大厂B端/G端数据可视化项目如何做设计评审

2024-04-22-10-19XhkLaKpY19iuAfAV.png

根据自己多年的B端/G端数据可视化项目设计经验,总结了这篇数据可视化项目如何做设计评审的文章。内容侧重于数据可视化项目,但对于非可视化项目的设计评审也是通用的。文中介绍的流程和方法,尤其是通过STAR法则来阐述自己设计思路的创意,是我在实际工作中一直使用、并受益良多的技巧;文章中也提到了很多只有经过实战打磨才能发掘的一些细节的问题和处理方式,希望所有这些积累和沉淀能给大家带来帮助和启发,期待大家喜欢这篇文章,后续我每月至少更新一篇经验文章,欢迎各位设计小伙伴关注和交流~


01-前言

如下思维导图,我按个人工作经验梳理了数据可视化项目的核心交付流程,从流程图中我们可以看到:设计评审是设计执行与设计迭代之间的关键环节,设计评审为设计迭代提供了科学的依据。从整个项目交付的角度来看,在数据可视化项目中,设计评审最根本的目的是对设计与需求的匹配性进行系统的评估和反馈,并针对技术落地的可行性与实施成本进行适当的评估和确认。设计评审是需求相关方对设计质量和效果的确认,是设计进入开发前必须经过的关键节点。

我在自己的社群和公司可视化项目设计环节也发现了一些比较有共性的问题,比如:开发对设计还原的效果比较粗糙、还原不到位;一些比较有特色的交互或动效落地困难或后期开发时被砍掉;设计提出的一些优化需求被延期或搁置;由于开发还原不到位导致项目交付效果差然而客户吐槽或投诉设计质量;等等,以上问题有诸多因素,但我认为有一个很重要的点就是设计师没有在适合时间点拉起设计评审,大家对于设计稿的效果并没有达成广泛的共识,所以一些设计想法会被其它开发或同事认为这只是设计师自己的想法而不是规范的项目需求。所以设计评审让设计工作在过程和形式上表现的更加专业和正式,设计师的想法也可以通过设计评审环节给各方有一个充分的表达,而通过了设计评审的设计稿(包含交互、体验、视觉等)就不再是设计师自己的产出,而是整个项目团队共同的作品,是项目交付的“关键文档”,在这种情况下,设计师就可以争取到包括项目经理、产品经理、开发负责人等在内的需求相关方一起推动设计的落地和还原,如此,在后期的拉扯和推进中就不再是单打独斗,而是有合作有队友。

02-评审流程

设计评审的流程不同公司或许不同,但我总结了下大体上就是这5个流程,我们知道整个全局的流程之后,在发起设计评审时就可以按照每个流程的要点去准备和完成对应的内容,这样整个评审流程就会有条不紊、高效可执行!这5个流程是前后依赖的递进关系,其中有些同学会把“演示阶段”的工作当做设计评审的全部内容而忽视了其它几个部分,最终导致设计评审结果不理想或后续设计落地仍然存在很多固有的问题,所以我会把这几个部分分开,给大家把每个节点该做什么、重点是哪些、都做一次比较详细的梳理,通过这次阅读,我们就可以带着目标和方法进行设计评审,当我们掌握一个比较专业科学的评审流程后,我相信在后续项目中进行设计评审会更加高效、愉悦、有质量!

03-准备阶段

一般情况下,在完成需求评审,进入设计阶段时,设计负责人首先会对整个项目相关的设计任务进行细分和评估,定义几个关键的设计交付节点,并明确每个节点交付的内容,同时与项目负责人就设计交付节点和内容达成一致。因此,设计评审在一个项目的支持周期内,可能会进行几次,每次评审的流程和内容相似,但是参与评审的人员可能不同。

在设计评审准备阶段,设计师首先需要明确本次评审的设计内容,并准备好相关设计稿,以及与设计稿对应的需求文档或原型,如果有交互的演示需要确保演示顺畅、链接可正常打开等:如有动效演示需准备相关视频文件。我个人以figma为主力设计工具,所以需求原型的截图会跟设计稿放在同一个页面,设计稿下方放原型截图,设计稿与原型一一对应;动效相关的演示视频也会嵌入导Figma中;对于一些比较大的视频文件及设计稿图片会提前导出放到一个文件夹,规范命名,然后在邀请阶段发送给相关同事。

就我个人而言,在准备阶段,我会为本次设计评审设计一个简单的封面、一个目录;目录主要体现了本次评审的内容、这样即方便相关人员全面了解评审内容也可以在演示阶段通过目录提醒自己,避免在评审中遗漏某些评审要点、或者节奏过于拖沓。

