识人、识货、识场—— 这就是智能零售该有的样子

过去的20年,“网购”逐渐改变了人们的消费习惯,颠覆了商业的交互方式,也倒逼着实体零售在线下往更精细的“服务”和“运营”方向杀出一条生存之道。在这条路上,互联网、物联网、人工智能、AR等技术都在积蓄着能量,试图打造一个智能化的新零售商业模式。

智能的零售,该是什么样子?

它应当为每一位到店的消费者,量身定制专属的个性化服务;

它应当在我们拿起一款商品时,推送商品详情、价格、评价、优惠券等信息,给予消费者犹如线上购物一样的体验;

它应该能够感知我们的消费习惯,预测消费趋势,引导商家的生产和供货;

它也应当能实时记录客流在店铺内的行动路线,在货架前的每一次停留,与商品的每一次互动,帮助商家改善店内陈设及商品的摆放策略,提高销售转化率;

这些,或许就是智能零售该有的样子——重塑人们的购物体验,帮助线下门店实现智能化、可视化管理、拉新引流、降本增效。

面向零售全场景的智能物联中台

在智能零售时代,技术会越来越成为门店的核心竞争力之一,驱动门店不断升级。随着零售行业数字化不断深入,新设备和新应用大量涌现,但它们之间往往较为独立,彼此的系统比较割裂。而数据难以打通、设备难以集中管理、应用价值难以更好挖掘等难题,直接导致了门店部署复杂,消费者体验提升有限等难题。

物联网的出现有望改变这一难题。物联网技术与门店基础设施相结合,从采购商品到维护仓库再到销售商品,均可为客户提供更好的体验。不仅可以最大限度地帮助零售商降低成本和失误,还可以为客户提供更简单的沉浸式购物体验。

京东智联云基于京东在零售领域与物联网领域的技术积淀,面向零售全场景推出了京东星链零售物联平台。通过物联网的手段,结合智能感知、识别技术,从终端、应用、数据三个方面着手,构建统一的接入标准、统一的数据链路、统一的互动体验,将线下的商品信息无限延展,突破实体空间和库存限制,多维度打通零售场景数据,帮助线下门店实现智能化、可视化管理。

百万级高并发设备接入 构建统一的接入标准

在零售场景下的物联能力建设中,京东星链零售物联平台解决了线下零售行业设备标准混乱、设备管理后台分散、设备数据缺失孤立等痛点,为数字化门店运营者、设备厂商、设备开发者提供具备统一标准的、灵活的、安全可靠的设备连接通信能力、设备智能化管理、远程监控能力,以及设备数据灵活流转能力。

终端设备可以使用物联网平台,通过IoT Hub与云端进行双向通信。平台提供了设备与云端的上下行通道,为设备上报与指令下发提供稳定可靠的支撑。边缘计算能力允许在最靠近设备的地方构建边缘计算节点,过滤清洗设备数据,并将处理后的数据上传至云平台。

设备接入方式有两种:

1.设备直连

直连型的设备又分为普通设备、网关及边缘智能中心。其中网关接入通过HTTP协议接入,边缘智能中心及普通设备主要通过采用物联网场景下广泛应用的MQTT协议接入零售物联网平台。平台支持WIFI、蜂窝网、以太网等多种通信方式设备的接入。

2.云端接入

设备厂商云端对接,京东星链零售物联平台也支持和设备厂商的云端连接。平台也提供云端 API 及标准化SDK供开发者接入,可实现通过云端对设备管控以及上下行消息通信。

MQTT 的好处是开放、轻量、高并发、适应不稳定网络环境,这使得平台具备百万级高并发的设备接入能力、毫秒级响应速率及秒级实时计算能力,为连接远程设备和数据传输提供实时可靠的消息服务,解决复杂的零售场景下变幻莫测的环境问题。

重庆家电超级店通过京东星链零售物联平台的MQTT协议,连接包括云货架、互动货架、京东慧眼、电子价签等多种设备,保证数据的实时通信,实现了连接标准化和业务数据统一。原来的云货架、互动货架、电子价签等设备采用各自厂商私有的连接标准,使得设备管理操作较为复杂,在复杂的环境下受到网络环境影响较大。通过连接标准化和业务数据统一,重庆家电超级店在整个线下家电行业实现了电子价签设备使用量第一,在大型商场复杂的网络环境下,经受住11.11线上千万级SKU同时变价造成的高并发数据交换,打破了多个行业记录,为超级体验店的用户呈上线上线下一体化的购物体验。

京东零售体系赋能 智能识人、识货、识场

京东智联云API网关致力于提供安全、稳定、高效、便捷的流控服务。目前拥有丰富的产品功能不仅能帮助用户进行快速开发与迭代,还能协助用户将业务能力进行暴露,助力企业服务快速上云。

