当 RPA 遇见人工智能 京东 RPA 实现 500% 效率提升

又到月底了,对于财务人员小张来说,每个月末都是他最忙的时刻。

整个集团有大大小小有数十个业务主体,每个主体都拥有上千上万名员工,小张和其他财务人员需要向各地的税务系统中填报所有员工的个人所得税。

但这次,公司 IT 给他带来了新帮手——RPA 机器人。

这个机器人可以帮助财务人员每月自动向各地税务系统中填报多个业务主体所有员工的个人所得税,大大减少了月底集中填报时数个财务专职人员的投入。

有了它, 小张可以轻轻松松坐在电脑前,看着机器人自动填报的结果,点击确认,再也无需加班熬夜。

在这里插入图片描述

RPA 是 Robotic Process Automation 三个单词的首字母缩写而来,中文翻译为机器人流程自动化。

确切来说,这不是传统认知上肉眼可见的真实机器人,而是一款软件机器人。它通过模拟并增强人类与计算机的交互过程,解决重复有规律的跨系统、跨平台、耗时性、易出错的工作流,提供快速、非侵入式的解决方案,实现工作流程中的自动化。

通俗来讲就是机器人代替人工干活。机器人处理速度约为人工 5 倍,可以 24x7 全天候工作,节省 50% 左右成本,有效减少人为造成的数据丢失、错误风险,数据更加安全且准确率 100%。

从名字就可以看出来,RPA 主要由三部分构成:

Robot ——机器人工作分配与监控、权限管控;
Process——机器人运行程序搭建, 实现人的操作模拟, 系统断路串联;
Automation——位于客户端运行 流程程序与业务 系统进行直接交 互软件机器人。

在这里插入图片描述

在这里插入图片描述

提到 RPA 的发展史,很多人会将它与工业机器人联系起来。1954 年,第一台工业机器人诞生,工业机器人的出现使工人摆脱了重复、繁重、危险的流程作业。

RPA 的出现与工业机器人的目的非常相似,都是旨在自动化完成原本由人类完成的繁重、重复的常规流程化任务。严格来说,RPA 并不是一个新兴技术,其背后的基本思想可以追溯到早期的屏幕抓取工具和工作流程自动化软件,甚至是 Microsoft Office 自带的“宏”功能。

基于前面的经验,现代 RPA的技术构成主要由三部分组成:

屏幕抓取:从应用程序中收集屏幕显示数据的流程,以便抓取显示在用户界面上;
工作流程自动化:无需手动输入数据便可进行数据处理,包括提高处理速度、工作效率和数据准确性;
人工智能:人工智能涉及计算机系统执行通常需要人为干预和智能的任务能力。

随着人工智能技术的发展,现代 RPA 集成了例如 OCR、机器学习和聊天机器人等AI技术,能够实现基于业务场景的高级功能。相对传统手工记录而言,可以帮助企业节省人力成本,提高效率,释放更多人力投入到更有价值的工作中去。它可以为企业带来如下转变:

成本低:通过机器人工具实现流程的自动化以及流程的标准化,可以节省 30%~50% 的成本;

效率高:相对于人工操作,RPA 可以达到人工处理的 5 倍,并可实现 24x7 的全天候工作;

无干扰:RPA 充当的是人与系统交互的中间者角色,可通过 Service 或 API 直接调用底层系统;

安全好:数据更安全,不会出现人为干预时可能出现的数据丢失风险,特别是在标准固化流程下 RPA 可实现0错误率。

在这里插入图片描述

京东 RPA 经过京东 6 年的内部验证,完美承载了京东商城 618、11.11 等大促业务场景,全面接管京东及海量商家中的重复性高、耗时多、易出错的人工操作,以此沉淀出深厚的 RPA 技术能力:

核心技术 100% 自研:京东 RPA 深入操作系统底层,不再以 UI 界面模仿的方式运行,实现系统底层交互,直接与软件内部控件句柄进行交互,抛弃“伪”RPA 概念。并通过 UI 集成方式,连接不同的业务系统,高效率自动化执行业务流程,配以可视化和代码编写的 IDE 环境及高级 SDK 功能,极大地提升用户体验。

融合 RPA+AI 技术优势:京东 RPA 针对RPA领域常见的 OCR、图像识别、大数据等 AI 技术,提供真正一站式 RPA+AI 服务。京东 AI 技术在发票、凭证识别等场景上具备领先的技术优势,可完美实现技术闭环。同时,以京东智联云云市场/NeuHub 平台为生态载体,京东智联云还联合了 2500 家生态服务厂商随时待命,提供各方面技术能力补充。

在这里插入图片描述

▲京东 RPA 架构▲

支持一体化云服务形式交付:京东 RPA 提供公有云、私有云等多种的 RPA 云部署方式;做到即开即用,24 小时售后团队随时待命,免除资源、环境、运维等问题;天然自建云扶持,搭配云桌面+私有云,最大程度保障平台稳定性和数据安全性。

