数智化浪潮之中,传统企业如何抓住转型机遇?

2020年的一场疫情,几乎让所有企业都陷入新的竞争压力之中。面对疫情带来的影响,传统企业数字化、智能化转型需求迫在眉睫。在数智化的浪潮之中,如何抓住转型机遇,激发企业发展新动能,成为当下各行各业关注的焦点。

12月26日,京东智联云与英特尔联合举办“产业数智化转型落地实践”技术沙龙,分享了京东智联云在智能供应链、线上展会、开发运维、物联网等领域的技术实践经验和落地案例,与开发者在线进行了深入的互动和技术交流。下文是由四位老师演讲内容整理而成:

从工业时代开始,供应链就是关系到人类生产活动效率的专业性管理方法。随着技术的不断进步,供应链从上世纪90年代传统ERP方式进入互联网化供应链阶段,互联网极大提升了供应链各环节的协同效率。现在,随着人工智能技术的兴起,供应链进一步创新,进入智能供应链时代。

京东智联云人工智能平台部高级产品经理许俊恺在分享中首先解释了智能供应链的定义,智能供应链是指借助全方位数据采集与信息传递,利用人工智能、物联网和云计算,驱动产品生产和流通中,上下游成员连接组成的高灵敏性、高柔性、高可靠性以及高弹复性的可持续发展的全链条网络结构。

在智能供应链中,从时间和数量上对整体计划进行合理拆分,保证了供应链的灵敏性。另外智能供应链还具有算法的自我迭代能力,智能调度,以适应供应链的变化。智能供应链依赖底层IoT技术和工业互联网的能力,来保证数据的准确度和可靠性。最后,智能供应链应提高供应链清晰程度,实现各链条数据可视化,可以帮助运营决策者快速定位问题和瓶颈,并提供短信、微信或电话等多种方式触达各段负责人,快速解决问题,提升供应链的整体效率。

零售和全产业链的数据及业务,一直是京东最核心的能力。在2019年通过人工智能平台搭建,科技部宣布依托京东建设“国家新一代智能供应链人工智能开放创新平台”。现在,京东智联云通过对自身数据挖掘和技术服务能力的输出,构建了多方参与的智能供应链开发平台,致力于推动传统行业供应链的数智化变革。

国家新一代智能供应链人工智能开放创新平台

京东智能供应链的产品矩阵非常丰富。在供应链的生产、流通、消费环节,京东智能供应链结合底层的SRM、MRP、MES、PLM、WMS、TMS等基础信息化系统和执行层的系统,并整合了智能决策引擎相应的算法和可视化能力,构建了全链条的智能供应链解决方案。京东智能供应链最大的特点是在线、协同、互联,通过供应链全流程的可视化、实时的异常预警、智能的策略输出、多样的管理抓手,实现了“产、通、销”全环节的智能化管理。

京东智能供应链产品矩阵

除了零售,仍有更多行业的供应链亟需革新。以建筑行业的商砼(商用混凝土)为例,商砼目前已实现集中生产,大大提升了建筑生产效率,但是混凝土的凝固不可逆性,以及严格的建筑分工流程,所以商砼供应链对预制时间和运输的要求,甚至比生鲜行业更加苛刻。

商砼供应链面临三个挑战:

  1. 商砼因为商品特色,决定了其生产运输所覆盖区域非常有限,企业需要多站点之间车辆等资源的协同管理;

  2. 商砼企业客户多为年框月结,工地提前一天报单配货,需求收集效率低,不可追溯,企业缺乏建筑工地和商砼工厂高效协同工具;

