干货 | 基于Keepalived实现京东云接入服务组件高可用


     摘         要    

通常,公有云厂商提供的云主机服务可用性不低于99.95%,也就是一台云主机,每月的最大不可用时间是21.92分钟(365.25 * 24 * 60 * (1 - 0.9995) / 12)。对一些要求更高可用性的应用组件(比如Web前端、数据库服务等),通常会采用主备份方式搭建,并通过自动切换主备满足更高的可用性。

京东云提供的高可用组功能,把主服务器(Master Server)和备用服务器(Slave Server)分别部署在不同可用区的不同故障域(故障域是相互隔离的物理资源池),并利用通过Keepalived调用京东云命令行实现公网IP在两台云主机之间自动漂移,缩短故障恢复时间(MTTR, Mean time to recovery),从而提升整个接入服务组件的可用性。


本文包括如下内容:

  • 京东云命令行简介

  • 如何利用高可用组实现云主机反亲和部署

  • 利用Keepalived和京东云命令行实现弹性公网IP漂移

京东云命令行简介

京东云控制台提供浏览器操作界面,同时也提供OpenAPI和命令行。通过命令行,可快速批量创建京东云资源,并避免图形化界面的手工操作错误。

京东云命令行的详细介绍可参考:https://docs.jdcloud.com/cn/cli/introduction。

注意,安装京东云命令行的云主机需要能访问互联网。

下面是当前京东云命令行的版本信息和帮助信息:

 1MacBook:~ user001$ jdc --help
 2usage: jdc [-h] [--debug] [--quiet] [--output {json}] [-v]
 3           {mps,cps,rds,jke,vpc,xdata,mongodb,configure,streambus,ipanti,baseanti,datastar,redis,nc,monitor,iam,disk,cr,streamcomputer,sop,clouddnsservice,vm,oss}
 4           ...
 5
 6        京东云CLI使用方法简介:
 7
 8        1) 配置默认Profile
 9           jdc configure add --access-key your-ak --secret-key your-sk
10           说明:access-key和secret-key可以从京东云控制台申请开通。默认为华北区域。
11
12        2) 配置自动完成,方便输入指令。输入两次TAB键可联想出子命令或参数。
13        ...
14MacBook:~ user001$ jdc --version
150.7.2

在使用命令行之前,需要通过jdc configure配置访问信息。下面是jdc configure add增加配置信息的命令:

1jdc configure add --access-key {ACCESS_KEY} --secret-key {SECRET_KEY} --region-id {REGION_ID} --endpoint {ENDPOIN} --scheme {SCHEME} --profile {PROFILE}

上述命令中每个参数的简要介绍如下:

  • ACCESS_KEY和SECRET_KEY:是从京东云控制台的账户管理, Access Key管理界面获得。

  • REGION_ID:当前京东云提供华北-北京、华东-宿迁、华东-上海和华南-广州四个区域,每个区域对应的Region ID分布是cn-north-1、cn-east-1、cn-east-2和cn-south-1。

    详细信息参:

    https://docs.jdcloud.com/cn/common-declaration/api/introduction

  • ENDPOINT: 命令行操作的服务器URL。在公网环境下使用命令行,endpoint是www.jdcloud-api.com,如果是在京东云服务器通过内网使用命令行时,endpoint是openapi.internal.{region_id}.jdcloud-api.com。其中 {region_id}替换为对应区域的region_id值。

  • SCHEME: 使用命令行时的传输协议,在公网环境使用命令行时scheme是“https",在内网环境时shceme是“http"。

  • PORFILE: 创建的配置名称,可为任意字符串,但配置名称不能相同。

下面是在公网环境下的命令行配置信息,通过该配置,可操作京东云华东-上海区域的云资源:

1MacBook:~ user001$ jdc configure show-current
2================= cn-east-2 ================
3access_key:      XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
4secret_key:      XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
5region_id:      cn-east-2
6endpoint:      www.jdcloud-api.com
7scheme:      https
8timeout:      20

以下是在京东云华东-上海区域云主机上命令行配置,可通过内网操作京东云华东-上海区域的云资源:

