【低代码实践】京东科技活动平台:魔笛介绍

作者:京东科技 葛阳阳

1、前言

营销活动是公司进行 用户拉新、交易转化、召回激活、裂变引流的重要手段,在活动业务发展的过程中,一定会遇到两类问题,通用性活动和定制化活动。通常情况下,通用性活动方案无法满足个性化的定制需求,所以我们面向不同用户开放不同的平台能力来解决此类问题,面向业务用户开放SAAS可视化零代码模式帮助用户快速搭建活动,面向研发工程师开放底层PAAS低代码模式让业务自由开发和定制活动,让业务的发展不再受限于平台的规范。既满足了高价值业务需求的支撑,又平衡了定制化业务的诉求。

最后我们慢慢抽象活动业务的共性,耦合活动后台服务,再融合低代码平台打造了一站式活动平台,并将它命名为 魔笛 ,魔笛承载着我们的愿景,希望在技术领域持续探索和突破

2、传统的活动开发模式

在金融场有很多的活动在投放,这些活动大致分为两大类,一类为简单活动、一类为复杂活动,简单活动模式固定,通过简单的配置就能完成,这种活动我们通常定义为可复用活动,比如签到、领劵、大转盘等。复杂活动由于业务逻辑比较复杂且模式不固定,所以可复用性比较低,比如裂变类、信用红包、膨胀金活动等。随着业务的快速发展,活动的场景和种类越来越多,活动研发每天都在承接着各种各样的活动需求,由于资源有限,业务研发只能优先开发高优先级或者是高质量的活动,这样那些低优先级或者低质量的活动的发展就会受到限制,一开始可以借调人力进行支持,但也不是长久之计,因为资源永远是有限的

2.1、高代码开发

高代码开发是传统的解决方案,前端和服务端根据产品和UI的效果图进行开发,然后通过测试后发布上线并进行投放

•优点: 可以快速支持活动的需求,具有很大的研发空间,可以高效的实现活动效果

•缺点: 对于已上线的活动,一旦产生业务逻辑和内容变更的需求,就需要走开发、测试和上线的流程。如果线上有问题,则响应和解决问题的时间会比较长,成本较高。

2.2、活动配置开发

这种模式属于是高代码开发的一个进阶优化。产品和运营沟通运营活动在线实时修改的需求,例如奖励、展示的内容、规则和策略等。研发工程师会根据产品的需求抽象出固化的配置,然后根据配置开发活动,活动上线后活动落地页会根据后端提供的API动态读取配置并实时渲染和展示活动。这种模式简化了配置缩短了业务逻辑和内容变更的路径,满足了线上实时变更的诉求

•优点: 该模式把活动的通用配置抽象出来,固化为活动的后台配置,帮组运营实现活动策略的实时变更,很大程度上提高了研发效率。

•缺点: 如果针对非周期性的活动进行活动配置的抽象和固化,则会增加开发成本,投入产出比会比较低。

2.3、活动管理后台开发

各业务团队为了提升研发和运营的效率,开始沉淀通用的模板和活动配置,从而产生了不同的具有业务特性的活动管理后台

•优点:该模式可以快速生成预制的H5页面和配置,将常用的活动模板和H5页面内置于活动管理后台,活动运营就可以在活动管理后台选择符合需求的模板,快速完成创建

•缺点: 业务团队通常会根据自身的业务特性去创建活动平台,有资源的团队会持续优化和发展自己的活动模式,对于资源不足的业务团队,就无法在活动平台建设上有足够多的投入。由于不同的业务团队在自身发展和业务范围存在差异,因此可能无法将自身沉淀的能力赋能其他业务团队,随着营销业务的高速发展,活动后台的这种模式如雨后春笋一般涌现

3、如何整合成统一的活动平台

通过分析活动传统的开发模式之后,并将相似能力和功能进行抽象和沉淀,让不同的业务团队都入驻到一个平台去开发活动,避免企业出现烟囱林立的现象,使彼此联系,打破信息孤岛,同时实现降本增效,提升内部生产力。

3.1、活动共建模式创新

一个活动由页面、组件和素材组成,页面一般为H5页面,组件又有UI样式、事件、业务逻辑组成,如图所示

可以看出楼层组件和业务逻辑是一个互动类活动的重要组成部分,我们可以把组件和业务逻辑的开发交给业务团队再结合平台的能力一起来完成共建,这种模式可以走出现有活动开发遇到的困境,达到快速拉齐活动开发能力的目的

