本要高出几个数量级,而且成本需要通过效用来证明。大多数应用程序在寻找前面提到的某些属性(如一致性和可靠性)时,可以通过完整性检查、收据和备份来以更低的价格获得这些东西。

用户优先

这样真的很好,因为企业不喜欢对用户数据负责任。但是,如果用户“行为不端”,这就不好了。你没有办法驱逐那些在区块链上发大量垃圾信息的人,又或者找到了一种方式,但它可能又会让其他用户有一些别的不便。

通过以上观察结果我们可以得出相关结论:激励结构必须设计得非常棒,在此激励结构下,如果用户发现了一个漏洞,尤其是如果还可以以此牟利的话,就不太可能放弃。

可能你会认为能拒绝为恶意用户提供服务,这在中心化的服务中是非常容易的。

然而,与中心化服务不同的是,(在去中心化中)拒绝服务是困难的,因为没有一个单一的实体有权力将任何人踢出去。区块链必须是公正的,并强制执行由软件所定义的规则。如果这些规则不足以阻止不良行为,那你就没那么幸运了。这里没有法律的“精神”。即使你需要简单地处理恶意的或行为不端的执行者,可能也需要很长一段时间。

所有升级都是自愿的

强制升级并不是一种好的选择。网络上的其他人没有资格来升级你的软件。如果他们这样做的话,这样的系统将变得更加容易、快捷和低成本地去构建为集中式系统。区块链的重点是,它不受单个实体的控制,而强制升级则违反了这个规则。

Alt

相反,所有升级都必须向后兼容。这显然是相当困难的,特别是当你想添加新功能时,并且从测试角度考虑时将会变得更加困难。软件的每个迭代版本都将会在测试矩阵中增加更多内容并将发布时间推迟更久。

同样,如果这是一个集中式系统,修复这样一个不再为旧系统提供服务的系统将会变得很容易。但是在分散式系统中,你就无法如此简单的操作了,因为你不能强迫任何人执行任何操作了。

扩展真的很难

最后,与传统的集中式系统相比,扩展至少要困难几个数量级。原因显而易见。同样的数据必须存在于成百上千个地方,而不再是存储在同一个地方。传输、验证和存储的开销都将会是巨大的,因为数据库的每个副本都必须支付这些开销,而不是像在传统的集中式数据库中那样一次性支付这些开销。

当然,你可以通过减少节点的数量来缓解这种负担。但那时候,你又为什么需要一个去中心化的系统呢?如果扩展成本是主要考虑的问题,那么又为什么不创建一个集中式数据库呢?

中心化并不是易事

可能你会注意到这样一个问题:去中心化的系统很难使用,维护起来又很贵,又很难升级,而且很难扩展。与区块链相比呢,集中式数据库更快、更便宜、甚至更容易维护和升级。那么,为什么人们总是使用区块链这个词,好像它是解决所有问题的灵丹妙药?

Alt

首先,许多在区块链上进行销售的这些行业确实早该进行IT基础设施升级了。众所周知,医疗保健软件非常糟糕,它们的财务结算甚至仍在70年代的老旧软件上进行,而供应链管理软件既难以使用又难以安装。这些行业的大多数公司因为害怕涉及风险而拒绝升级。许多基础设施的升级耗费了数亿美元,但最终还是被取消了。区块链是销售这些IT基础设施升级的更具吸引力的一种方式。

其次,区块链是一种使你看起来处于技术领先地位的方法。不管你喜欢与否,“区块链”一词都有自己的生命。很少有人真正理解它的含义却想要显得时髦,因此可以使用这些词让自己听起来更聪明。就像“云”表示别人的计算机,“AI”表示经过调整的算法一样,“区块链”在这种情况下表示数据库缓慢而昂贵。

结果是很多人在没有真正理解能力或成本的情况下就大肆宣誓自己已经在使用区块链。更糟糕的是,许多风险投资人和高管从中提取了实际的技术细节和成本,以至于模糊了区块链可以做什么和不能做什么。他们下面的每个人都变得害怕说皇帝没有衣服,而这,就是我们现在的状况。

区块链的优势

我们已经确定,相对于集中式数据库,区块链的成本会高很多。因此,大多数人使用区块链的唯一原因是去中心化。即,删除单点故障或控制。

自然,这意味着软件或数据库一定不能经常更改(如果有的话)。升级应该没有太大的上升空间,而搞砸或改变规则应该有很多下降空间。

Alt

大多数行业都不是这样。大多数行业需要新功能或升级,并且需要根据需要自由更改和扩展。鉴于区块链难以升级,难以更改和难以扩展,大多数行业对区块链的使用并不多。

但又一个例外——货币。与大多数工业用例不同,货币需要的是稳定。区块链的不变性和更改规则的困难对货币是有利的。这就是为什么区块链是承载比特币的正确工具的原因。

显而易见的是,很多希望使用区块链的公司实际上根本就不是真的需要区块链,而是需要将特定行业的IT基础设施进行升级。因此,他们口中的“区块链”一词是不诚实的,并且过度夸大了它的能力。

结论

如今,区块链是一个流行的术语,不幸的是,这种“区块链不是比特币”的言论不会消失。如果你是集中式服务,区块链则无法为你提供任何你无法使用集中式数据库便宜一千倍的东西。如果你是去中心化服务,那么你可能会自欺欺人,而不考虑系统中存在的单点故障。真正的去中心化服务根本不会有“你”。

原文链接:https://medium.com/@jimmysong/why-blockchain-is-hard-60416ea4c5c

目前,京东云区块链项目BDS已开源,同时还在招募开发者加入!点击【阅读】可了解详情

点击“京东云”了解更多精彩内容
Alt

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。
Alt

相关推荐

京东云推出全新JoyCode智能编码工具,让AI Coding从代码生成走向成果交付

全新JoyCode结合项目背景与任务目标,通过Agent Loop持续规划、执行、验证与迭代,并支持多智能体并行协作、模型灵活配置及工具与流程复用,贯通从需求分析到开发验证的任务链路,推动AI Coding从代码生成走向可运行软件与可用工具的成果交付。模型使用的关键,不只是选择更强的能力,而是让投入与任务需要相匹配。作为面向严肃开发场景的企业级编码产品,京东云JoyCode所拓展的,不只是代码生成的能力,更是将专业经验与日常灵感付诸实现的路径,让技术承接实现过程中的繁复,让人更专注于问题、判断与创造。

京东科技开发者 214

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 233

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 323

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 385

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 325

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 410

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 566

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 619

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 388

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 473

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 598

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 632

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 722

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 641

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 676

【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 564

【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 553

【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 611

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 910

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 873

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
上一篇: 开源无疆|京东云参加2019开源年会,助力开源
下一篇: 京东云提供全“云”保障 11.11京东累计金额突破1794亿元
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 2141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