  3. 建筑行业缺乏一站式服务的互联网门户,导致客户缺乏能够公开获取商砼、建材、设备租赁等服务的品牌渠道。

商砼智能供应链平台整体架构

针对商砼行业供应链普遍存在的痛点,京东智联云将自身智能供应链经验分享出来,为陕西最大的商砼私营企业——恒盛集团构建了整体一站式建材采购和建筑行业服务采购的平台:商砼之家B2B智能供应链协同平台,实现商砼一站式服务平台+智能化的工厂工地的协同。通过智能供应链平台,商砼企业可以展示产品和服务,客户可直接提交生产需求,打通了客户与商砼企业的需求协同;智能供应链平台可以高效完成商砼生产订单和合同的管理,实现商砼行业的交易协同;平台还提供了报单管理、运输作业和配送作业的产品功能,实现了商砼从生产运输到工地的作业协同。

通过B2B智能供应链协同平台,恒盛集团实现了商品、服务展示;支持客户针对不同产品和服务提交需求信息或采购订单;平台审核需求信息和需求订单,生成业务订单;支持客户针对业务订单提交(商砼)报单或(建材/租赁)配送单;支持客户针对报单和配送单及时跟踪和监控;支持评价管理和多种灵活的支付方式;实现从客户需求到业务转化和业务作业协同的一体化服务平台。另外京东智联云还在能源领域如煤炭、农业领域如生鲜等行业均有广泛实践案例,帮助各类型企业提升了供应链的整体效率。

2020年突发的疫情,让线下会展受到了非常大的冲击。

2020年“中国国际服务贸易交易会(以下简称服贸会)”是国家级、国际性、综合型的会展,也是疫情以来我国举办的第一场国际经贸活动。除了国内要防止疫情反复之外,还要防范境外输入性疫情的危险,即便入境也需按规定隔离,大大增加了线下参展参会的难度,因此境外参展商和参会者大多数几乎无法线下参会。

也正是因为疫情的原因,以及5G、AI、AR、VR技术发展成熟,高带宽、设备计算能力的提升,在线直播的会议、展览、商洽的体验在疫情期间得到提升,在线会议形式得以快速普及。线上展会突破了空间的限制,正在成为比线下展会更高效的降本增效方案,会展行业朝着线上线下融合的方向发展。作为中国对外开放的三大展会平台之一,服贸会在疫情防控常态化背景下,积极探索采用数字办会技术手段,为中外展客商衔接供需、对接洽谈、交流合作提供平台。

京东近几年积累了深厚的AI大数据经验,通过京东各个事业部能力的融合,京东智联云搭建了一整套的会展新基建,包含有政府和企业数字展会平台、会展SaaS服务、行业贸易平台等。凭借在会展领域深厚的技术实力,京东今年成为了服贸会的技术主承办方,将京东集团多种技术能力赋能于会展经济,实现地区经济的线上线下融合,为国内外经济融合做出贡献。

在沙龙中,京东智联云云产品研发部副总监夏立文详细介绍了将服贸会搬到线上的详细方案。京东智联云围绕展会的四个核心场景“展、论、洽、贸”,突破了时间、空间、语言的限制,打造一场针对服贸会会展云的整体解决方案。针对核心场景中的展览,会展云打造了平面+3D虚拟电子展台,支持企业线上搭展,直播等功能,线上线下融合观展,对接健康宝数据,排查防疫风险。针对核心场景中的论坛,会展云采用线上+线下会议新模式,服贸会现场会议通过在线视频直播,设计线上会议室,为线上参会者打造会议论坛新体验,支持多种码流画质适应全球不同地区展商和参会者网络带宽条件。

针对核心场景中的洽谈,会展云提供了智能匹配、即时通讯、视频洽谈、在线翻译、智能客服等功能和服务,云端虚拟洽谈间通过人工智能实现项目推荐、贸易匹配,设有预约洽谈、即时洽谈、客服自动接洽,满足了双边及多边洽谈需求。针对核心场景中的贸易,会展云提供项目发布、电子签约的功能,通过长期在线的项目发布,可以撮合B2C、B2B贸易的供求匹配,链接京东店铺完成交易闭环,以及进一步提交意向订单、电子签约,将合作意向切实落地。

