京东技术中台Flutter实践之路(二)

移动互联网历经高速发展的黄金10年,多样的市场需求催化了前端技术不断升级改造,真正的前端大统一时代正在来临,不管你愿不愿意相信,大前端技术的发展趋势已是定势,前进的脚步无可改变。

众所周知,iOS、Android、Web分别代表着前端技术需要考虑的必要方向,传统的移动互联网开发需要同时考虑多个平台对应的技术研发资源储备,公司开发同一个业务,需要至少三个独立团队参与评审及开发,测试也需要至少三倍工作量以完成对应平台的代码测试,这样的生产效率已无法满足业务快速迭代的需要,生产成本之高也严重考验着企业的承受能力,且多个平台的一致性体验并不尽如人意,因此,仅使用一套代码,同时适配多个平台的能力就显得极为重要。

目前,Hybrid、RN、weex、小程序等框架陆续推出,各互联网大厂也在积极尝试跨端开发技术的实践应用,已有很多业务使用到跨端技术,但各个框架各有优劣,且仍然离不开原生开发;而Flutter框架推出后,以其性能高,多端平台的UI一致性高,及开发调试效率高等强优势,越来越吸引着原生开发者的注意,并成为其首选的跨平台技术框架。

近年,京东技术中台也在移动应用跨端开发领域进行了深度探索与实践,JDReact已广泛应用于京东系数十APP的几百个业务内,京东小程序开放平台也于2020年4月正式发布推广,而备受瞩目的Flutter,我们早在2017年的官方非正式版推出后,即投入调研开发,并在物流APP内实现验证上线,其高效的调试效率,极低的UI试错成本,以及接近原生的流畅性体验,都给了我们很大的吸引力。2018年初,我们将现有的混合APP进行了一次重构,历时两个月,实现了第一个纯Flutter APP正式上线,研发人力缩减25%,开发效率得到了明显的提升。

在这次重构中,我们也意识到,虽然Flutter具有很令人兴奋的优势,但也存在明显的缺点,例如,Flutter技术生态尚不成熟,开发者初期投入,一般都会面临大量时间投入在框架的基础建设中,人力消耗反而很高。为了避免京东内部团队重复建设,构建高可复用的Flutter基础设施,从根本上实现真正的降本提效,京东技术中台成立了专项团队进行JDFlutter的研发与建设,专注于Flutter基础生态建设,为内部Flutter开发者提供包含专业开发工具链、SDK、组件的一站式开发解决方案。

我们的目标:解决实战开发问题,打造畅快开发体验,共建Flutter生态。

内容回顾:干货 | 京东技术中台的Flutter实践之路(一)

JDFlutter历经2019年的发展与积累,以提供混合路由+Flutter组件+技术支持的方式,已经与京东App,视频App,物流App,到家App,一号店APP,7Fresh,掌柜宝,极速版APP等数十个开发团队进行交流,并建立了合作关系。期间我们发现,App开发团队在使用Flutter改造业务时,普遍会碰到如下问题,导致开发效率非但没有得到提升,App容错能力等反而会降低:

  • Flutter和原生交互工作量大,需要配置Android,iOS和Flutter三端的开发人员,提高了开发门槛和人力成本。

  • Flutter容器无法共享Flutter引擎,打开多个Activity时会启动多个Flutter引擎,内存开销比较大。

  • 基础组件和通用业务组件较少,需要业务自行封装各种基础组件,且没有一个统一的平台支持组件共享。

  • Flutter不支持反射,在iOS端无法动态更新可执行代码,线上出现问题,只能重新发版本,没有较好的兜底方案,容错性较差。

2020年初,技术与数据中台-共享技术部重点投入资源,全面升级JDFlutter,以JDFlutter容器+开发工具+全新组件平台+Demo App+技术社区等矩阵型产品,为开发者提供了一站式移动应用跨端开发解决方案,帮助Flutter开发者降低接入及开发成本,助力提升业务效率。

△ JDFlutter 完整架构 △

01

容器

容器是我们在操作系统和业务执行逻辑之间的中间层,它隔离了操作系统和应用逻辑的直接联系,也隔离业务和基础组件之间的依赖,让开发者无需关心各个操作系统的差异,只需面向容器API编程即可,这样做的好处有以下几点:

  1. 统一技术栈,简化工作量:业务开发统一采用Flutter开发,无需额外配备Android和iOS开发工程师,适配的工作全部由容器来做;

  2. 便于组件复用:比如收货地址管理的组件,是基于容器API开发的,那么同样基于容器API开发的APP都可以复用该组件;

  3. 底层模块可替换,更方便维护:容器对下层模块也提供了统一的协议层,只要上层API不变,底层模块可以根据协议来重新实现和替换;

  4. 减少包的体积大小:统一API之后,开发者不用再去自己依赖第三方插件,大家统一共用容器的基础组件,提高复用性,JDFlutter容器组件为独立插件,通过注入依赖的方式注入到容器之中,耦合性非常低;在混合开发中,一般native工程中都会有相同的功能组件,我们可以将native组件注入的到容器中来代替容器中的组件,这样可以做到最大化的减少容器的体积;

  5. 业务代码隔离:组件可独立编译调试,容器提供了一套完整的运行环境,每个业务组件可以独立去开发,编译,运行,这样多个业务团队可以并行去开发各自的业务工程,通过router的方式实现依赖跳转,避免代码交叉调用,减少代码污染。

02

动态化

动态化作为顺应业务高速发展及低成本试错,实现灵活高效发版和更新的重要手段,近年来显得尤为重要,甚至成为了衡量移动端框架优劣的核心指标,RN、小程序等之所以能被大规模使用,也和支持动态更新,无需发版安装有着一定的关系。

