AI、IoT、区块链、自主系统、下一代计算五大技术引领未来供应链发展

京东推出《技术重构社会供应链 - 未来科技趋势白皮书》,秉承京东一贯专注技术聚焦业务的务实风格,京东对前沿技术洞察紧密围绕京东集团供应链业务的主阵营,解析数智化科技助力下,如何达成数智化社会供应链“5 个 DEEP”属性实现产业数智化变革。研判未来十年,推动 5D 属性实现的五大关键技术,以及在供应链新生态下,京东在五大落地场景的务实作为。通过本篇文章了解技术新趋势,未来业务创新形态,让你在同质化竞争中快人一步。

维护全球产业链供应链稳定是未来经济发展的重要方向,从去年 5 月国家提出“国内国际双循环”战略,到逐步完善为要“形成以国内大循环为主体、国内国际双循环相互促进的新发展格局”,这其中离不开技术的赋能,数字化变革时代已经来临。

在过去互联网数十年的发展中,数字化进程主要集中在消费互联网,而未来,随着政策导向与技术创新,产业数智化将成为拉动经济增长的核心动力。产业互联网与消费互联网的协同共振将成为未来十年发展的主旋律。对中国来说,国内大循环是未来社会经济发展的重点,在供需方向看发展,因此供应链体系的建设意义重大。

今天我们所提的供应链早已跨越了单一企业的界线,而是正在把生产端、流通端、消费端打通,形成产业数字化。提到京东供应链,很多人对其的印象还停留在物流层面,但实际上,京东供应链早已延伸到多行业,目标直指产业数智化。在此白皮书中,我们也将看到京东在零售、健康、物流、金融、城市场景中的技术落地。

在 2020 年 JDD 大会上,京东首次提出“数智化社会供应链”这一新型供应链概念,这次京东集团技术委员会推出的《技术重构社会供应链 - 未来科技趋势白皮书》则是基于这一新型供应链概念从技术前瞻、产业发展、业务落地等角度进行研判。本篇文章将从三方面为大家解读这份白皮书,共观前沿技术。

1一看 5D 属性:京东提出数智化社会供应链“5 个 DEEP”

数智化社会供应链是指用数智化技术连接和优化社会生产、流通、服务的各个环节,降低社会成本,提高社会效率。我们通过概念解读也可以看出京东所提新型供应链其本质是通过技术手段实现产业端和消费端拉通,助力产业数智化。随着未来数字覆盖面的扩大,智能技术的广泛普及,创新型服务的爆发式增长,基于此,京东归纳出数智化社会供应链将会实现 5 个 Deep(5D) 属性:

  • Deep Tech(深度技术)

  • Deep Connectivity(深度链接)

  • Deep Data(深度数据)

  • Deep Intelligence(深度智能)

  • Deep Purposes(深远目的)

其中,深度技术通过基础设施、传感、通信、计算等,保证数据有效、快速、完整的获取传输和计算;深度链接指各类社会软硬件及设施、供应链上的不同环节以及不同供应链之间高度互通的深度联接;深度数据实现对供应链各环节的数据抽象和详尽的描述,对完整供应链进行数据建模;深度智能通过算法的不断演进,实现分场景价值智能挖掘,从感知智能迈向认知智能;以上这些共同作用,最后达到深远目的,实现对客户、伙伴、员工、社会的深度服务。

5D 环环相扣,技术是基础,数据全链接实现对供应链各环节数据抽象和建模,最终实现万物互联,数据深度挖掘推动深度智能,最终实现产业数字化目标。这“5 个 DEEP”,可以理解为行业看供应链数字化发展的标准与业务落地的方向。

2二看未来十年,推动 5D 属性实现的五大关键技术

京东认为未来十年,人工智能、物联网、区块链、自主系统、下一代计算是推动 5D 属性实现的关键技术。不管是对于企业还是对于开发者来说,了解新技术的发展并深入学习,那么在未来同质化竞争中就可以领先一步。

对人工智能、物联网、区块链这些技术名词大家早已不陌生,在商业落地上已经看到一些成果,比如人工智能在工业检测、医学影像、城市安防、智能客服、机器翻译等场景中的落地都为大家所熟知;物联网技术在消费级场景如智能家居领域应用较早,目前在产业侧发展势头正盛,比如支撑整个工厂的智能决策,以及产品运行的实时监控、远程维护等;区块链作为可信协同的基础技术,主要解决信任问题,在金融领域有广泛的应用。

那么什么是自主系统和下一代计算呢,这里又包含怎样的机会?