1[root@jdcoe-srv016 ~]# jdc configure show-current
2================= cn-east-2 ================
3access_key:      XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
4secret_key:      XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX
5region_id:      cn-east-2
6endpoint:      openapi.internal.cn-east-2.jdcloud-api.com
7scheme:      http
8timeout:      20

如何利用高可用组实现

云主机反亲和部署

京东云云主机通过完善的网络模型实现资源的高效管理和合理分布。下图描述了京东云云主机和网络相关对象的相互关系。

反亲和性是确保一组云主机运行在不同的物理机、不同的机架、不同的机房区域、不同的机房而所定义的主机创建规则。这样,当该云主机组中的一台云主机因为物理原因不可用时,该组的其他云主机还能正常提供服务。

首先京东云的子网可以跨多个可用区,这样一个应用可以根据软件架构层次分为不同的子网,而每个子网的云主机可以跨不同的可用区。此外,通过高可用组特性,可让属于该组的云主机分散到不同可用区的不同故障域(数据中心内相互隔离的物理资源池,可以理解为数据中心内机架组)下,进一步提高了云主机组的整体可用性。下图是基于高可用组jdcoe-nginx-ha创建的4台云主机。这4台云主机都属于子网10.0.1.x,但运行在可用区A和可用区B,而运行在同一可用区的2台云主机,也分别属于不同的故障域1和故障域2。当前京东云每个可用区包含5个故障域。

利用Keepalived和京东云

命令行实现弹性公网IP漂移

部署在公有云上的应用向外提供服务时,通常是通过公有云厂商提供的负载均衡器,并绑定一个公网IP。负载均衡器具有配置简单,弹性伸缩和完善的监控功能,但有时流量分发规则不够灵活,需要在云主机上自建基于Nginx或者HAProxy的负载均衡服务,此时如何提高自建负载均衡服务的可用性就成为新的问题。本节将介绍如何利用Keepalived和京东云命令行实现弹性公网IP在主服务器和备服务器之间的自动漂移,提高自建负载均衡服务的可用性。

本节用到两台云主机,并安装Nginx作为负载均衡器,通过修改Nginx的 /usr/share/nginx/html/index.html文件内容区分主服务器和备服务器。具体配置信息如下:

此外,申请一个公网IP,IP地址为114.67.95.123,通过京东云控制台可获得该公网IP的内部ID是fip-b6f37survq(该ID将在后续master.sh脚本中使用)。正常情况下该IP是绑定在主服务器云主机上,并通过公网IP向外提供服务。

1MacBook:~ user001$ curl http://114.67.95.123 
2<h1>Master Server</h1>

1

配置云主机京东云命令行

首先在云主机10.0.1.18和10.0.1.19上安装京东云命令行,并完成命令行配置。其中ACCESS_KEY和SECRET_KEY替换成相应的值。

1jdc configure add --access-key {ACCESS_KEY} --secret-key {SECRET_KEY} --region-id     cn-east-2 --endpoint openapi.internal.cn-east-2.jdcloud-api.com --scheme http --profile cn-east-2

在京东云命令行配置成功后,可在云主机上执行如下命令,能查看云主机信息。

1[root@jdcoe-nginx-master ~]# jdc vm describe-instance  --instance-id i-bszab8pxg0
2{
3    "error": null, 
4    "result": {
5     ...
6     }
7 }

2

安装keepalived服务

在主、备负载均衡云主机上安装和配置keepalived服务,命令如下:

 1#安装keepalived软件包 
 2yum install keepalived -y
 3#配置keepalived服务为自动启动
 4chkconfig keepalived on
 5#启动keepalived服务
 6service keepalived start
 7#查看服务状态
 8service keepalived status
 9#查看keepalvied版本信息
10yum info keepalived
11...
12Installed Packages
13Name        : keepalived
14Arch        : x86_64
15Version     : 1.3.5

3

配置keepalived服务,实现公网IP自动漂移

配置主服务器Keepalimatchved

match

Keepalived服务的配置文件是 /etc/keepalived/keepalived.conf。主服务器10.0.1.18的配置文件内容如下:

 1vrrp_script chk_nginx
 2{
 3#检查nginx服务是否存在
 4  script “pidof nginx”
 5  interval 2
 6}
 7
 8vrrp_instance VI_1
 9{
10  debug 2
11  interface eth0 # interface to monitor
12
13  state MASTER
14  virtual_router_id 1 # Assign one ID for this route
15  priority 101 # 101 on master, 100 on backup
16  unicast_src_ip 10.0.1.18 # My IP
17  unicast_peer
18  {
19    10.0.1.19 # peer IP
20  }
21
22  track_script
23  {
24    chk_nginx
25  }
26  notify_master /etc/keepalived/master.sh
27}

同时,在主服务器下创建/etc/keepalived/master.sh,该文件的内容为如下:

 1[root@jdcoe-nginx-master ~]# ls -al /etc/keepalived/master.sh 
 2-rwxr-xr-x 1 root root 305 Dec  3 23:27 /etc/keepalived/master.sh
 3[root@jdcoe-nginx-master ~]# cat  /etc/keepalived/master.sh 
 4#!/bin/bash
 5
 6EIP_ID=fip-b6f37survq # Elastic IP to be associated
 7MASTER_INSTANCE_ID=i-bszab8pxg0
 8SLAVE_INSTANCE_ID=i-pi9w6jp716
 9
10jdc vm disassociate-elastic-ip --instance-id $SLAVE_INSTANCE_ID --elastic-ip-id $EIP_ID
11
12jdc vm associate-elastic-ip --instance-id $MASTER_INSTANCE_ID --elastic-ip-id $EIP_ID

运行master.sh,能看到如下信息。因为当前公网IP已经和主服务器绑定,所以解绑备云主机和再绑定主云主机失败,输出结果证明该脚本没有错误。

 1[root@jdcoe-nginx-master ~]# /etc/keepalived/master.sh
 2{
 3    "error": {
 4        "status": "FAILED_PRECONDITION", 
 5        "message": "Elastic ip isn't associated to this instance's primary network interface", 
 6        "code": 400
 7    }, 
 8    "result": null, 
 9    "request_id": "bg2kogiib9wh962u5d7uhp2e4w3s101g"
10}
11{
12    "error": {
13        "status": "FAILED_PRECONDITION", 
14        "message": "ElasticIp 114.67.95.123 already in use", 
15        "code": 400
16    }, 
17    "result": null, 
18    "request_id": "bg2kogwrpct3kjqp7id40m4sq2a2bhn0"
19}

配置备服务器keepalived

备服务器10.0.1.19的配置文件内容如下:

 1vrrp_script chk_nginx
 2{
 3#检查nginx服务是否存在
 4  script “pidof nginx”
 5  interval 2
 6}
 7
 8vrrp_instance VI_1
 9{
10  debug 2
11  interface eth0 # interface to monitor
12
13  state BACKUP
14  virtual_router_id 1 # Assign one ID for this route
15  priority 100 # 101 on master, 100 on backup
16  unicast_src_ip 10.0.1.19 # My IP
17  unicast_peer
18  {
19    10.0.1.18 # peer IP
20  }
21
22  track_script
23  {
24    chk_nginx
25  }
26  notify_master /etc/keepalived/master.sh
27}

同时,在备服务器下创建/etc/keepalived/master.sh,该文件的内容为如下:

 1[root@jdcoe-nginx-slave ~]# ls -al /etc/keepalived/master.sh 
 2-rwxr-xr-x 1 root root 306 Dec  3 23:37 /etc/keepalived/master.sh
 3[root@jdcoe-nginx-slave ~]# cat  /etc/keepalived/master.sh 
 4#!/bin/bash
 5
 6EIP_ID=fip-b6f37survq # Elastic IP to be associated
 7
 8MASTER_INSTANCE_ID=i-bszab8pxg0
 9SLAVE_INSTANCE_ID=i-pi9w6jp716
10
11jdc vm disassociate-elastic-ip --instance-id $MASTER_INSTANCE_ID --elastic-ip-id $EIP_ID
12
13jdc vm associate-elastic-ip --instance-id $SLAVE_INSTANCE_ID --elastic-ip-id $EIP_ID

运行master.sh,能看到如下信息。表示首先成功解绑公网IP和主服务器,再成功绑定公网IP和备服务器。

 1[root@jdcoe-nginx-slave ~]# /etc/keepalived/master.sh
 2{
 3    "error": null, 
 4    "result": null, 
 5    "request_id": "bg2kuinedrw632wkop847ffpatk643t1"
 6}
 7{
 8    "error": null, 
 9    "result": null, 
10    "request_id": "bg2kuivfc95aiaitu32e6c2s8tftbawt"
11}