04-邀请阶段

#邀请人员和范围

准备好相关设计稿和演示素材,确认评审内容后,就需要邀请需求相关方来参与设计评审了。被邀请参加设计评审的同事需要满足两个条件,首先被邀请同事是本次设计利益相关方,常见的有需求发起方、页面实现的开发人员、负责数据准备的同事等;其次,被邀请同事应该有一定的决策权,设计评审中需要对视觉效果、交互形式、实现方式等进行讨论和决策,所以被邀请的同事应该能够对设计中与自己负责的相关需求或模块可以做出直接的决策:即可以或者不可以!如果被邀请方无法对设计内容做出决策,那一定会有后续二次甚至三次的沟通,这样的沟通一方面效率低下,另一方面存在很多不确定性,会导致评审的不断延续以及后续信息与其它方的断层。所以应该尽可能邀请有决策权的相关方参与。

另一个需要注意的点是:控制参与设计评审的人数!一般应该邀请最关键的相关方参与,且在角色齐全的前提下人数越少越好。这样做,一方面可以节省不相关同事的时间,同时也可以提高评审的质量和效率!参与设计评审的同事在7人及以上时,往往评审的效率会比较低,人数越多并不会收到更多有效的反馈,往往会收获更多无效的吐槽,设计评审本质上是对设计的方方面面进行确认和决策的过程,因而只邀请决策相关者参加可以很好的提升设计评审的体验和效率!

#邀请方式

一般邀请前先与参与方沟通好时间,然后正式邀请以发送邮件的方式比较合适,邮件里面可以附上相关设计稿(准备阶段设计的目录)、设计文件链接、动效演示附件等,简要说明评审时间、地点、评审方式、内容等。 对于一些有内部办公软件的团队,比如字节的飞书、京东的京Me。阿里的钉钉等,在预约会议时可以直接选择相关参与方,并抄送邮件和会议材料给对方,相对来说会更方便。如果办公软件有创建日程的功能,也可以创建日程并共享给大家。

需要注意的是: 1、设计评审的邀请要提前发出。按本人工作习惯,评审邀请会提前3天以上发出,非紧急情况尽可能避免临时的邀约,因为临时邀约大家的时间不好协调,而且准备仓促也影响评审质量,如果频繁的发生临时的会议也会使得大家觉得设计师工作没有计划、比较随意,长此以往影响大家对设计师专业力的判断。尤其是在团队规模比较大或者邀约人中有比较高级的经理或者老板时,大家日程通常都会排的比较满,因而提前沟通提前发起评审计划也是对其他同事有更好的体验,这也是职场基本礼仪以及设计师同理心的体现。 2、不要在微信群等信息流更新频繁的各类群内发起邀请,因为信息流内消息多且更新快,极有可能部分同事收不到邀请而导致正式评审时缺席或迟到。

05-演示阶段

演示阶段主要面向需求方展示UI界面、功能和交互等,对于数据可视化项目,尤其是大屏可视化项目,一般都有比较丰富的动效设计,所以也需要向业务方展示动画效果、以及动效触发条件和交互逻辑。设计师是设计评审的发起者,所以设计评审会议设计师是主持人也是主讲人,所以如果是线下会议,设计师应该提前到场,调试设备、测试投屏、麦克风以及打开设计稿看看演示是否流畅、正常;如果是线上会议也需要提前进入会议,测试投屏、麦克风等。

我们在准备阶段已经准备好了演示阶段要评审的内容目录,如下图,所以评审会议开始后,简单给大家介绍下本次会议的目标和背景就可以按照目录内的内容进行逐项的评审。

一般为了避免混乱和提高评审效率,我们每个时间段只评审一个主要方向点,作为设计评审的发起者,设计师在这个环节即是讲解者也是评审会议的主持人,因而需要有意识的把控会议节奏和引导大家围绕既定议题讨论,避免过度发散和拖沓。 因此,会议开始后,应该给大家说明白自己评审演示的顺序和讨论发问的规则及时间限制,对于大多数人来讲,相比漫无目的没有节制的讨论,其实大家更期望一个有强力的控场和明确目标、规则的会议,所以不要担心有人会不同意或破坏规则,大胆的说出自己的秩序并以主持人的角度做出应有的执行和维护!

