你及格了吗?史上最难云原生冷知识大挑战真题解析

在这里插入图片描述

上周《云原生冷知识大挑战,答对一半算你赢!》
发布后
好多小伙伴都表示问题太难了
连从事多年云原生开发的技术大佬都给跪了……
在这里插入图片描述

从统计结果来看
平均分只有 40 分!?
看来云妹出的题确实很冷~~~
在这里插入图片描述

如果你还没有挑战过
可以在看答案前先去以下链接挑战一下

在这里插入图片描述

我们的云原生知识到底有多冷呢?
下面云妹就为大家一一揭晓
这些冷知识背后的知识点
敲黑板!
快拿出你的笔记本!

我们先来看一下本次试题中正确率最低的3道题,多选题果然是错误率最高的题型,很多小伙伴在选择的时候常常漏选或者多选。

这说明这些知识点同学们掌握的还不够扎实呀~大家要仔细阅读云妹的答题解析!

基础知识题

云原生冷知识

01

CNCF 中的项目都是由来自全球各国的开发者或机构创作并捐献,令云妹倍感骄傲的是,其中不乏来自中国的孵化项目。你知道下列项目中哪些是来自中国的吗?(多选)

A.Harbor
B.TiKV
C.KubeEdge
D.Dragonfly
E.Longhorn
F. ChubaoFS
G.Volcano
H.Chaos Mesh
I.BFE

该题的正确率只有 12%,其实正确答案是全选!

云妹解析◆

CNCF 的项目都是由来自全球各国的开发者或机构创作并捐献,中国开发者作为重要的技术组成部分,也捐献了多达 9 个项目,包含Harbor(VMware)、TiKV(PingCAP)、KubeEdge(华为)、Dragonfly(阿里巴巴) 、Longhorn(Rancher)、ChubaoFS(京东)、 Volcano(华为) 、Chaos Mesh(PingCAP) 、BFE(百度)。

云妹惊喜的发现选择 ChubaoFS 的同学竟然有 62.9%之多,这说明云妹之前的工作没有白做呀,甚感欣慰~

02

CNCF 中的项目涉猎广泛,覆盖了集群管理、监控、存储等各种应用,下面就来考验考验你对这些项目的熟悉程度。最让人头秃的判断题来了,哪项描述是错误的?(多选)
A. Prometheus——监控
B. Vitess——存储
C. envoy——服务代理
D. harbor——容器安全
E. Helm——应用管理工具
F. gPRC——远程过程调用
G. Linkerd——消息传递

这道题的正确率也仅有 13%,正确答案应该是 D和G。

云妹解析◆

Harbor 其实是一个具有存储、签署和扫描内容功能的开源云原生镜像仓库;而Linkerd 则是一个提供弹性云端原生应用服务网格(service mesh)的开源项目。
云妹发现有近一半的同学选了 B,可能大家被它在数据库中的应用迷惑了。Vitess项目其实是一个用于MySQL水平缩放的数据库编排系统,最初作为YouTube的一个内部解决方案来处理大量存储的扩展,是CNCF的第二个存储项目。

03

CNCF 中的云原生项目大都来源于各个企业和机构捐赠,其中不乏 IT 领域中的大佬,从此也能看出业界对开源技术的支持与开放态度。下面又是一道判断题,请问以下哪个连线关系是正确的?(多选)
A.Prometheus——Apple
B.Vitess——Youtube
C.Helm——微软
D.Containerd——Uber
E.Harbor——Google

该题正确率只有 14%,正确答案选B和C。

云妹解析◆

大家可能平时对这些工具都很熟悉,但是对项目的来源了解的并不多,我主要来分析一下错误答案:

Prometheus是一个优秀的监控系统,是SoundCloud公司开源的监控系统,同时也是继Kubernetes之后,第二个加入CNCF的项目;
Containerd来源于Docker公司,2016 年12月14日,Docker宣布将其从Docker Engine中分离,并捐赠到开源社区独立发展和运营;
Harbor是一个具有存储、签署和扫描内容功能的开源云原生镜像仓库,由VMware公司中国团队为企业用户设计的 Registry server 开源项目。

严格来说,以上 3 题还不算真正的冷知识,下面开始,才是真的很冷哦~~

脑洞题

云原生冷知识

04

你一定听过 Kubernetes 的大名,它在开源之前是 Google 内部一个代号为“Borg”的项目。这个名字来源于一部科幻电影中角色的种族名。你知道是哪部影视作品吗?(单选)

A.星球大战
B.星际穿越
C.星际迷航
D.星际宝贝

正确答案选C

云妹解析◆

Kubernetes 在开源之前是 Google 内部的一个项目,内部代号 “Borg (博格)”。博格人是第4部星际旅行系列电视剧《星际旅行:航海家号 (Star Trek: Voyager)》中的宇宙种族。

比较有意思的是Borg其实是星际旅行系列中最大的反派,不知道一开始为什么取了一个反派的名字,项目组只好挑选了一个好的博格人“7/9 (Seven of Nine)”来代表这个项目。你没看错, 7/9 就是这个角色的名字,她是一个加入了联邦星舰“航海家号”的博格人。

在这里插入图片描述

05

Kubernetes 项目和一个数字有着千丝万缕的联系,不但在 logo 中融入了这个元素,创始人后来在创立 Heptio 时也采用了代表这个数字的希腊词 “Hept” 。那么,你知道这个数字是什么吗?

