618 Tech Talk|400%存储容量增长背后的成长之路

云妹导读:

2020 年的京东 618 大促期间,京东智联云对象存储容量新增同比增长400%,流量同比上涨200%,对象存储服务稳定,完美完成了大促重保任务,为此次京东 618 大促累计下单金额超2692亿元的新纪录提供了坚实的保障。

“我的系统现在运行的挺好的,迁移到云上需要花费一定的人力还会带来一定的风险,我为什么要迁移到云上面呢?”

这是京东在推动集团各个业务“上云”时总会被问到的一个问题。相信,这也是很多企业在选择业务迁移“上云”时不断问自己的一个问题。

经过17年的发展,京东618不断跨上一个个新的台阶,而海量用户的浏览和海量订单的产生和交付,对后端的支撑系统提出了极高的要求。京东智联云作为作为支撑京东618的重要技术中台,要面临数百亿访问流量、每秒数百万次的高并发请求,以及数十亿的实时消息推送,保证全天核心服务不降级、无重大事故,这一切都对京东智联云带来了极大的挑战。

对象存储作为京东智联云重要的产品之一,在这次618中也起到了及其重要的作用。作为在线服务,京东智联云对象存储不仅为视频、直播等重要数据等存储和下载提供服务支持,同时也为离线计算平台提供存储支持,可以说是京东618大促的核心依赖,对象存储的稳定性极大的影响了顾客618“买买买”的体验,必须保证万无一失。

 

资源弹性伸缩

弹性伸缩的核心需求是在资源池里面有足够的资源来满足业务的增长,在传统IDC时代,客户都会规划好业务的最大增量,留下足够的buffer资源来应对它,三倍的业务增长至少需要预留200%的buffer。

云上的对象存储是一个多租户系统,弹性伸缩本质上做的事情就是把多个用户的buffer统一的管理起来,然后按需分配给需要的客户。

在传统的IDC时代,京东视频存储在内部的分布式存储系统中,每次大促都需要提前两个多月开始备战。

下面是一个使用传统IDC时代618前夕准备的Checklist:

但在使用对象存储之后,基于对象存储弹性扩展到特性,整个备战过程变得非常简单:

成本降低

很多企业在把本地到存储迁移到云上之后,都会感叹一件事情,在排除运维相关的人力成本之外,使用云还是比自己维护一套存储系统成本更低。接下来我们来看看为什么使用云上对象存储时客户的成本会降低?

架构优化提高资源利用率

首先,在使用云对象存储系统之前,很多用户使用类似Ceph之类的系统来存储自己的数据,这类系统有一个问题就是,如果整体使用率超过了80%可能会导致部分的写入失败或者写入性能降低,在实际维护的过程中,需要维护较低的水位线。

云对象存储系统基于自研存储系统,在整体使用率接近95%的时候还能保证写入的可用性和性能。

更合理的机型降低物理存储成本

在传统的IDC时代,业务自己维护自己的存储系统,由于本身存储需求相对不大,存储成本在整体成本中占比较小,一般不大会有太大的动力去优化存储的成本,以下几个情况会非常常见:

  1. 使用低密度服务器,由于存储规模不足,为了保证可靠性,必须使用更多的节点,这样每个节点的存储量就会很低

  2. 使用老旧的服务器,同样由于规模的原因,很长时间都没有扩容的需求,也就无需采购新的服务器,导致整体物理成本偏高

  3. 由于规模的原因,没有动力去使用新技术/新硬件

和私有的存储不同,对象存储是一个快速发展的,大规模的存储系统,5%的成本降低就能带来非常可观的收益,因此我们做了很多工作来降低成本。比如采用更合理的存储机类型,根据客户自己业务的特点,定制更合理的机型。

较低的闲置率

在使用云对象存储系统之前,为了应对一些日常的促销等,私有的存储系统必须要维持足够的Buffer,要应对一倍的流量突增必须维护一倍的Buffer,这决定了整个集群的空闲率超过50%。