3.1.1、基础能力建设

前面介绍了三种活动开发方式,都会用到一些基础能力,比如页面管理、组件管理、模板管理、配置管理等。每个活动开发完之后都会走测试、发布上线等环节,所以还需要发布和审批管理、用户权限管理等,如果需要验证活动页面转化效果还需要用到A/B测试的能力以及数据看板等能力,我们将这些基础能力进行整合,让业务只关注活动本身,基本上可以满足大多数的活动需求。

3.1.2、活动模板市场

随着活动的增多,平台会积累大量优秀的活动模板,这些模板不仅服务于创建的业务方,还要赋能于其他业务方。让每个业务的创造力在这个平台上流动起来,更好的为平台用户提供服务。

3.1.3、流程标准化

虽然我们建设了活动平台的基础能力,但是活动在创建过程中也会涉及多系统的操作,比如费用、权益、活动搭建(可视化、通天塔、98k、自研)、互动玩法搭建(如任务、抽奖、裂变等)、CMS、鹰眼、奇点、银河画像(数资)、数据分析(数资)等,会造成多系统操作成本高,创建活动周期长,流程冗余,配置人效低的问题。解决此类问题我们可以基于活动场景的标准化流程集成费用、权益、活动搭建、素材投放、任务触达等能力帮助运营实现一站式的活动搭建与投放

3.2、打造研发人员的开发环境

运营和产品是活动平台的主要用户,他们根据需求在平台上选择模板或者自主创建H5页面和使用现有的楼层组件。一个活动落地页的核心组成部分就是组件和事件绑定的一些业务逻辑,这些组件和业务逻辑主要是研发同学提供,所以业务团队的研发同学也是平台的主要用户。所以需要为研发同学设计一款在线的开箱即用的开发平台,为研发同学带来一站式的开发体验,提升开发效率。

3.2.1、活动组件开发环境

组件是落地页核心组成部分,组件开发可以参考设计稿直转楼层(D2C)的生产模式,无需编码能力开箱即用。对于存量组件需要支持二次开发的能力以及提供一键转换工具,支持多类型的存量工程一键转换。编码的开发和维护需要具备完善的迭代记录以及如何打造开发社区方便平台用户交流、表达诉求。

3.2.2、玩法开发环境

组件是活动的核心,那么玩法就是整个活动的齿轮,组件和玩法的相互配合,才使活动有了生命力。一般玩法是由多个业务逻辑组成,大部分的业务逻辑实现都是通过高代码实现,我们的业务研发同学每天都在重复开发这些业务逻辑代码,大量的if…else 语句和分支。如果要改变其中的一些逻辑和条件,就要走开发、测试、上线流程。这些低价值的工作并不能体现我们业务研发的价值,如何让业务研发从这些重复工作抽身出来,去做更有价值的事情,图形化的业务流程编排是一个解决方案,可以为研发同学提供BPMN流程编排的开发模式。对于存量高定制的通过高代码开发的逻辑可以提供一个接口服务,把接口注册到平台,沉淀一个业务逻辑。通过流程编排的方式不仅提高了研发效率,缩短了交付时间,而且通过接口注册的方式也能对业务逻辑进行整合。

3.2.3、开发人员文档

统一了开发环境,可能会改变业务研发的开发习惯,所以一个友好并完善的开发人员文档是必不可少的。从组件代码初始化、本地开发和调试、接口MOCK、业务逻辑开发、逻辑编排等能力进行文档的编写,最好能附上视频的讲解,还要建立答疑机制和答疑群,方便支持研发同学在开发中遇到的问题。

4、活动搭建-魔笛介绍

2022年活动平台用户覆盖了京东健康、京东物流、京东保险、京东科技等,总计用户 (运营+研发) 600+,支持搭建活动1095个。目前平台支持的玩法有 裂变、抽奖、领奖、任务、答题、签到、拉新等,并且已沉淀200+个楼层组件供运营使用,在线运营了多款经典活动,如下图所示

答题、签到、积分兑换活动玩法

领奖活动玩法

商品列表

任务&裂变玩法

拉新玩法

多种玩法组合

4.1、功能架构

4.2、活动搭建工作台

主要模块分为活动H5页面、组件的开发与管理、发布管理、玩法和业务逻辑的开发与管理以及表单配置管理等

4.2.1、活动搭建关系结构

抽象关系结构,能帮助我们更容易理解活动搭建

•活动页面: 活动落地页,一般为H5页面

•组件: 前端组件

•玩法: 一套API/MQ集合

•业务逻辑: 对应一个BPMN文件或者BFF服务或者外部的一个接口

•Schema配置: 运营配置表单

4.2.2 、H5页面管理

H5页面的生成主要是通过可视化搭建技术,可视化搭建技术是比较成熟的技术,也是我们经常谈论到的技术,营销活动是搭建系统最重要的落地场景,将可复用的组件通过拖拽的方式放到画布上,生成最终的页面。可视化搭建极大的解放了前端研发对低价值重复活动的开发投入,让技术同学能能够更多的从可复用和可配置的方向去思考活动的实

