从单个系统到云翼一体化支撑,京东云DevOps推进中的一波三折

Alt
作者:王利莹
采访嘉宾:京东云DevOps团队负责人 郑永宽

今年,IDC 特别针对中国地区发布了《IDC MarketScape:中国 DevOps 云市场2019,厂商评估》研究报告,IDC 对具有代表性的 7 家 DevOps 云提供商进行了深度研究。

报告显示,基于产品现有能力、未来策略与投入、市场表现与客户满意度三大指标体系的综合评估,京东云 DevOps 跻身”Major Players“(核心厂商)位置。

Alt

IDC 认为,未来 1–2 年市场将高速增长:公有云 DevOps 服务成为中小企业和部分大型企业快速实践 DevOps 的优先选择。云厂商在不断吸引和转化自身云平台的用户使用其 DevOps 服务,同时也在不断加强对外的宣传教育工作进行市场培育。预计,未来1–2 年 DevOps 云的企业级用户和个人开发者数量将呈现高速增长。

不仅是云产品与服务,DevOps 涉及的开发运维团队协作工具与组织内部文化也值得讨论,本篇文章我们来聊聊哪些技术在推动 DevOps 发展,京东云 DevOps 的内部迭代过程、成果以及未来的路。

什么在推动 DevOps 的发展?

DevOps 的发展其实是需求带动的,互联网技术浪潮下,随着业务体量越来越大,变更越来越多,协作流程越来越复杂,必须要有新的技术及工具来支撑。容器技术、微服务、AI和机器学习……新的架构方式在解决问题的时候,自然成为了 DevOps 的推手,也与 DevOps 最初成型时期被 IT 人员广泛传播的理念相融。

2009年,在第二届 Velocity 大会上一个轰动世界的演讲,“10+ Deploys Per Day: Dev and Ops Cooperation at Flickr”,这个演讲提出了 DevOps 的“一个中心,两个基本点”——以业务敏捷为中心,构造适应快速发布软件的工具(Tools)和文化(Culture)。而同年“DevOps之父” Patrick DeBios 在比利时根特市的首届 DevOpsDays 活动,也让“DevOps”作为术语流行起来。

工具、文化都是为了最终的业务敏捷,也正是容器、微服务等技术所追求和正在推动的。我们常常看到说“基于容器的 DevOps”,“微服务容器化”,在聊这两者具体的作用前,我们先来看看问题从何而来。

“软件吃掉世界”,硅谷投资人马克安德森曾以一句话撼动了整个业界对 IT 的认知。从传统瀑布模型,到敏捷开发模型,到 DevOps 开发模型,逐步解决软件开发的敏捷和运维的敏捷。

云计算解决了计算、网络、存储这几个方面的弹性问题,但是在应用迁移和应用扩展时,还有未解决的问题。

  • 应用迁移涉及到迁移软件类型、编译及运行环境、迁移工具,而不同的环境下安装软件,牵扯到权限问题,配置问题,文件路径问题等,一旦出错就会造成安全损失。对于开发和运维团队来说,往往需要不断地在不同环境安装软件,容易出错。
  • 应用扩展涉及到新环境部署,涉及到开发环境服务器、部署方式、测试环境的不同等,特定场景下需要更多的服务器来处理大批量需求。

服务器的问题是大问题,如何让服务器可以同时处理多方需求呢,大牛们想到了虚拟化技术,什么是虚拟化?虚拟机是虚拟化技术,容器也是虚拟化技术,虚拟机 (VM) 是物理硬件层抽象,让一台服务器变成多台服务器。而容器可理解为应用软件层面的虚拟化,多个容器共享一个操作系统。

虚拟机镜像太大,拷贝下载都是时间,容器技术跑在云架构里就比物理机更如鱼得水,让应用软件更容易迁移、更容易扩展,从而提升软件交付的效率。

另一方面,对于面向互联网的企业来说,在用户体量增长时可能会面临大量问题,如果不用微服务会导致架构到某个阶段被迫重构。微服务所倡导的松耦合、高内聚与容器的轻量化、可移植性、快速集成的特点相辅相成,在实际应用中,容器+微服务,组合拳的力量不容忽视。

兵来将挡水来土掩,云与 DevOps 其实天然相依,让 DevOps 的工作由大模块拆分成小模块再更好地重组,其实就是 DevOps 理念所讲的工具让业务更敏捷,实现持续集成与持续发布。

而另外一个“工具”——人工智能,机器学习算法、算力、海量数据将让 DevOps 走向更高的山峰——AIOps,这也是我们常听到的词,其实就是让更多的机器学习工具来辅助或者主导整合开发运维交付过程,让原有的系统更有弹性,更加敏捷。特别是对于大厂来说,技术实力、经济实力、复杂变态的业务场景及运维场景,主动逼着 Ops 走向智能也许更加容易。