Flutter本身在跨平台和性能方面都表现卓越,但是由于苹果对于动态代码执行的限制,导致Flutter无法实现iOS端的动态化,这可能是它的不足之处(主要是苹果的政策原因和技术无关)。经过我们的调研,目前市场上动态化实现的方式有两种,一种是以Dart作为DSL动态下发的方式来实现布局的动态化,另外一种是用JS来开发UI生成描述信息,最终由Flutter进行渲染。

JDFlutter在动态化方面也做了一些探索尝试,我们的目标是采用Flutter环境进行开发调试,使用动态化框架开发出来的代码既能动态化运行,也能在Flutter原生环境中运行,同时不入侵Flutter的底层框架,对Flutter sdk升级保持很好的兼容性。

本文简单阐述实现思路,后续将单独介绍具体的实现方法。

使用Flutter开发环境进行开发和调试程序,发布时采用dart2js技术将Flutter代码转换成js代码,发布到服务端,然后由Flutter容器从服务端下载代码,执行js逻辑,将js渲染的布局信息,传递到Flutter层,最终由Flutter渲染出来。

03

模块注入

我们在JDFlutter封装了一套应用开发所需的基础模块:包含网络,图片,异常,埋点,性能,设备,扫码,视频等业务开发所需模块,模块分为两种类型,一种是基于纯dart开发的模块,另外一种是基于native封装的模块。根据不同的编译产物我们会注入不同类型的模块来满足不同运行平台的需求,如编译成web产物,会注入纯dart的网络模块来代替封装的native模块。

04

Flutter2Web

体量及规模庞大的线上业务活动,在巨大流量冲击下,可能会面临宕机的风险,类似情况,服务端普遍会通过如集群扩容、多机房部署、限流、削峰、降级兜底等预案进行部署。同样,移动端上线新业务,在未经过大规模验证的情况下,也可能在个别场景出现异常,需要考虑兜底方案,以减少线上事故的发生。

此时除了动态化修复更新之外,我们使用了Flutter2web工具将Flutter业务转换成H5,用于降级容灾。JDFlutter容器抹平了native和web的API,在代码不用做改动的情况下,支持将Flutter应用转换web应用,运行在JDFlutter的webview中,并提供js channel的支持,web依然可以调用原生能力。

05

iOS瘦身

Flutter打出的ipa包一般会比较大,先期京东APP上线的6个Flutter业务集成后,致使iOS客户端增加了约17M。为了减少包大小,我们借鉴了字节跳动的做法,对引擎做了改造,将App.framework和Flutter.framwork的部分数据通过动态下发的方式来实现,同时剥离了资源文件。改造之后,对Flutter业务进行再次打包测试,包体积可减少约28%左右,瘦身效果明显,且随着业务数量的增加,瘦身的效果及收益会更为显著,以下是瘦身方案,后续关于iOS瘦身,也会做详细的分享。

06

混合开发

Flutter与原生的混合开发有两种情况,其一,开发 Flutter 业务的同学,需要和原生做交互,因此需要有 Flutter 和原生的混合编译环境;其二,使用原生 SDK 开发业务的同学,需要和 Flutter 业务一起集成打包,但对 Flutter 透明,无需编译Flutter的代码,以减少对 Flutter 编译环境的依赖,我们将Flutter 编译成 aar 或framework,放入原生项目中即可,以下为JDFlutter混合开发的流程介绍。

07

多团队基于容器的开发方式

容器提供了一套完整的运行环境,实现了业务组件解耦,每个业务都可以独立编译,运行,调试,待到发布时再集成主客户端,业务集成时可通过线上自动完成,这样好处上文已说明,可减少业务组件之间的交叉依赖,同时也可以提升编译调试效率。

08

Pub仓库

前一篇实践文章中分享了Pub仓库的搭建过程,2020年初京东pub仓库做了深度的定制,除了满足基础组件上传和下载功能依赖,还增加了账户认证,权限管理,组件收藏,文档,社区等功能,来完善京东Flutter的内部生态,打造更好的技术氛围,当前内部共享的组件数量已达上百个,还在不断增加中,后续我们也会将优质组件开放出来,贡献给外部社区,帮助外部的小伙伴更好地完成Flutter基础建设。

09

JDFlutter全流程支持

为了让业务开发者开发能够更方便快捷地接入的容器sdk,JDFlutter提供了配套的开发工具让用户可以一键创建工程,git仓库,配置依赖的容器sdk和工程的初始化模版代码来简化开发者的工作量,同时支持热更新与灰度发布,Flutter插件发布,在线打包,异常监控,容灾降级等一站式的服务,提供了全流程的支持。

2020年,正是JDFlutter产品化及规模化发展的元年,京东技术与数据中台-共享技术部已经投入大量的核心研发人力,对项目进行重点建设;当前JDFlutter的每一项开发任务,都是为了帮助京东的业务研发团队更快速更顺利的实现业务发展目标,不止于此,JDFlutter未来也会更加开放,以专业的商业化解决方案来帮助更多外部开发者。

我们也和Google的Flutter的研发团队保持着密切的联系,对技术问题进行探讨和分享,后续对于容器,动态化,Flutter2web,Flutter瘦身,持续集成,Pub仓库等方面的最新进展及成果,我们会持续为大家带来专题分享,期待大家的关注与支持。

欢迎加入JDFlutter技术专区探讨交流。

QQ群:1022619726

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 198

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 296

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 353

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 306

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 395

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 545

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 601

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 364

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 458

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 584

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 617

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 714

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 633

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 668

【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 559

【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 726

【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 549

【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 607

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 295

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 388

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 903

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 585

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 354

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 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 865

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 863

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 1004
上一篇: PPT | 高可靠分布式存储系统设计
下一篇: 红榜丨第八期京东智联云培训&认证课程
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