京东智能供应链平台应急场景实践

5G 、数据中心、人工智能等信息科技对今天的人们来说并不陌生。以这些技术为载体的新基建是经济高质量发展的“数字底座”,它更大的价值在于承载众多新模式、新业态、新服务。从自身平台属性出发,京东对新基建的理解可谓见微知著。在京东看来,新基建的核心要素是以5G网络、大数据中心、人工智能等为载体,是让数字信息技术和实体经济充分融合,不仅成为一种影响每个人的生活方式,也成为一种重塑供应链、物流效率的生产方式。

2020一场突发疫情,打乱了人们的生活和城市的节奏;也将我们再一次拉回到企业如何应对危机事件的课题中。

突发公共事件下的应急管理体系涉及预防、监测预警、救治救援、物资保障、事后恢复等多方面工作,具有整体性、系统性、协同性都很强的特点。数字化、网络化、智能化发展是健全应急管理体系的迫切需要,也是推进治理体系和治理能力现代化的重要支撑。

京东智能供应链所具备的出色柔性、弹性,以及智能物流的扎实布局,在抗击疫情中彰显出了显著优势。接下来让我们一起来回顾一下京东智能供应链平台在抗“疫”场景下的实践与应用。

京东智能供应链平台抗“疫”场景的实践

— 京东云与AI人工智能平台部高级产品经理 周澍 —

京东智能供应链的发展

京东于2004年正式涉足电商领域,业务已涉及零售、数字科技、物流、技术服务、健康、保险、物流地产、云计算、AI等领域并覆盖了海外市场,其中核心业务为零售、数字科技、物流、技术服务四大板块。京东零售集团坚持“以信赖为基础、以客户为中心的价值创造”的经营理念,持续创新,不断为用户和合作伙伴创造价值。截至目前,京东零售集团拥有3亿多活跃用户,致力于在不同的消费场景和连接终端上,通过强大的供应链、数据、技术以及营销能力,在正确的时间、正确的地点为客户提供最适合他们的产品和服务。

全品类的服务对供应链管理的弹性和复杂性都有非常高的要求,因此,京东也是在中小件、大件、冷链、B2B、跨境和众包六大物流网络的供应链企业,同时结合云与AI的能力,也是在整体数字化、智能化的方向上一直在快速发展。通过不断将大数据、云计算、智能设备等技术和产品应用于六大物流网络,京东物流正在打造一个从产品销量分析预测,到入库出库、再到运输配送各个环节无所不包,综合效率最优、依靠科学算法的智能供应链服务系统。也正是依靠智能化供应链管理进行辅助,我们在全国范围内拥有超过700个大型仓库,运营了25个大型智能物流中心“亚洲一号”,仓储设施面积超过1690万平方米,已经实现大件和中小件中国大陆行政区县全覆盖,自营配送服务覆盖全国99%的人口,90%以上的订单24小时送达,将物流成本(对比社会化物流)降低50%以上,流通效率(对比社会化流通)提升70%以上。

京东智能供应链已为合作伙伴和入驻商家提供了非常相当具有竞争力的经济效益。例如,很多的KA企业在与京东联合销售预测项目,尤其对于企业商品在京东618与11.11这两个关键节点有显著的帮助,预测准确率从商家原本的45%提升到85%,甚至一些头部企业可以到90%以上;线上有货率从73%提升到95%;供应速度从过去的5-8天缩短到2-3天。

智能供应链国家新一代人工智能开放创新平台

智能供应链国家新一代人工智能开放创新平台以构建全新的“智能供应链生态系统”理念为指导,以分层的思想进行设计,从基础资源、能力支撑、应用生态三个层面进行平台架构设计,形成“三三三”总体框架,即,

  • 聚焦三大基础资源:算力、数据、算法;
  • 集成三大核心能力:工具、服务、组间;
  • 面向三大应用场景:生产、流通、消费。

在 “三三三” 整体框架下,平台建设内容不仅涵基础资源和设施,同时包括了京东积累多年的供应链系统开发经验、高效可靠的开发组件,丰富的人工智能算法库及定制化模型工具服务等。同时,依托生态创新理念,京东吸引和鼓励科技企业在组件化模块化工具基础上围绕平台构建丰富的场景应用,覆盖供应链全流程的核心环节,实现信息流、物流、资金流多流合一的目的,助力供应链相关企业实现智能化转型及业务创新,全面提升供应链效率水平。