会展云解决方案

会展云的模式,让展会参展商、采购商、观众、主办方、组展单位等多方都从中获益。服贸会不仅弥补了因疫情对商贸交流的影响,会展云还突破了时间限制,创造精细营销、线上推广等新增服务,极大提升了展会运营效率,数据分析将比线下展会更加清晰,并为各方带来更多盈利机会。

京东从初期基础设施的敏捷化,到容器技术对应用全生命周期的管理,使得应用交付更加敏捷。随着云原生技术的普及,业界分析认为,所有企业研发都将全面转向容器、微服务、DevOps。京东智联云企业业务解决方案架构师袁涛分享了京东研发体系和对DevOps的发展探索,以及京东智联云帮助行业客户DevOps转型的实践案例。

针对业界对云原生概念的模糊,京东智联云专家首先清晰解释了云原生的概念。他认为,云原生分为两个层面:首先是更加灵活的云基础设施层面,云原生技术让云平台具备了分布式、高可用、自动化部署运维等能力;另外是应用层面,云原生技术协助应用更灵活地部署到云平台上,实现应用高可用性、扩缩性、灵活性,保证应用运维的连续性。近年来,云原生技术的发展趋势已经日渐清晰,云原生将是企业数字化转型的唯一路径。

对于没有丰富的互联网应用研发运维经验的行业客户来说,业务应用技术复杂、种类繁多,业务技术需创新,同时行业竞争压力加剧,对业务技术人才要求提高。面对这些业务领域技术和市场带来的挑战,研发运维一体化需要DevOps实践和体系建设进行底层支撑。

目前,传统的金融、能源、运营商、制造等行业很多企业都在组建或扩大研发体系规模,但是实施敏捷和DevOps转型大多停留在工具层面。以资源为中心的研发管理逐步成为业务发展的瓶颈,如内部重复建设工具链,工具产生的管理和工程两个维度的研发数据有积累但缺少利用,都造成了浪费;如研发管理、需求管理和项目管理如何做到数据打通,突破规模化研发管理的瓶颈;如研发团队以外包为主的场景下,如何实现敏捷和DevOps转型;这些都是现实中无法回避的问题。

袁涛在分享中揭秘了京东研发体系架构。京东集团下属京东零售、京东物流、京东数科、京东智联云四大核心业务板块,研发体系总规模近2万人。京东智联云对内承担云资源调配、工具、平台支撑等,不同业务板块在人员配置、工具引入、资源配置等方面统一规划、大体相同。京东研发体系以提高团队交付能力为目标,效能度量和DevOps实践为手段,在项目协作域、开发域、测试域、运维域,自研或引入效能组件,通过从工具落地、到数据分析、到实践提高的闭环,提升内部交付能力,打磨DevOps工具。

京东研发体系:DevOps落地相关领域和实践

京东一直在推动敏捷和DevOps在研发体系的实践,内部落地并完善了平台框架、系统建设、工具迭代,在不断打磨的过程中,推出了京东智联云行云DevOps平台,提升交付效率、质量、能力。通过敏捷和DevOps转型,京东各业务板块经受住了每年618、11·11大促高峰流量的考验;研发团队形成了以敏捷和DevOps为核心的实践、度量、改进、分享的研发运维文化。截止目前,京东智联云行云DevOps平台在京东内部,总用户数超过3万,日活用户量超过8000,日使用频次近10万,代码库托管近5万,每日部署上线超6000次。

经过京东内部的大规模打磨和验证,以及平台生态化建设和迭代,京东智联云基于自研的“京东智联云DevOps平台”对外输出DevOps产品,更多的赋能行业客户。特色能力涵盖:项目管理与敏捷交付的双模管理,基于价值流的数据分析和效能度量体系,平台架构完备的可配置和可扩展,企业级代码托管和质量评审体系,分级分层的测试和质量保障,大规模任务调度、灵活可扩展的流水线等。

