为什么Python是最适合初创公司的编程语言?

选自Medium

作者:Gleb Pushkov

京东云开发者社区编译

对于初创公司而言,要在众多编程语言中为公司选择一个正确、合适的语言绝非易事。

如果仅仅是通过语言的受欢迎程度,或是开发者的喜好,哪怕是你的工作伙伴认为的“最优”编程语言来进行选择,都是远远不够的。编程语言的选择,特别是对于初创公司而言,应该是理智、慎重的,并且由您的产品旨在实现的业务目标为导向来进行选择。

为什么语言选择如此重要?

不同的编程语言之间存在着切实的差异。它们用于满足用户不同的需求(例如,PHP主要用于Web开发,C用于低级编程,还有Python,Java和JavaScript等通用语言,它们仍然都有着自己不同的特点)。并且具有不同的语法,每个语法都有可能存在着不同的呈现形式。

如果选择得当,编程语言将帮助您和您的创业公司:

  • 为实现您的想法节省时间和金钱

  • 在必要时易于调整开发团队规模

  • 有效控制产品生产规模,轻松实现新功能

  • 在产品发布后轻松、有效地支持产品

如果在一开始就选择错了语言,那么对于初创公司而言可能从一开始就会遇到与技术相关的问题。例如过度预算,过高估计以及缺乏灵活性来满足市场需求。所有这些都有可能会是在恶劣环境下压垮整个创业公司关键点。

在谈为什么Python是创业公司的最佳编程语言之前,我们还应该回答另一个重要问题。

为什么初创公司如此特别?

初创公司的发展有什么不一样?

网上有很多关于这个主题的信息(我们强烈建议您熟悉精益创业方法),但这里的重点是:

  • 大多数创业公司的预算有限。其中一个最重要的风险是在流程中间缺乏融资。

  • 时间很重要,同时也是与资金挂钩。创业公司需要快速找到合作伙伴和投资者,并选择最佳的成长路径

  • 最后但同样重要的是,初创公司在完全不确定的环境中行事,这就是灵活性至关重要的原因。在测试想法时,公司需要随时准备好面对市场规则的变换。

不论是哪一个行业和领域,对于初创公司是否能取得成功其实都是不确信的。你不知道你的受众是否会欣赏你们的产品,你不知道他们是否会为此付钱。你甚至都不能确定你的的开发团队是否能准时完成任务。

在这种情况下,选择正确的编程语言变得更加重要,因为它可以帮助你缓解一部分风险并在创建过程中节省成本开销。

什么编程语言最适合初创公司?

综上所述,一款适合初创公司的编程语言需要帮助公司实现以下几点:

  • 尽快建立MVP以吸引投资并对所提出的假设进行检验

  • 可轻松实现新功能

  • 可在开发过程中进行快速迭代

  • 可弹性扩展业务

  • 可弹性扩展项目开发团队的规模

  • 最好是可以与其他与产品相关的软件进行集成

  • 在产品发布后可轻松有效地支持产品。

根据以上所有诉求来看,Python通常被认为是初创公司的最佳选择之一。

当然,语言的选择取决于产品的类型和创业者的业务目标。这意味着,尽管Python具有多种功能,但在某些情况下,也许其他的语言会更有效。这不是说Python是否适合某些特定类型产品,只是有时你可以使用其他语言更有效地执行与Python相同的操作(例如,当你需要流媒体服务时)。但是,在多数情况(90%)下,Python依旧是初创公司最适合的编程语言。( 我们在开发产品方面的丰富经验也同样支持这一说法。)

初创公司使用Python的原因

Python已经被广泛使用了30多年,它正在世界各地的开发者社区中获得越来越多的使用者,甚至崇拜者。预测表明,到2020年,它的流量将达到令人吃惊的程度。

这就是为什么这么多人认为Python是业务的最佳编程语言的原因。

1、简单易用

与其他编程语言相比,Python受欢迎的最主要的原因之一就是它直观且易于学习。根据Lifehacker的调查,Python是最受编程入门者喜欢的语言。

2、非常适合构建MVP和原型

快速开发是Python遵循的基本原则之一。它被认为是最高效的语言之一,这在很大程度上要归功于代码效率和代码重用的可能性。由于它简单且有效,因此Python是构建快速而实用的原型以吸引投资者或在产品受众中进行想法测试的不错选择。这是创业公司需要拥有的主要优势之一。

3、经历过时间考验而又具有创新性

Python的历史始于20世纪80年代。这意味着它经历过时间的考验但又不会过时。Python是众所周知的用于实现前沿创意的最具创新性和通用性的编程语言之一,因为它是开源的,因此不断补充新的库和解决方案。