赋能三大应用场景,促进智能供应链的生态繁荣

基于基础资源和核心能力,智能供应链平台将为现代供应链三大应用场景(生产、流通、消费)赋予三类智慧(可视化、可感知、可调节)。其中,物联网是现代供应链可视化的最佳解决方案,物物相连,将实物数据化、信息化和网络化,实现对物品的智能化识别、定位、跟踪、监控和管理,可以构建信息流与实物流之间的紧密对应关系,透过物联网看到真实供应链;人工智能是供应链可感知的最佳解决方案,因为人工智能提供了大数据决策、云计算服务和机器学习算法,让我们能够感知供应链上的规律与变化;区块链则是现代供应链可调节的最佳解决方案,去中心化的智能合约解决了供应链的刚性约束,让合作方快速建立信任,无需浪费时间进行低效博弈,引导合作方之间将更多的精力花费在如何与其它供应链比拼成本和效率,为最终客户提供最优的产品和服务上,从而让现代供应链具备了动态调节能力。三类智慧(可视化、可感知、可调节)的创新应用完整覆盖了供应链上下游,从原材料的采购到产品的创意选择、设计、研发、生产、定价、选品、库存管理、仓储策略与配送优化,再到商品的营销、交易和售后服务。如下图所示:

1 智能生产

供应链的概念是从扩大生产概念发展来的,而生产环节则是供应链概念的核心。在智能生产领域,主要围绕客户及市场需求,通过互联网数字化信息技术及商业模式的变革来实现生产环节的价值再造。

京东智能供应链平台提供模块化服务,实现创意、设计、研发、制造、定价五类场景的智能化。以标准化模块为基础,以应变型模块来响应复杂的定制化、个性化需求,从而确定适用型的智能生产模块。

1)创意

依托网络化和数字化的资源优势,与全球的创意机构和个人进行互动,形成用户需求与全球资源的高效对接,通过人工智能与大数据技术,有效利用消费者的行为和喜好数据,搭建消费者喜好趋势模型,让短时间内生产出高质量的创意成为可能,由此设计产品,并以“互联网+预订”形式进行生产与销售。

2)制造

目前人工智能在制造领域的应用主要有视觉缺陷检测、机器人视觉定位、故障预测及工业机器人。通过计算机视觉技术,可以取代传统制造环节原有的大量人工成本投入,机器学习技术则完全可以让人力从低附加值的重复性工作中解放出来,同时有效保障制造流程的输出和质量。

3)定价

AI助力智能定价,在获取、分析、利用产品相关海量数据的基础上,给出在不同时间的价格动态调整建议。大多数企业往往是根据经验进行调整,很大程度上是无法保证定价策略的最优化和稳定性。利用深度学习技术,结合商品销量数据,可以给到商家定价建议,帮助商家做出最优的定价策略。

2 智能流通

在智能流通方面,通过人工智能技术为供应链流通助力,京东智能供应链平台能够实现预测采购、协调仓储、优化配送和智能供应链金融四类智能化。

1)采购

运营采购的日常工作中,20%的时间在处理采购订单,80%的时间在和计划管理、供应商和物流商沟通协调发货安排。随着人工智能的发展,销量预测的准确性不断提高,智能自动化的变革开始向采购侧传递,对传统采购人员的计划管理、供应商筛选、商务谈判等流程能够进行提效及替代。在未来10-15年,高频采购交易将会大规模被自动化替代,同时依托人工智能的推荐方案,采购决策的效率和合理性将大幅提升。

2)仓储

智能仓储系统能够对仓库中的到货检验、入库、出库、调拨、移库移位、库存盘点等各个作业环节的数据进行自动化采集,从而保证仓库管理各个环节数据输入的速度和准确性。智能仓储支持全国无人仓每日800w数据量的流式加工处理和数据建模,由于采用成熟的HDFS分布式存储框架和Spark分布式计算框架,以Kafka作为消息和数据管道系统,具有很大的柔性,资源可以根据数据规模和计算规模横向拓展应对不断增长的数据和计算需求。

3)供应链金融

主要是打造企业、个人的风控模型依托生物识别技术,核对操作者信息,确认身份。通过标示用户的各种特征,我们能进行多维度识别网络攻击行为、机器人行为,甚至模拟用户真实操作等异常行为。

零售行业的海量数据信息流通,为大数据和算法模型搭建了良好的融合助力基础,机器学习技术在供应链金融领域的应用,可以更加有效地挖掘数据价值,助力零售行业的多边市场繁荣。