•页面创建: 创建页面基础数据,包括页面埋点、页面标签、页面场景、页面有效期、页面成员等

•页面编辑: 页面内容的编辑是通过可视化编排的能力,可见即所得。通过预览功能也可以看到投放的效果

•页面发布: 页面修改好之后,投放到正式环境需要走打包发布流程,提交给页面决策人员进行审批。审批完成之后正式环境即可看到效果

4.2.3 、组件管理

一般组件的构成基本结构就是前端UI+服务端业务逻辑的实现,搭建平台也是一样,搭建平台为了弱化运营对业务逻辑的理解成本,把多个业务逻辑的组合抽象成了玩法,那么一个活动组件的构成如下图所示

互动类组件开发分前端和服务端,前端实现组件UI样式,服务端负责开发玩法。组件管理还支持组件的多版本管理及发布版本功能

•组件创建: 创建组件基础数据包括分类、样式类型、标签、组件成员等

•组件版本管理: 组件的每次改动和升级都会生成一个新的版本,可以进行变更比较、历史回溯以及快速回滚等

•组件发布: 每一个版的都支持单独发布,但是生产只允许一个版本生效

4.2.4 、逻辑管理

一种比较常见的业务逻辑的组织方式是流程图,我们都听说过 " 一图胜千言 " 这句话,我们人类大脑对可视化的信息的处理效率要远高于其他信息,所以流程图式的逻辑编排是一种对大多数人都非常友好的方式。在初期我们也调研了很多的低代码平台,综合接入成本或者自研的成本来进行评估,而且部门内部已经有成熟的低代码相关平台。后面我们采用了BPM流程引擎的方式,MOLO的流程引擎刚好符合我们的需求,通过可视化流程编排的方式,进行业务逻辑的开发。

再后来随着业务的发展.为了满足不同业务团队的诉求,我们也引入了BFF流程编排,BFF流程编排也是可视化的流程图示组织方式,有着比较友好的用户体验和强大的在线调试功能。平台为了快速满足业务团队诉求,也为了后续更方便的扩展,搭建平台抽象了业务逻辑层,帮助平台快速融合多种业务逻辑实现,如接口注册、BPMN编排、BFF服务编排等

4.2.4.1 接口注册模式

概述

•一般是业务已经通过高代码的方式定制和实现了业务逻辑,使用逻辑编排进行沉淀成本会比较高,业务又想把相关能力快速沉淀到魔笛,可以通过接口注册的方式快速接入进来

特点

•主要支持JSF接口的注册,运营配置数据主要从DUCC获取

4.2.4.2 BPMN服务编排模式

概述

•通过融合MOLO的流程引擎能力,借助可视化流程编排,把相关活动能力拆成可复用可编排的逻辑单元, 后续有变化和改动,可以尽量少的改动代码, 通过拖拽的方式快速满足业务诉求