A.5
B.6
C.7
D.8

正确答案选C,云妹看到很多人选了 8,可能是被 K8s 缩写中的 8 误导了吧?

在这里插入图片描述

云妹解析◆

还记得上题解析中7/9这个名字吗?当公开 Kubernetes 项目的时候,项目组有意继续保留7这个元素,所以 Kubernetes 的图标被设计成一个7边形的舵轮。

后来创始人 Craig McLuckie 和 Joe Beda 创立 Heptio 公司时,他们采用了希腊词前缀 “Hept” 来延续这个主题,在希腊语里就是7的意思。除了这个前缀之外,在 Heptio 的图标中也可以看到数字7的存在。

06

如果你爱好游戏的话,下面 4 款游戏大作你一定不会陌生。但你知道它们和Kubernetes 有什么联系吗?以下哪款游戏是最早使用 Kubernetes 的?

A.Pokémon
B.王者荣耀
C.魔兽世界
D.塞尔达

正确答案选A

云妹解析◆

在这里插入图片描述

Pokemon Go 是最流行的宣传 Kubernetes 能力的使用案例。

在它发布之前,人们都觉得在线多人游戏会相当的得到追捧。但当它发布时,流量就像火箭一样起飞,达到了预期流量的 50 倍。通过使用 Kubernetes 作为 Google Cloud 之上的基础设施层,Pokemon Go 可以大规模扩展以满足意想不到的需求。

07

经常关注开发者社区的同学对 ChubaoFS 一定不会陌生,这是京东自研的一款为云原生应用提供分布式文件存储的开源项目。作为一款来自中国的应用,自然也会有一个中文名字,你知道是什么吗?(单选)

A. 厨宝
B. 触宝
C. 储宝
D. 除暴

在这里插入图片描述

正确答案选C

云妹解析◆

ChubaoFS是京东自研的云原生存储平台,提供分布式文件系统与对象存储系统服务,为云原生应用提供计算与存储分离的持久化存储方案。虽然研发它的团队都由技术人组成,但你一定想不到这个名字的由来其实十分文艺。

ChubaoFS的中文名字储宝一词出自古代文艺理论家刘勰的《文心雕龙》,“积学以储宝,酌理以富才,研阅以穷照,驯致以绎辞”。意为积累知识以储备自身的资产;明辨事理以丰富自己的才识;体验生活以提高观察的能力;顺应情感以演绎美妙的文辞。积学储宝阐述积累知识,也就是在储存宝物。

我们的技术大神是不是也有很文艺的一面?

08

在这里插入图片描述

JAEGER 是一个来源于 Uber 的开源项目 ,作为端到端的分布式追踪平台,可帮助企业监控云原生架构并进行故障排除。下图是它的 Logo,从该图你能猜出它的名字来源于以下哪种职业吗?(单选)

A.猎人
B.消防员
C.侦探
D.游侠

正确答案选A

云妹解析◆

JAEGER 是Uber的开源项目,作为端到端的分布式跟踪平台,帮助企业监控云原生架构并进行故障排除,在2017年成为CNCF的托管项目,被广泛集成在企业的微服务架构中。
Uber给项目起名时,在侦探和狩猎为主题的范围内集思广益,直到找到了德语Jagd,并将其命名为Jaeger(ˈyā-gər),在德语意为猎人。你仔细看图就会发现,它带着猎人的帽子,追踪着猎物的脚印 👣~

09

云原生计算基金会(CNCF)于 2015 年 12 月成立,在之后的发展过程中不断有新的项目进入 CNCF 中,细心的你有数过 CNCF 中到底有多少款云原生项目吗 ( 截止到2020年7 月底)?

A.34
B.48
C.65
D.70

正确答案选C

云妹解析◆

在出这道题的时候,云妹问过所有同事,惊讶地发现大家竟然都不太清楚到底有多少款项目。于是云妹偷偷去 CNCF 官网仔细数了一遍,加上毕业、孵化、砂箱中的所有项目,截止2020 年 7 月份共有 65 个项目被 CNCF 接受。相信这个数字还将不断刷新~

10

进入CNCF 的项目都会经历三个阶段:沙箱—孵化—毕业,目前共有____个项目已经从 CNCF 孵化器中顺利毕业?(单选)

A.5
B.7
C.9
D.11

正确答案选D

云妹解析◆

进入 CNCF 的项目会经历三个阶段:

沙箱-处于非常早期的阶段,在部署到生产环境之前,项目代码还需要更加成熟,也需要社区参与度。被采纳为沙箱阶段的项目都展示出了未实现的潜力;
孵化-项目在满足所有沙箱标准并展示出一定的增长和成熟特征后进入孵化阶段;
毕业- 一旦孵化项目达到了生产使用的临界点,他们可以通过投票进入毕业阶段。毕业的项目必须有较高的采用率,并满足所有孵化项目的标准。

据云妹统计,截止到 2020 年 7 月底,在CNCF 全部 65 个项目中,已经有 11 个项目从CNCF 孵化器中顺利毕业。Harbor是第一个诞生在中国的从云原生计算基金会(CNCF)毕业的孵化项目。据说马上会有第二个来自中国的云原生毕业项目?你知道是哪个吗?