在这里插入图片描述

京东 RPA 在京东集团内部,为包括京东零售、物流、数科等业务版块提供场景化的 RPA 服务及能力,已经积累了大量实际案例经验,帮助这些业务版块降本增效,提升企业信息化、自动化处理水平,保持系统稳定可靠运行。

在这里插入图片描述

京东财务结算是京东 CFO 体系重要组成单元,财务需要对接数以万计的供应商结算诉求。由于对公转账受银行限制,不像个人银行转账灵活、及时、随意。例如京东要给某个供应商结算一笔货款,受到跨行转账的限制,导致无法及时到账。此时,供应商会向京东财务索要电子回单以证明钱已经“出去”了。

在这里插入图片描述

未采用 RPA 前,这个流程需要跨多个系统交互,大多数情况下仍要以人工介入为主,但订单量巨大,手工操作经常容易出错。

在这里插入图片描述

采用 RPA 后从信息收集,信息匹配到消息推送,以自批量处理,系统整合, 数据分析和动值守的解决方案实现了赔付全流程自动化:

实现了自动化监听交易记录;
根据规则自动解析回单信息;
并且无缝的集成到其他系统;
最终提升效率 500%;
相当于10 个人的工作量;
匹配出错率为 0%。

在这里插入图片描述

为最大程度保证用户售后权益,用户在京东下单后,京东物流将发送商品售后单据给相应的供应商,当用户产生售后问题时,可以联系到供应商提供售后服务。但京东物流对应的供应商非常多,用户信息十分繁杂,如果仅靠人力进行售后单据分发,将产生巨大的人力成本。

在这里插入图片描述

针对这种高重复易耗时易出错需要对接多个供应商系统的操作,RPA 机器人具有天生优势,将以极高的效率和准确性解决这些问题。采用 RPA 前平均 3 分钟/单,每天只能完成 400 个回单。采用后提升到到 5 秒/单,每天完成 6000 个回单。

在这里插入图片描述

京东 RPA 不仅在京东内部各个版块有大量应用,还在营销推广、商品订单、物流仓储、客服售后、财务运营等广泛的行业应用场景中得到验证。

创立于 1999 年的旺顺阁是中国餐饮业知名品牌,至今已在北京、上海、深圳、天津、西安、石家庄拥有近 60 家门店,在职员工近 2000 人,年接待量 500 万人次,营收超 10 亿元。在旺顺阁所有门店,消费者付款时,可通过会员系统、招行、交行、美团、支付宝、微信等近 20个 平台进行支付。

旺顺阁财务日记账对账主要解决旺顺阁 60 多家门店每日收银系统是通过不同方式收款,每日财务人员需从收银系统中下载应收账款日报表,核对其他收款平台如会员系统、美团、饿了、支付宝、微信、网银等的收款入账情况,并生成差异汇总表。

在这里插入图片描述

采用传统日记账对账系统繁多,需要跨多个系统进行交互,大多数情况下需要人工介入为主;对账量大,数据量大,手工操作容易出错。且效率低,人力成本高。采用 RPA 前,财务人员需每日工作 8 小时,365 天无休,只能满足查询和记录的及时性。

在这里插入图片描述

采用 RPA 系统后将日记账的流程标准化、跨系统自动化,实现了自动化对账,并且无缝集成到其他系统中;实现降本增效,无需专门人员值守,每日只需 2-3 小时即可,并且 0% 出错,机器人 2 小时工作量相当于 1.5 人/天。直接帮助旺顺阁节省财务人员 2920 小时/年的手工工作时间。

在这里插入图片描述

在这里插入图片描述

相关推荐

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 246

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 309

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 271

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 367

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 518

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 571

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 337

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 433

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 566

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 605

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 703

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 618

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 652

【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 556

【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 720

【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 545

【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 602

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 294

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 383

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 895

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 584

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 353

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 633

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 751

【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 860

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 835

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 860

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 1000

【京东云】全球首个!京东全栈开源JoyAI-VL-Interaction,让大模型从“一问一答”走向“边看边说”

开源一套系统,而不只是一个模型在实时视频流中,JoyAI-VL-Interaction每秒都会做一次判断,比如,继续观察、保持沉默,发现关键事件、主动回应,遇到复杂任务,交给后台Agent处理。一个好的AI 助手,不应该一直打扰用户,而应该知道什么时候该出现,什么时候该安静,以及什么时候自己解决,什么时候交由agent解决。深耕零售、物流、健康、工业等实体产业二十余年,京东拥有全球领先的物理世界运营网络,覆盖仓储、配送、门店、直播、客服、售后海量真实场景,每天都在发生人、货、场的实时互动。

京东科技开发者 1029
上一篇: 电商推荐系统做到60分容易,做到80分、90分却很难 京东智联云开发者
下一篇: 沙龙回顾丨开发者掌握这些背后的技术路径,可助力企业智能化升级
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 2139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