自主系统不是单门的技术领域,而是指具有一定自治能力和自主性的控制系统,结合 AI 与物联网等技术,通过实时控制决策来实现系统的自治。其重要意义在于可以替代或辅助人类在特定环境下完成任务,提高人类的感知范围,扩展人类的行为能力。目前,自主系统主要应用于智能车、移动机器人等领域。涵盖边缘智能、自主协同、自主控制、自动驾驶、高精地图等发展方向。通过自主系统发展,未来在物流配送(疫情期间的智能配送)、仓储分拣(AGV 自主搬运机器人)、安防巡检等场景中将发挥作用。

在数智化社会供应链中,自主系统扮演着非常重要的角色。在以“物流”为代表的业务流程中,将链条节点流程化,通过自主系统进行仿真预测,获得配送路径最省时的方案,最终以“机器驱动”达成供应链流通各个环节的最高效率。

而下一代计算是指在大数据、深度学习算法推动下对新计算范式的探索,包含云边端协同、量子计算、类脑计算等技术在内构建的具有高效计算能力的计算机硬件和软件资源,组成了下一代计算的基础。它对硬件、算力提出了更大的挑战,既需要计算硬件平台 (特别是计算芯片) 的进步,也需要计算系统的构建与管理技术的进步。在芯片技术上可重构计算与异构计算相结合成为新一代处理器的趋势;在计算系统技术上则要通过智能调度等方法完成计算任务。从今天业界对量子计算的关注程度,我们也看到下一代计算的潜力。

五大技术将作用于供应链各个环节,支撑社会生产、流通、服务的数智化、社会化及全链路发展。京东在这五大技术领域亦有自身的积累与沉淀。

在人工智能领域,京东依托自身在零售、物流、金融、健康及智能城市行业中的场景与用户优势,在人机交互上,打造了智能人机产品“言犀”,提供智能客服、对话导购等多种能力,帮助企业降低人工客服成本。还推出“C2M 智能工厂”将消费端需求,转换为制造端可设计、可追溯、可量化、可定价的生产元素,从而链接制造端研发、管理、生产、运维、服务全流程,为企业实现一站式的数智化赋能。

在物联网领域,相较于其他厂商,自营电商属性的优势使京东可以对智能家居产品进行跨品牌、跨品类的整合,形成更成熟的数字化及场景孪生能力。2014 年以来,京东逐步将其物联网技术对外开放,已形成包括智能家居、智能物流、智能金融、智能医疗、工业物联、智能地产、智能车联等领域的行业解决方案,促进实体经济发展。

在区块链技术领域,京东有自己的区块链架构体系,提供品质溯源应用、数字存证应用,提升管理效率,降低上链信息采集成本。其推出的“智臻链云签”电子合同平台实现了电子签约数据的全过程证据链电子认定,让企业的合同签约实现数字化。

在自主系统技术领域,京东落地场景有很多,比如正在江苏常熟建设全球首个智能配送城,截至 2020 年 10 月,首批 30 余台智能配送车已经在常熟市区投入使用。在物流配送中部署超过百台京东分拣机器人、疫情期间的智能配送车辆应用、数据中心巡检机器人等。而在下一代计算领域,京东有着“云边端”互联计算系统,在上述计算系统的构架下,发展终端定制硬件设备,采集更广泛更全面的数据,建立超大型数据库。在大数据的基础上扩展专用领域计算,为用户提供专门领域的定向服务,定向服务既覆盖新兴领域,也可以渗透到传统行业。

在这五大技术领域,通过白皮书,我们看到京东在关键技术上的积累,以及对新技术的前瞻。

3三看京东数智化社会供应链与产业新生态

白皮书围绕零售、物流、金融、健康、城市这五大业务讨论技术对其的支撑作用,一方面,这五大业务场景是实现数字经济、产业数智化的关键落地,另一方面,京东面向产业互联网,在这五大业务场景做了非常多的技术赋能。