特点

•实例隔离: 运营配置数据写入到BPMN文件,配置数据跟随BPMN文件部署并生效,一个BPMN文件一个实例。每个活动都是单独的实例

•控件集市: 可以把可复用的逻辑片段封装成控件,共享到控件集市,可供其他业务团队使用

•独立集群: 可以根据不同业务部署不同的集群

•多版本管理: 支持流程模板的方式,可以生成不同的流程实例版本。通过多版本的管理可以做到快速回滚

•在线调试: 支持在线调试能力,提升研发效率

•触发方式: 支持JMQ和接口触发方式

4.2.4.3 BFF服务编排模式

概述

•和BPMN逻辑编排一样,BFF逻辑编排是另外一个服务编排平台。拥有比较好的用户体验和强大的在线调试能力, 通过不同的编排方式快速满足业务诉求

特点

•配置隔离: 运营配置数据是通过DUCC获取, 多个活动会共用一个实例,但是会使用不同的配置数据

•接口管理: 支持JSF接口元数据管理能力,每个流程的接口实例都是独立的,互不影响

•配置管理: 支持多种配置模式,比如ducc、concrete等

•版本管理: 支持多版本管理,通过多版本的管理可以做到快速回滚

•在线调试: 强大的在线调试能力,非常友好的用户体验,提升研发效率

•触发方式: 目前只支持接口的触发方式,MQ的触发方式还在建设中

4.2.5 、玩法管理

前面通过关系模型能看出来,玩法就是一堆业务逻辑的集合,通过玩法的开发流程形成玩法开发的标准和规范

4.2.6 、表单配置

4.2.6.1 玩法表单配置

魔笛提供一整套的解决方案,让用户直接在页面可视化区域填写配置表单,用户体验更友好

4.2.6.2 独立表单配置

通过项目规则生成配置表单,配合魔笛提供的SDK获取运营配置数据,满足业务定制化需求。独立表单配置,集合模板市场,通过SOP标准流程让运营进行使用

魔笛后台审核通过之后推送数据到DUCC,业务系统通过平台提供的SDK获取数据

4.2.7 、A/B测试

ab 实验是一个非常好的数据驱动归因工具,能够帮助业务解决很多场景下的归因和量化问题,为什么要进行 ab 实验,例如有2个UI设计,究竟是A更好一些还是B更好一些,这样我们就需要实验来进行判定。活动平台AB功能接入试金石,实现页面AB、楼层AB能力,该能力还在建设中,很快会投入使用

4.3、活动运营工作台

活动运营工作台是基于业务场景的标准化流程,集成费用、权益、魔笛、百舸(素材投放)、鹰眼(用户触达)等能力帮助运营实现一站式的活动搭建与投放,前期主要围绕活动前的管理功能建设,以及活动报备入口的统一。目前京东科技所有的活动报备都会走工作台的活动报备线上化流程。和前端共建主基座能力,引入微前端、制定前端交互协议,以及服务端交互标准。 比如什么样的系统通过SOP模式接入,什么样的系统通过活动模板模式接入

4.3.1 活动前

活动前主要围绕基座能力以及SOP模块的建设,用户通过浏览模板市场选择合适的活动模板进行创建活动,根据活动状态(草稿态、准备中、已上线、进行中、已结束、已下线) 进行活动生命周期的管理

•首页看板: 统计近30天创建的活动,包括活动各状态数据

•SOP模块管理:主要是各业务系统交互能力,包括运营活动费用申请、运营活动权益申请、任务申请、页面搭建、素材投放、用户触达

•我的代办: 当前承接各个活动创建环节未完成而生成的待办内容

•快速创建活动: 在工作台中快速创建活动,可一并完成费用申请、权益配置、页面搭建、规则创建、投放计划的创建与触达计划的创建

•我的消息: 接入消息中心的Pass组件能力,为后续接各个系统的消息流

4.3.2 活动中

活动中主要围绕资源位的管理包括资源位的上下架管理,以及活动参与数据和活动数据监控等

4.3.3 活动后

活动后主要侧重于活动数据的分析和活动复盘数据分析等能力

4.4 、用户权限

系统根据不同的人群(产品、研发、运营等)赋予了不同的角色

•超级管理员: 权限比较大,拥有系统所有权限,只有部门产品拥有此权限

•产品经理: 拥有活动管理、活动报备、页面管理、组件管理、标签管理、模板管理、审批管理、数据看板等,数据权限根据ERP隔离

•用户运营和产品运营: 拥有活动管理、活动报备、页面管理、组件管理、审批管理、数据看板等功能,运营可以通过该角色完成工作,数据权限根据ERP隔离

•研发工程师: 拥有活动管理、页面管理、组件管理、审批管理、玩法管理、业务逻辑管理等权限,数据权限根据ERP隔离

•实习生: 拥有权限比较少,一般只有查看权限

•客服BP: 拥有活动报备权限、活动报备审批权限

5. 写到最后

活动平台一路走来遇到了很多问题也遭受了很多的质疑,庆幸的是我们都把问题解决了,特别感谢Molo引擎团队、BFF 引擎团队的大力支持,活动平台的各个功能后续还会继续打磨,也希望各兄弟团队多提意见,你们的意见和建议也我们前进的动力, 让我们一起努力让活动平台赋能更多的业务团队

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 221

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 311

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 374

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 319

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 561

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 613

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 380

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 467

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 593

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 628

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 640

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 673

【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 563

【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 871

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 1007
上一篇: 联邦学习开源框架FATE架构
下一篇: 京东云总裁曹鹏:安全可控的数字基础设施提升产业链韧性
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