除了工具,在文化因素层面,企业内部 DevOps 文化更多是从上而下,领导或团队负责人如何培育团队文化,由点到面,由工具链平台到协作文化,但其实文化讲起来容易做起来难。

信通院云计算开源产业联盟今年发布《中国 DevOps 现状调查报告(2019年)》,在 1549 份有效问卷及专家访谈支持下,分析提到:多因素造成企业难以推行 DevOps,其中各部门之间目标的不同是企业首选的主要原因。近半数企业认为各部门之间目标的不同是导致 DevOps 推行失败的主要原因。近 3 成企业认为个人优先效忠于自己的部门其次才是组织。

归根结底,今天 IT 行业的业务需求推动是首要原因,要让用户体验好,不被时代抛弃,技术人在探索这些新的技术、工具、协作方法、文化,DevOps 被广泛讨论及实践其实也说明了它的前沿性和正确性。

京东云为什么要做 DevOps

回到京东云,2016 年京东云正式商用,在国内其实算起步较晚,但是让云更好地服务自身及客户是使命,整个云计算的基础生态建设是必须要做的,而做云计算的基础生态建设离不开 DevOps。

我们也可以这样说京东云在做并且能做,离不开自身的“超级电商”场景,离不开大量的人才资金投入,我们都爱关注和参加大促活动,大大小小活动也几乎每天都有,为了响应业务需求,势必要求开发敏捷,而伴随电商业务的海量数据、丰富的运营策略,要求开发团队在短时间内快速迭代,持续时间甚至不超过两周,同时也要求运维敏捷实践,于是 DevOps 必须要做。

在早期的京东,是采用“HumanOps”的方式去发布产品,随着京东业务的不断扩展,线上环境也越来越复杂,这就要求京东的发布系统、监控系统、日志系统等基础设施的建设能够满足业务增长的场景,于是京东开始逐步构建 DevOps 平台,通过不断的迭代,在 2016 年京东云正式商用,也同时把自身业务的实践经验,形成了京东云 DevOps 方案正式发布。

京东云推进 DevOps 的决心

“京东云 DevOps 平台在内部经历过几次迭代,才发展到今天这样一套平台,为大家提供能力。”

最早期的时候,京东云内部分别构建了部署、监控、日志的系统能力,但发现各个系统虽然能支撑京东云业务的研发运维的需求,但是无法做到很好的一体化支撑。

因此京东云构建了最基础的 CMDB,CMDB 的建设可以说决定了京东云 DevOps 平台的最基础的底座,早期 CMDB 会有一些模型上的问题,以及数据准确性的问题,导致了 DevOps 平台能力有各种数据不一致的问题,或者模型不匹配的问题。

由此京东云构建了“以 APP 为中心,向上构建业务模型,向下构建资源模型”的 CMDB 模型,京东云内部称为服务树,以服务树为基础进行研发运维能力建设。服务树打通了各个系统之间的元数据,解决了信息孤岛问题,但这时分散的运维系统导致了监控、部署、日志等操作的分散,各种研发角色之间很难紧密协同,不利于 DevOps 的实施。

而后京东云在服务树基础之上进一步构建了 DevOps 平台——云翼,从而统一了操作入口,提升了用户体验和操作效率。如今的云翼 DevOps 平台有四大优势:

  • 跨平台混合云管理——私有云、公有云和各种虚拟化平台。如VMware、OpenStack、物理机资源的统一接入;
  • 服务容错,永不掉线——自动为宕机服务器上运行的容器(云主机)重新迁移并生成新的实例,保障业务不掉线;
  • 全链路监控服务——缩短异常 MTTR,保障业务正常运行
  • DevOps 提升企业交付能力——统一操作平台,打破开发和运维团队之间的障碍。

系统构建完成后如何更好地被内部接受,推广的形式十分重要,怒吼发展 DevOps 文化是正确的,需要在组织文化上进行变革,在企业内部实施过程中把文化和技术的方法论结合。当然也不能空谈文化,要有工具的结合,工具链平台也很重要。

“毕竟在企业内部,文化的转变,难度之大超乎想象,因此 DevOps 的落地推动,更应该是通过工具链去引导文化, DevOps 应该像流水线一样,把各个角色的人员连接在一起。推动在内部跨团队跨角色的落地实施。”郑永宽提到。

谈到京东云在 DevOps 的研发投入与研发团队情况,郑永宽说:“京东是一家重视技术的企业,在今年的 JDD 大会上,京东宣布开启京东技术服务元年,我们会把技术作为我们的核心能力,我们 DevOps 研发团队大部分都曾服务过 BAT 一线互联网企业,都拥有非常扎实的研发能力,近期我们也在不断引入行业内最优秀的 DevOps 专家。”

而京东云不仅仅在研发上投入资源,另外针对大客户使用 DevOps 的情况,还提供了专门的服务团队,包括客服、技术中台以及大客户专属架构师服务团队,目前服务团队大概规模近百人。