京东星链零售物联平台不仅具备专业的设备连接能力,同时也承载了京东零售强大的基因,将京东零售体系的商品能力、交易能力、营销能力、供应链能力进行串联,为线下零售门店运营人员提供专业的商品投放、广告投放、优惠券投放等工具,并结合行人检测、商品识别、货架识别等技术,对终端设备采集的原始数据进行分析聚合,实现识人、识货、识场,为线下零售门店运营人员提供客流数据、热力动线、交易转化、复购率、连带率等支持经营决策的数据依据。

结合线下门店的零售场景,平台为商家提供了智能导购、智能营销、智能分析、智能管理四类场景方案,包含互动货架、云货架、电子标签、大屏互动游戏、电子易拉宝、慧眼、门店立体空间热力监控等多种工具和产品。

智能导购

传统线下门店中都会设有导购员,向消费者提供面对面沟通商品、价格等服务,但导购员对产品知识的学习水平参差不齐,常常难以正确客观解答顾客问题,无法提供统一的标准化服务。

如果商品能够自己“说话”就能解决这个难题,互动货架可以提供智能化导购服务,通过感知顾客购物行为,对拿起的商品进行信息补充,打通京东主站数据,对商品价格、商品详情、商品评价、商品优惠券等内容进行聚合,刺激顾客进行购买决策。

依托特殊重力感应到互动货架,能智能感应商品是否被拿起以及统计被拿起的频次,并据此评判商品的热门程度,将其采集到后台之中,通过大数据分析为门店提供更合理的产品陈列建议。

云货架通过京东平台海量线上商品数据对线下门店进行数字化升级,对热销、新品进行智能推荐,用户可进行商品搜索、商品详情信息查看、扫码下单等自助操作,提升销售转化,解除线下门店品类限制,提升坪效。

电子价签可以取代传统的纸质价签,实现一键变价,实时促销,缺货提醒,辅助商品陈列管理。

智能营销

以前,线下门店在做促销时,通常需要将各种促销信息打印出来,在店内、店外张贴,不仅造成纸张的浪费,也无法实现很快的更新展示。通过应用电子易拉宝,商家可以在广告配置后台实现广告内容的快速投放和切换,将广告促销信息第一时间触达消费者,节约传统纸质广告的投放成本,提高营销运营效率。

大屏互动游戏更可以通过趣味游戏,活动抽奖等方式聚集客流,用于门店门口或大型促销活动的现场。享受游戏乐趣同时还能获得优惠券和实物奖品,从而引导消费者入店消费。可为商家拉新沉淀会员,提高转化率。

在门店门口部署慧眼,可以通过人脸识别算法,吸引店前人流驻足,统计显示对应的数据维度信息。基于人脸标签推荐相关商品显示店内优惠。实时同时检测多张人脸,对检测到的人脸提供个性化标签显示。支持人脸相关的数据展示:性别、年龄、停留时间、扫脸次数。

智能分析

门店立体空间热力监控关联顾客属性、行为与商品信息,进行实时的店内智能监控分析,生成全场立体热力图与顾客逛店路线图,同时还具有良好的互动体验。

平台通过云货架、互动货架、电子价签、智能摄像头等智能终端数十万台,深度融合超过1000种技术与应用,沉淀出8大应用解决方案,覆盖30+零售业态,为线下数万个门店和品牌提供技术服务。如今,京东星链零售物联平台已成为作为京东多个网红店的“幕后推手”。

作为星链平台最紧密的合作伙伴,京东之家已经在260多家门店部署了星链方案,包括智能分析方案、智能管理方案、智能营销方案等,部署的设备有客流摄像头、电子价签、云货架、互动货架、京东慧眼等,实现了从客流、用户画像、到拉新引流、会员营销的门店全链路数字化的品牌。

2019年10月开业的长沙希箭卫浴店是星链平台支持的第一个全渠道数字化方案,真正实现了线上线下一盘货,线下下单线上配送的业务模式。京东星链零售物联平台以全景云货架、京东慧眼、客流分析等科技手段对希箭门店进行全面数字化改造,在提升顾客体验、增加驻店时长的同时,通过智能摄像头采集顾客行为来帮助门店分析店用户画像、成交量、转化率等数据,为门店提供经营分析的决策依据,借助京东星链零售物联平台的数据系统帮助希箭卫浴将线下与线上的用户数据打通,从而能对用户进行精准画像,有效提升了门店运营效率。

目前,疫情抗战虽然依然严峻,但各个行业已经开始按下重启键,零售行业的线下门店也逐渐恢复营业,京东星链零售物联平台在原有智能门店解决方案的基础上增加体温检测、智能机器人等新模块,帮助线下门店满足防疫需求,迅速聚拢人气,恢复市场信心。

如有门店需要提供完整方案赋能支持可访问以下链接:http://xinglian.jd.com/web/home

点击【阅读】,了解更多相关信息

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 65

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 229

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 318

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 381

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 323

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 564

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 616

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 386

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: 京东智能供应链平台应急场景实践
下一篇: 在线公开课 | 基于口罩识别模型,探索机器学习自动化的技术应用
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