图片来源: jetbrain.com

4、很受欢迎,也很普遍

高人气的直接影响之一是Python在世界上每个国家都有大量的崇拜者。反过来,这意味着很容易找到项目的开发人员,并且他们不会是唯一且不可替代的。

5、有很棒的文档和社区支持

Python经常引起企业主注意的另一个优势是,它拥有全球最棒的技术文档堆栈,并且同时拥有庞大且高度社区支持。这意味着,在面对不同的任务状况时,开发人员不用独自长时间地进行解决方案的尝试与研究,他们可以通过Python以上优点快速找到适用的解决方案。因为对于企业而言:时间就是金钱。

6.它适用于AI,ML和BD

目前,很多公司的项目或者业务都会被要求涉及大量的数据处理。Python是与大数据、机器学习和/或人工智能相关的所有类型开发的完美选择。这是因为它具有用于这些类型任务的强大包(如Panda和NumPy),以及通过API进行数据可视化的广泛可能性。

研究表明它是Python的最佳用途之一。

图片来源: jetbrain.com

7.开源

从Python开源上来看,这就意味着全世界众多的优秀人才在不断地构建这个平台。另一方面,它还意味着,作为一个开源产品,Python可以在任何您喜欢的地方实现,也可以根据特定项目的需要进行修改。增加灵活性的另一件事是可以被开发人员用作交钥匙解决方案的大量库(包)。

8.具有高度可扩展性

如前所述,创业公司需要在为各种类型的变化做好准备的同时,也需要实现公司的快速增长。Python是可伸缩性的最佳编程语言。这一切都源自Python的简单易用:开发人员能够轻松克服各种障碍,在进行项目调整时,无需消耗大量时间在一些流程上。

9.它不需要一个庞大的支持团队

由于Python没有大量的编写代码,因此开发人员可以更高效地进行工作。更重要的是,由于没有大量的代码编写,可以让初创公司拥有一个比使用其他许多编程语言更小的开发团队。这对于创业公司来说,意味着可以减少初期在员工成本上的开支。

框架的选择

为初创公司选择正确的编程语言只是第一步,您接下来需要做的是考虑框架。这一方面,目前市场上有着很多现成的工具和应用模型,可帮助开发人员在更短的时间内以更少精力付出完成工作。
Django就是这样一个通用的选择。

对于Django有这么一种说说法“兼容Django的能力可能是学习Python的最大优势之一”,事实上,很多的公司实践经验完全证实了这一说法。

除了所有Python优势之外,Django旨在简化开发人员的工作并最大限度地缩短开发过程所需的时间。为此,Django追求以下原则:

  • 不要重复自己(DRY:Don't Repeat Yourself),这意味着重用现有代码而不是从头开始编写代码

  • 快速开发,允许一次维护多个迭代

  • 安全也是一个高度优先事项:Django拥有最好的"开箱即用"安全系统之一

  • 它拥有真正高效、精准的技术文档,比任何其他开源框架的都要好,是一个真正可以给予强力支持的社区。

基于Python / Django的产品案例

首先,Google,Instagram,Spotify,Dropbox,华盛顿邮报,Mozilla,NASA等众多知名项目和公司都依赖于使用Django框架用Python编写的代码。

除了巨头以外,也有其他领域的知名公司也选择了Python / Django:

  • PADI Travel:世界上最大的潜水员网络资源,预订平台(旅游指南和社交网络)

  • Festicke:一个搜索音乐节门票的网站,也是世界上最大的音乐社区之一

  • 密码老板:数字钱包和密码管理系统。

  • Hudson:全球招聘公司,已选择Django创建自己的CRM系统

  • Prezi:一种用于创建演示文稿的在线拖放工具。

  • MoneyPark:瑞士第一家针对抵押贷款和保险产品的个性化金融咨询服务提供商

总结

有很多编程语言都有着自己不同的优势。如果说只有一种特定语言值得关注,其实是非常不公平的,如果没有应用场景或者特点,其他语言也就不会存在。

当我们说Python是Web创业的最佳编程语言时,我们的意思是它会给你:

  • 快速发展MVP的可能性,

  • 更好的产品支持,

  • 可扩展性和灵活性,

  • 较高安全性,

  • 时间和金钱方面的效率。

与Django一起使用的Python是我们的团队多年来一直在进行测试的组合。随着每个一个成功使用Python完成的项目,我们清楚地看到它是帮助我们的客户启动他们的创业公司的技术合作伙伴的最佳选择。

???? 原文链接:https://medium.freecodecamp.org/why-i-think-python-is-the-best-programming-language-for-startups-9c8f7d748b3e?from=singlemessage&isappinstalled=0

*文中内容为作者观点,分享给大家参考

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: 干货 | 快速实现数据导入及简单DCS的实现
下一篇: 4月读书月 | 一份为开发者定制的书单
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