京东云 DevOps 成果与优势

Alt
京东云 DevOps 产品图览

在整个软件交付过程中,对于开发和运维来说,代码的版本化管理至关重要,代码提交的效率和代码的安全也非常重要,京东云构建了自己的代码托管平台 Code Commit,版本库多地部署,保证代码在京东云的安全性和可靠性。同时它可以无缝对接京东云的云编译产品,实现从编写源代码到输出构建结果的一站式服务,保证持续交付全流程。

整个产品层面,京东云 DevOps 提供了代码托管、云编译、云部署、流水线、日志服务、云监控、云拨测、性能测试、测试管理、云翼 DevOps 平台等能力,京东云通过自身产品的能力进行整合,也形成了部署、测试、日志、监控方向的技术解决方案。

在软件交付效率和软件交付质量提升上,京东云 DevOps 提供了从代码、构建、部署一条流水线式的方式来实施交付,同时提供测试管理、性能测试等测试方向的管理工具,来保证企业的软件交付效率与质量。

我们在了解或使用一项技术一款产品的时候,总会问为什么值得,它好在哪里?对于京东云来说,DevOps 最大的优势是源于京东自身业务实践,京东云 DevOps 目前提供的多重产品以及解决方案都是经过验证的成熟的产品。经受多次 6.18、11.11 电商大促的严峻考验,保证了高效高质的交付和对流量压力的灵活应对。同时不仅可以实现工具链产品与平台化产品的结合,提供 DevOps 工具链产品与平台化产品两种形态,帮助不同的客户需求灵活定制方案,助力企业数字化转型与产业互联网发展。

此外,基于电商互联网的基因,京东云 DevOps 相对于竞品,在 Ops 部分投入了更多的精力,更具备可以满足各种复杂场景的自动化运维能力,具体表现在:

  • 与京东云深度集成,提供统一的运维入口,一站式解决业务生命周期内服务管理闭环,可以满足各种复杂运维场景一键式作业,实现真正的自动化研发运维;
  • 运维管理可以与企业组织结构匹配,基于角色的权限管理,满足企业层次化运维管理;
  • 智能监控提供基础-存活-性能-业务全链路监控,确保监控覆盖,提供丰富异常检测手段和报警策略,降低故障 MTTR;
  • 统一的元数据管理平台,统一运维入口,有效提升运维效率和降低运维复杂度,进一步降低稳定性风险;
  • 从保障用户业务稳定性的角度,DevOps服务可自动为宕机服务器上运行的容器(云主机)重新迁移并生成新的实例,保障业务不掉线,高可靠运行。系统自动监控服务健康状态,动态调整集群,实时调度相关预案,实现故障自愈。

而其实在去年,“2018 GOLF金牌运维峰会”上,京东云翼 DevOps 就荣获“运维行业2018年度明星产品”。

京东云在 DevOps 上的未来规划

针对未来的规划,京东云有三个方向的策略:

1完善标准化产品+解决方案
京东云作为行业内极具产业属性的云智能厂商,会在标准产品能力基础上,结合京东集团在零售、物流、数字科技等方面的组合生态优势,在助力业务自身实现持续迭代、发展的同时,立足产业特点与京东集团深厚行业经验,将 DevOps 产品结合其他云产品服务以解决方案形式落地输出。

2依托京东云开发者社区,进一步推广 DevOps 产品
面对大众开发者、重点开发者与合作伙伴群体,从内容支持,布道师技术支持,到代码、数据级交流提供持续服务,为京东云客户提供更好的上云体验。

3完善核心生态体系
有关渠道拓展,京东云将在充分发挥自身销售能力、品牌输出的同时,进一步利用渠道打造开放环境,构建产业生态圈、吸引更多的开发者和合作伙伴,完整建立起围绕京东云公有云、私有云云平台的核心生态体系。

京东云一直在致力于产品的研发和完善,产品也比较少对外发声,后续在推广上将会加大力度,让更多的企业及开发者了解其能力。包括举办 DevOps 专项活动(如:京东云 DevOps 自动化运维技术实践·上海站),开发者社区的布道,与外部咨询机构合作,通过专业客观的评估,来向外传达京东云 DevOps 的相关能力。

结语

“故事的开头总是这样,适逢其会,猝不及防。故事的结局总是这样,花开两朵,天各一方。“,用恋爱关系打个比方,对于发展 DevOps 来说,开发和运维同学们,也别天各一方了,还是并蒂双开吧。

点击“阅读”了解更多关于京东云翼

欢迎点击“京东云”了解更多精彩内容

Alt
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 220

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 236

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 325

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 387

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 326

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 412

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 621

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 390

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 475

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 642

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 565

【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 729

【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 554

【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 911

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 753

【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: 体验京东云 Serverless+AI 人脸属性识别
下一篇: 干货|浅谈iOS端短视频SDK技术实现
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