大家对京东在零售及物流行业的成绩不太陌生,但京东在其他领域也在积极促进产业数字化。比如在智能健康领域,去年 8 月,京东健康推出家庭医生服务产品—“京东家医”,另外其推出的“京东互联网医院”是国内首批取得互联网医院牌照的平台型互联网医院之一,截至 2020 年 12 月 31 日,平台入驻超过 11 万名医生。

在智能金融领域,京东依托整个集团的发展生态模型:科技 (Technology)+ 产业 (Industry)+ 生态 (Ecosystem) 的“TIE 联结模式”。通过与 AI、区块链、物联网及 5G 技术融合,将数字化打造为金融与实体经济的连接器。

在智能城市发展上,京东进行云基础设施的布局。依托在云计算的长期业务实践和技术沉淀,为城市提供的云计算服务囊括 Iaas、PaaS、SaaS 的全栈式服务,从 IDC 业务到综合业务的全频段服务,提供包含公有云、私有云、混合云、专有云在内的多云、安全、可信赖的基础云服务。

同时京东联合本地政府共建云计算和大数据基地,打造城市数字基础设施,形成多级城市结点,通过与京东公有云联动,构建一张覆盖全国的智能城市干线网络。如雄安新区块数据平台建设、帮助宿迁市政府打造城市数字基础平台,建设云上宿迁 (京东云华东数据中心) 和云上产业 (宿迁电子商务产业园)。

针对五大业务场景,京东对其未来的发展和创新模式进行了预测。京东认为,未来智能零售在需求侧将让消费者获得定制化服务,在供给侧将由零售行业内共同推进实现的数据统一标准化及数据开放共享,为供应链上下游各主体带来“人 - 货 - 场”多方面的信息。

在智能健康行业,虚拟的私人医生、智能化医学影像系统、3D 生物打印技术发展将以数智化的形态完成社会医疗健康供应链的建设。在智能物流行业,数字孪生可以将真实的物流供应链映射到数字世界中,同时物流可持续发展必须被关注。在智能金融行业,全域可信生态、数智柔性服务、全链深度智能将是发展趋势。在智能城市行业,数智化社会供应链的 5D 属性将给政府、企业和个人产生巨大的价值,城市的基础设施、城市的产业发展经济数据,以及城市的生态、民生、社会需求将实现深度链接,成为未来城市新竞争力基础设施。

在这五大业务场景中,通过白皮书,我们看到京东在业务落地上的务实与商业观望的前瞻。

4写在最后

在产业数字化转型的过程中,技术如何能更好地应用在产业实践中,前人已有答案。对于未来新技术的发展趋势,业务的创新模式,相信你也能在白皮书里得到部分解答。

点击「阅读原文」,立即下载《技术重构社会供应链 - 未来科技趋势白皮书》。

相关推荐

京东云推出全新JoyCode智能编码工具,让AI Coding从代码生成走向成果交付

全新JoyCode结合项目背景与任务目标,通过Agent Loop持续规划、执行、验证与迭代,并支持多智能体并行协作、模型灵活配置及工具与流程复用,贯通从需求分析到开发验证的任务链路,推动AI Coding从代码生成走向可运行软件与可用工具的成果交付。模型使用的关键,不只是选择更强的能力,而是让投入与任务需要相匹配。作为面向严肃开发场景的企业级编码产品,京东云JoyCode所拓展的,不只是代码生成的能力,更是将专业经验与日常灵感付诸实现的路径,让技术承接实现过程中的繁复,让人更专注于问题、判断与创造。

京东科技开发者 46

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 227

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 316

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 378

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 322

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 407

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 563

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 615

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 384

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 470

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 596

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 631

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 720

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 641

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 675

【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 564

【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 553

【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 611

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 909

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 873

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
上一篇: PPT丨智联万物,京东IoT技术创新与实践
下一篇: 大数据丨ClickHouse在京东能源管理平台的实践
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 2141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