京东智联云DevOps平台架构

京东智联云已经帮助很多行业客户完成敏捷和DevOps转型,全面拥抱云原生。如协助某金融科技公司完成敏捷DevOps转型落地,使toC客户的金融APP产品的交付周期大幅缩短,业务访问量大幅提升;如协助某全国性股份制银行重构应用管理和部署平台,提升业务系统运维和运营能力。京东智联云DevOps平台,源于京东实践,服务多样化研发管理场景和敏捷DevOps落地,助力企业数智化转型。

就像互联网打破了空间的界限,在衣食住行中,出行也是我们一直在探索和创新的重要领域。京东智联云IoT产品部资深架构师温子彬在技术沙龙上分享了京东智联云以京东已有服务和技术为核心,秉承开放-合作-共赢的理念,打造了车联网智能出行服务多场景解决方案。

据京东智联云专家介绍,京东车联网以京东服务为核心打造了海量的生态矩阵式服务,如京东健康、京东旅行、京东生活、智能家居、车主服务等,并扩展新的应用场景,帮助车企和合作厂商与用户建立有温度的连接,提升了用户的完整出行体验。目前,京东车联网已经与海马汽车深度合作,通过支持多模交互、通过语音进行车家互控、智能语音购物、根据行驶信息进行智能维保推荐等特色功能,打造了人、车、家出行生活在车上的全面智能体验。

根据分工的不同,在智能出行的完整方案中,由京东车联网搭建了一套完善的智能出行服务平台,平台中包含开放API、京东智能家居平台与三方IoT平台的轻量级解决方案轻联、车载物应用、场景引擎等核心技术能力。以京东智能出行服务平台为中间桥梁,向下感知智能汽车的各类数据,向上与生活和出行的服务设施互动。

在京东车联网智能出行服务平台的技术方案中,重点是车载物应用的框架设计和实现。车载物应用框架解决的是服务快速上车的问题,京东车载物应用框架是基于京东手机小程序定制车载版物应用框架,打通用户、位置导航和车辆数据。在框架下,所有服务均由开发者开发完成,通过云端下载到本地的车机进行加载渲染展示给用户,车机不用做OTA升级,是服务上车非常高效的、轻量化的方式。

目前车载物应用框架可以通过私有化部署到车企内部云中,也可以通过SaaS平台与车企进行合作,还可以单独输出平台SDK进行服务上车。京东车联网这三种方案已经和多家车企进行沟通,讨论技术落地方式。

通过车载物应用框架实现将智能服务上车之后,为了让服务上车体验更加智能、更加友好,京东智能出行方案的另一个重点是打造场景引擎。场景引擎的核心思路是以场景模型+数据方式来赋能智能出行的链路。通过打通地图、车辆信息以及环境数据,分析用户在某一段时间潜在的需求,以通知或提醒的方式告知用户。场景引擎以产品化的设计思路,可以基于不同的云环境进行私有化部署。

在真实的使用场景中,车载物与场景引擎是可以整合在一起的。基于车辆数据,车载物应用平台可以根据行驶里程数,在合适的时机推送合适的产品或服务;基于车辆状态、当前车品消耗情况,车载物应用平台可以自动弹出玻璃水、机油等购物相关信息;基于车辆信息,更加准确推送目前车辆周边的加油服务;还可以基于环境数据,如天气恶劣或晴天,判断是否推送洗车服务等等。

数智化的浪潮已来临,我们每个人身处其中。从生产、经贸、研发再到生活的方方面面,京东智联云正在全方位赋能产业,创造更大价值。未来,京东智联云还将开放哪些技术和能力,帮助传统企业抓住转型的机遇,让我们拭目以待。

点击【阅读原文】查看技术沙龙视频回放,回复关键词“PPT201226”获取演讲 PPT和视频资料。

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 217

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 309

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 372

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 316

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 560

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 611

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 376

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 464

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 591

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 626

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 638

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 671

【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 562

【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 870

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 1005
上一篇: “持证”就能上岗 京东绿色内推招聘通道开启
下一篇: 潘建伟团队再登Nature:建成全球首个集成量子通信网,全长4600公里
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