测试公网IP在主备服务器之间自动漂移

在修改完主、备服务器的keepalived配置后,需要重新启动keepalived服务。当前主负载均衡提供服务:

1MacBook:~ user001$ curl 114.67.95.123
2<h1>Master Server</h1>

运行如下命令停止主服务器:

1MacBook:~ user001$ jdc vm stop-instance --instance-id i-bszab8pxg0
2{
3    "error": null, 
4    "result": null, 
5    "request_id": "bg2m30sdcctb5pobicmegnap9ebw3nn9"
6}

重新执行如下命令,发现已切换为备服务器提供服务:

1MacBook:~ user001$ curl 114.67.95.123
2<h1>Slave Server</h1>

重新启动主服务器,过几秒后检查,将发现主服务器重新提供服务,表示公网IP已重新从备服务器自动绑定到主服务器:

 1MacBook:~ user001$ jdc vm start-instance --instance-id i-bszab8pxg0
 2{
 3    "error": null, 
 4    "result": null, 
 5    "request_id": "bg2m3vf2qt48hunj61i3k3pkhqmi34d7"
 6}
 7MacBook:~ user001$ curl 114.67.95.123
 8...
 9MacBook:~ user001$ curl 114.67.95.123
10<h1>Slave Server</h1>
11MacBook:~ user001$ curl 114.67.95.123
12<h1>Master Server</h1>

也可以执行如下命令" while true; do curl http://114.67.95.123; sleep 2; done" 命令检查公网IP自动漂移功能。在命令执行过程中先后停止和启动主服务器,可看到公网IP将自动漂移,在漂移期间会报一两次网络连接错误,但也大大缩短了故障修复时间。

 1MacBook:~ user001$ while true; do curl http://114.67.95.123; sleep 2; done
 2<h1>Master Server</h1>
 3<h1>Master Server</h1>
 4<h1>Master Server</h1>
 5<h1>Master Server</h1>
 6<h1>Master Server</h1>
 7<h1>Master Server</h1>
 8<h1>Master Server</h1>
 9<h1>Master Server</h1>
10<h1>Master Server</h1>
11<h1>Master Server</h1>
12<h1>Master Server</h1>
13<h1>Master Server</h1>
14<h1>Master Server</h1>
15<h1>Master Server</h1>
16<h1>Master Server</h1>
17curl: (56) Recv failure: Connection reset by peer
18curl: (7) Failed to connect to 114.67.95.123 port 80: Connection refused
19<h1>Slave Server</h1>
20<h1>Slave Server</h1>
21<h1>Slave Server</h1>
22<h1>Slave Server</h1>
23<h1>Slave Server</h1>
24<h1>Slave Server</h1>
25<h1>Slave Server</h1>
26<h1>Slave Server</h1>
27<h1>Slave Server</h1>
28<h1>Slave Server</h1>
29<h1>Slave Server</h1>
30<h1>Slave Server</h1>
31<h1>Slave Server</h1>
32<h1>Slave Server</h1>
33<h1>Slave Server</h1>
34<h1>Slave Server</h1>
35<h1>Slave Server</h1>
36<h1>Slave Server</h1>
37curl: (55) getpeername() failed with errno 22: Invalid argument
38<h1>Master Server</h1>
39<h1>Master Server</h1>
40<h1>Master Server</h1>
41<h1>Master Server</h1>
42<h1>Master Server</h1>

总结:

本文介绍了京东云公网IP如何在两台云主机自动漂移的功能,对于很多在上云前就依赖Nginx或者HAProxy进行负载流量分发的应用来说,一方面快速实现上云,同时也提高了应用的整体可用性。后续文章将介绍如何利用Keepalived实现一个内网IP在两台云主机之间自动漂移,提高应用内部组件(比如数据库组件、内部API网关组件)的高可用。


每一次分享,都是在为你想要的世界投票▼

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: 产品发布 | 京东云发布地域级高可用Kubernetes集群服务
下一篇: 干货 | 基于Keepalived实现京东云内网服务组件高可用
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 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