3 智能消费

消费环节是供应链的驱动源头,将消费场景与人工智能技术结合,京东智能供应链平台能够实现三类智能化:精准营销、智能交易、售后服务智能化。

1)营销

无论线上或线下,精准营销都需要对市场进行深入的分析,市场分析的结论很大程度上决定了营销的方向。AI在零售市场分析主要是从人、货、场、时间四个维度进行分析,让零售行业从人找货,变为货找人,利用机器学习和用户洞察能力,可将商品的推荐进行得更为精准。

2)售后

售后环节中,货款和货物的逆向流程是最考验线上线下协同能力的方面,也是对供应链能力要求度最高的地方,而且如果整个流程处理不当,不仅会损害消费者的权益,也会造成企业负担的增加。针对整个流程的AI赋能,京东智能供应链平台通过有效解决多节点业务痛点,打造并输出智能化售后解决方案,京东智能供应链平台的主要实践点也是智能客服和机器人外呼回访。

抗“疫”场景实践

1 技术驱动,创新抗疫新模式

运用技术能力为抗疫保驾护航,是京东此次抗疫援助的一大发力点。1月29日,京东云与AI事业部推出应急资源信息发布平台、智能疫情助理、云视频会议服务、线上课堂与编程课程等多项免费产品服务,助力企业公众抗击疫情;从2月1日开始,协助政府搭建起“疫情人群分析系统”,用大数据和人工智能预判疫情高危人群分布等;同期,京东也推出了推出智能外呼机器人、疫情问询机器人、京东良研问卷小程序等社区智能防疫产品……

数据显示,京东在全国各地落地应急资源信息发布平台,上线半个多月时间即帮助湖北、武汉及其他疫情波及地区供应医疗类、消毒类、生活类等各类救援物资超过6.6亿件,其中药品超过4亿盒、口罩达1.5亿只。

2 应急资源信息发布平台

京东作为商品主要交易通道,汇聚了众多卫生供应链资源,在疫情暴发期间第一时间整合技术资源与供应商资源,推出“应急资源信息发布平台”,致力于帮助政府和医疗机构实现物资供求信息的精准对接,快速联动供应链各环节,提升整体供应链效率,缓解疫情压力。“应急资源信息发布平台”向政府、企业、公益组织免费开放,可以通过手机微信扫描二维码打开小程序,点击登录注册,待认证审核通过,便可使用平台相应功能。如有信息发布需求,可根据“物资需求”或“物资资源”页面提示,依次填写资源类型、应急物资品种、应急物资数量、合作地区信息等资料,平台便可利用AI技术进行智能搜索匹配,从而促成需求方和提供方的应急沟通。应急资源信息发布平台,作为国家新一代人工智能开放创新平台的重要组成部分,所构建的智能供应链产业生态,不仅可以提升产业资源配置能力、协同能力及服务支撑能力,还能让需求方便捷享受“好产品”“好价格”“好服务”“好体验”,在遏制疫情蔓延的同时,也不断探索社会力量参与疫情防控的新路径。

3“智能无接触式服务”应用

“京东智能温感筛查系统”和口罩识别技术,作为员工安全的一道屏障,形成了一套复工解决方案,全力保障广大员工的安全。目前国内很多城市迎来了复工潮,在确保疫情防控到位的前提下,如何实现安全平稳有序开工,尽快恢复正常生产,成为每个企业将要面临的考验。2月24日,研发团队开放了一套口罩识别算法,实时检测人群口罩佩戴情况,识别准确率超过99.5%,切实做好防疫监督,全力保障员工安全复工。

目前,我们也免费开放口罩识别技术,可通过京东人工智能开放平台NeuHub(http://ai.jd.com)上免费调用。通过API接口方式低成本标准化对接,可快速应用于社区、企事业单位楼宇、医疗机构以及其他公共场所等地,实现对人员口罩佩戴情况的实时检测,并协助管理人员现场管理,极大地提升了防控效率,保障了员工的安全。

点击【阅读】可获取更多课程视频哦~

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 61

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 228

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 317

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 379

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 322

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 407

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 563

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 615

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 385

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 470

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 596

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 631

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 720

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 675

【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 909

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: HackerEarth 2020开发者调查最新结果出炉、WWDC全球开发者大会来袭
下一篇: 识人、识货、识场—— 这就是智能零售该有的样子
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