云上的对象存储是一个多租户的系统,多个租户会共用一个资源池子,由于多个租户涉及到不同的行业,业务高峰冲突的概率较小,对象存储系统不需要为每个用户留足够的Buffer,假设最多10%的业务在同一时间流量业务增长一倍,对象存储系统只需要维护10%的buffer就可以满足需求,较大的降低了闲置率。

IO资源复用

IO资源更细的划分的话,会包括存储/IOPS/带宽三个维度,每块磁盘的存储/IOPS/带宽都是相对确定的,但是单个业务很难说同时把三种资源全部用掉。

对象存储是一个多租户的系统,通过后台的调度,把不同类型的业务的混合的调度到磁盘上,保证这三个维度的IO资源能尽量的被使用。

京东有一个大数据分析的系统,本身只有数百TB的数据,但是在峰值会产生数百Gb的读写带宽,在迁移到对象存储之前,需要大量的机器来抗着数百Gb的峰值带宽,导致存储资源被大量浪费。在迁移到对象存储后,由于对象存储上有大量的相对较冷的数据,通过合理的调度,大数据分析系统复用了这些数据所对应的带宽,节省了大量的成本。

运维成本降低

存储系统本身是一个很复杂的系统,需要专业的运维人员来维护,而使用云对象存储之后,运维人员主要精力集中在业务上,可以极大的降低运维的人力

高可用性保证

尽管在过去两年多里面,京东零售和京东智联云有过多次成功的合作经验,但是在商场视频把本地数据删除使用云作为唯一的数据之前,还是有一定的担心,对象存储现在是足够高可用么?对象存储在未来一直是高可用的么?接下来让我们一起来探讨下对象存储在可用性保障上走的一些工作。


对象存储架构图

整体来说,对象存储包括业务层(绿色部分),数据存储(黄色部分),元数据存储(蓝色部分)三个部分组成,其中业务层是多节点无状态服务,保证高可用。

数据存储和元数据存储都是有状态服务,其中数据存储存储对象数据的切片,元数据存储存储对象名字到数据切片ID之间的映射。

对象存储高可用核心思路如下:

  1. 基于Raft构建高可用的数据存储和元数据存储集群,部署上都跨多个AZ部署

  2. 基于多个高可用数据/元数据集群构建更高可用的Data/Meta服务,集群级别故障对用户影响可控

    1. 数据和元数据能写入到任何一个可用的物理集群,保证写永远可用

    2. 数据/元数据都不会修改,确保数据只要存在就能读到正确的数据,提高读读可用性

    3. 多个集群做蓝绿部署,降低程序/人工操作的影响范围

下面我们一一来揭秘对象存储在各种异常情况下是如何保证高可用性。

Q

硬件故障

1、如果磁盘/机器/交换机故障怎么办

2、如果机房停电怎么办

A

对象存储的数据和元数据都是三副本存储,并且三副本放在三个不同的机房,确保以下:

1、如果有单节点(磁盘/机器/交换机/机房)故障,不会有任何影响

2、如果有两个节点故障,可能会导致部分复制组不可写入,对象存储会通过多集群的机制来解决这个问题,写入会写到其他的可用的集群,不影响客户端写入

3、如果有超过三个节点故障,可能会导致部分数据暂时不可访问,不影响用户写入

Q

网络故障

1、对象的数据是放在多个机房,如果机房之间的光纤被挖断了怎么办

2、如果某个机房和其他机房之间的网络断了,形成了孤岛怎么办

3、对象存储提供公网访问,如果部分公网IP被攻击/封禁怎么办

A

1、对象存储数据和元数据都分布在三个机房,如果有一个机房不可访问,其他两个机房可用形成多数派依旧可以提供服务

2、对于单机房和其他节点失联,形成数据孤岛的情况

  1. 已经写入的数据在孤岛机房内部有副本,可以读取

  2. 孤岛内部写入

    i. 数据会写入到WriteCache中,保证写入成功

    ii. 元数据会写入到孤岛内部Backup Meta集群中,元数据最终需要和孤岛外部元数据合并

3、公网故障,通过域名解析把流量导到其他区域,走内网访问

Q

SPOF

1、是否会出现少数几个节点故障,导致整个对象存储不可用

A

1、对象存储数据和元数据服务都是基于多个集群的,任意一个集群的故障不会影响对象存储的写入

2、对象存储数据/元数据不可修改,因此只要数据存在就是可以读的,不存在某些Master类节点故障导致集群不可读

Q

误操作

1、在日常运维过程中,是否会出现误操作,导致对象存储不可用

A

1、对象存储数据和元数据都是由多个集群组成,多个集群做蓝绿部署

2、任何时候操作只能在一个集群上进行,确保任何错误影响的范围是一个集群,而不会影响整个对象存储

Q

程序Bug

1、对象存储在未来升级过程中,是否会引入新的Bug导致对象存储不可用

A

1、从研发测试流程上,降低Bug概率

2、全量上线生产环境之前会在预发布环境和灰的环境运行足够的时间

3、生产环境遵循蓝绿部署,一次只更新一个集群,确保不会导致整个集群不可用

多租户隔离

部分业务在使用云之前,会担心两个方面事情:

  1. 私密的数据被非授权的方案

  2. 其他用户的操作会影响到自己的业务

对象存储作为一个多租户的系统,对多租户之间的数据和访问都做了严格的隔离,确保不会发生数据泄露以及访问互相影响等问题。

数据安全

在接入集团用户的过程中,我们经常会被问到以下三个问题:

  1. 我们的业务数据是非常重要的,是否可能被其他用户非授权访问到?

  2. 我们的业务数据是非常重要的,但是我们的数据存储在云的磁盘上,员工是否会通过磁盘直接访问或者篡改我们的数据?

  3. 如果有黑客黑进入了内网,是否能直接访问磁盘或者内部系统来访问我们的业务数据?

作为一个面向企业用户的存储系统,数据安全是对象存储的最基础的需求之一,因此,我们的对象存储也会从多个方面来保障用户的数据安全。

用户数据可能从两个地方被访问:

  1. 通过对象存储提供的接口访问,对于此类访问,对象存储提供严格的认证鉴权机制,以及审计机制,保证用户的访问一定被授权,非授权的访问一定会被发现

  2. 直接从磁盘访问,对于此类问题,对象存储提供完整的加密体系,保证数据无法被访问

认证授权

京东智联云对象存储实现了面向请求公钥私钥的认证体系,用户的私钥只有用户自己知道,可以做到类似一次请求一个密码的功能,保证的用户身份无法被伪造。

同时,支持丰富的授权机制,可以通过时间,访问IP等多个维度对请求授权,进一步保障了用户数据对安全。

加密体系

京东智联云对象存储支持客户端和服务端两个方面对加密。

客户端加密是指客户在上传数据到云上之前提前对数据做加密,客户自己维护加密密钥,我们是无法通过任何方式获取到用户的原始数据。

服务端加密是基于托管KMS的加密方式,对象存储对每个对象生成唯一的密钥,并且使用AES256对该对象加密,之后存储用KMS加密后的密钥而抛弃密钥原文,这样从对象存储本身没有任何办法来解密该对象。

KM服务本身使用了符合国家规范的硬件安全模块(HSM)保护您的密钥的机密性和完整性,您的纯文本密钥不会以任何形式存储到任何存储中,且该密钥不会传输到KMS服务区域之外。

审计

对对象存储/密钥系统的每次访问,对象存储都会记录下访问的详细信息,提供给用户去发现预期外的访问。

访问隔离

作为一个多租户的系统,对象存储有丰富的流控限速功能,并且对每个用户/bucket生效,确保用户之间不会互相影响。

今年618大促已经是对象存储第五次支持京东零售大促了,这是一次例行的支持却也是一个全新的起点。从本次618开始,京东视频等重要数据放弃了在本地的备份,也就是说对象存储成为了这些业务的唯一存储。

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 221

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 319

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 613

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 380

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 593

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 628

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: 618 Tech Talk|高并发场景下的数据访问速度如何保障?
下一篇: 618 Tech Talk| 2692 亿狂欢背后 只需这8步就可做好大促备战
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