11

在 CNCF 中的项目都会经历时间不等的孵化时间才能毕业,这个时间并没有统一标准,而是根据其成熟度来评判的。你知道在 CNCF 中最快完成毕业的项目是哪个吗?(单选)

A. CoreDNS
B. Fluentd
C. Harbor
D. Vitess
E. Envoy

正确答案选A

CoreDNS 最早由前谷歌的可靠性工程师Miek Gieben创建,在2017年由CNCF托管成为孵化项目,于2019年初成为了毕业项目。从孵化到毕业,CoreDNS只用了一年时间,成为最快完成毕业的项目。

12

上一题是最快毕业的,这道题我们再来看看最慢的是谁?你知道 CNCF 中孵化时间最长的项目是哪个(截止 2020 年 7 月底)?(单选)

A. CoreDNS
B. Fluentd
C. Harbor
D. Vitess
E. Envoy

正确答案选B

云妹解析◆

Fluentd 于2011年由 Sadayuki Furuhashi 创建。在2016年成为 CNCF 托管项目,于 2019年4月从 CNCF 毕业,它是已知 11个毕业项目中,孵化时间最长的。

13

CNCF的项目普遍来源于企业捐献的开源项目,但在已毕业项目中,有一个是源于学术机构,该项目是以下哪个?(单选)

A. TUF
B. Fluentd
C. Harbor
D. Vitess

正确答案选A

云妹解析◆

TUF 由纽约大学丹顿工程学院计算机科学与工程副教授Justin Cappos于2009年首先开发了该项目。在2017年,TUF成为CNCF的托管项目,在2019年底从CNCF毕业。TUF的特别之处在于,它的是第一个源于学术机构并从CNCF毕业的项目。

送分题

云原生冷知识

14

京东从 2016 年就采用 Harbor 作为镜像中央存储仓库,随着业务量的增长,镜像数据变得十分庞大,这时候我们应该_______?

A.增加服务器硬盘
B.删掉旧的镜像
C.向领导力荐 ChubaoFS
D.向领导力荐 Vitess

这道题简直就是送分题,果然有 76% 的同学选择了正确答案C,剩下 24%的小伙伴们,Are you kidding me?

云妹解析◆

从2016年开始,京东就成为Harbor的忠实用户。Harbor 是一个开源的镜像仓库项目,操作简单、运行稳定,为京东节省了大约 60% 的镜像中央存储库维护时间。随着业务量的增长,存储镜像的数据会变得越来越庞大,京东需要一个稳定、可靠、高性能的存储方案。
京东选择ChubaoFS作为 Harbor 后端存储方案, Harbor+ChubaoFS可以构建一个高可用的镜像中心架构,多个 Harbor 实例可以同时使用 ChubaoFS 共享容器镜像,它给 Harbor 提供了稳定的,可弹性扩展的,高性能的分布式存储服务。

之前在《云原生在京东》专辑中专门写过一篇介绍ChubaoFS在京东的应用,大家可以点击查看 《云原生在京东丨最适合云原生的分布式存储平台—— ChubaoFS》。

15

你和你的男闺蜜正在欣赏一段乘风破浪姐姐们的精彩舞蹈,它存储在由三个master 节点管理的 ChubaoFS 集群中,突然其中一台坏掉了,男闺蜜担心的问你还能流畅的看到姐姐们吗,你会怎么做?

A.告诉他立刻买机票,去现场观看
B.安慰他说你也会跳,并表演给他看
C.告诉他不要担心,三个Master节点都坏掉也不会影响他看小姐姐
D.通知机房立刻重启集群

正确答案C

云妹解析◆

ChubaoFS的Master节点负责集群资的调度和管理,其实用Raft算法保证数据一致性,坏掉节点数少于总数50%则不会影响其功能,且即使所有Master节点都坏掉也只会影响到Volume的创建和扩容下线等资源调度工作,对已存在Volume上的数据读写不会产生影响。
这虽然像是一个送分题,但从这道题中你也能发现一个冷知识:

云妹超喜欢乘风破浪的姐姐!

云妹也希望云原生技术可以帮助广大开发者和企业“乘风破浪会有时,直挂云帆济沧海”,顺利完成数字化和智能化转型!

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: 京东区块链之科普篇:京东在区块链技术领域的应用与布局
下一篇: 浅谈JVM内存结构
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