项目初次评审,首先应该给大家整体讲解同步设计思路,设计思路:即基于当前的需求背景和用户使用场景,采用了哪些设计方法产出了怎么的设计效果满足了哪些业务的需求。我一般习惯将设计思路归纳为几个设计关键词,每个关键词阐释对设计某个角度的理解,然后通过关键词将自己的设计理念或者设计思路同步给需求方。

向大家讲解设计思路有助于让评审各方从更全局的角度理解设计师的想法,有利于设计思路的落地以及后续设计细节的讲解。

设计理念主要阐述了设计方法论,设计对需求、对用户场景以及现有技术的了解和响应。具体到页面设计细节的讲解,我们一般从“形、色、字、质、构、动、音、视”八个角度去阐释大屏可视化项目的设计细节。虽然不同数据可视化项目的页面呈现、交互逻辑等都会有些许差异,但设计最底层的要素归纳起来就是上述8个方向,从这八个方向阐述自己的设计细节:一方面可以让自己讲解的更有条理、另一方面也可以让评审各方更容易理解设计底层的逻辑和层次,把那些我们精心雕琢但用户往往不易察觉的设计有效的传达给需求各方。

“形、色、字、质、构、动、音、视”八个设计要素在我自己的数据可视化项目中已经形成了固定的模版,每个新的项目设计评审我都会从这8个角度去讲述自己设计的细节,通过不断地讲解和反复的宣贯,时间久了相关协作方也就熟悉了这些流程和方法,也算是我们对非设计专业的同事完成一些培训和分享,这样后续项目的评审就会更加顺利流畅。当然并不是每次设计评审都要从这8个方向讲解,对于跟设计师已经熟悉的业务方或者某些非重点的设计细节,我们简略的阐述即可;那些影响设计效果、或者需要开发等相关同事强力配合才能落地的设计细节可以更重点的阐述。对于““动、音、视”三个方向的细节,最好准备可以交互的demo或者能够演示的视频,以便更准确的阐述设计效果让大家更清晰的理解设计结果。

06-反馈阶段

反馈阶段是穿插在演示阶段内的,在设计演示阶段,我们主要按照准备阶段规划好的目录,按模块向需求方演示设计效果。通常为了保证评审效率,我们在每个模块的讲解演示结束后,再进行集中的讨论和反馈。按照本人主持设计评审的经验,在演示结束再进行讨论反馈往往会更高效,而在演示过程中被反复打断、提问会使整体评审体验和效率降低,因为演示过程中的提问很可能在之后的展示中马上就会讲到,中途频繁的提问也会使演示的节奏拖沓。所以评审会前跟大家约定好评审的规则、提问的时机也很重要。

每个模块演示结束后,大家针对该模块的设计展开讨论和交流,反馈内容基本上分为两大类:疑问和建议;每条反馈尽可能在评审现场有明确的结论或结果,对于现场不能决策的反馈,需要作为行动点整理在后续的评审纪要中,并在评审会上与大家明确行动点的跟进者以及完成的时间。

设计稿是设计师针对业务需求结合用户使用场景、用户习惯等要素综合考量后进行的有意识有目标的设计产出,但是不管是面向业务需求方还是普通用户,设计稿呈现在他们眼前更多的是直观的视觉效果,视觉不像代码或者算法逻辑在认知上存在一定的门槛和专业基础要求,所以每个人都可以基于自己的理解和审美对设计师产出的设计稿进行评价和反馈,所以为了聚集大家的关注点,尽量引导大家在“正确”的方向讨论就非常关键,而这正是我们在演示阶段通过设计关键词进行设计理念宣讲的目的!

对于数据可视化项目,尤其是大屏项目,往往比传统网页或者APP项目有更高的落地门槛,因此在反馈阶段要针对演示阶段展示的效果与开发相关同学进行针对性的讨论和沟通,设计稿还原不仅与开发的技术水平相关,其实也与项目实施的成本相关。所以演示阶段展示的越细致,反馈阶段大家对相关效果的实施技术、实施成本的评估也就更客观可行。

反馈阶段产生的需要技术验证的效果或者待决定的决策,需要由技术负责人跟进或指定相关同事跟进,并且也需要有明确的完成时间点。

当然,各方对于设计的反馈也不一定是在演示之后,我个人会在邀请阶段通过Figma将相关设计稿链接发给需求各方,如果大家有时间,就可以在评审正式开始之前,通过评论的功能对设计进行反馈。对于一些小规模或者小需求的设计,这样的反馈方式显然更加高效和轻量化。所以方法有很多,大家可以根据项目实际情况灵活选择。

07-总结阶段

总结阶段最主要的工作就是汇总并梳理反馈阶段收集的各类反馈信息,并以评审纪要的方式将相关信息以邮件或者其他比较正式的渠道同步给评审参与者及需要知晓此部分内容的相关同事。

如下图,总结阶段的内容我们大体上可以归纳为两类:结论与任务项(行动点)。其中,结论部分是设计评审中大家达成一致的重要结论点,比如对于设计风格是否整体认可;交互动效、转场过渡等效果是否得到需求方及研发的确认;此外还有后续开发及设计迭代的节奏与计划等。重要的结论必须以文本的形式明确记录,以防止后续针对该部分内容的拉扯和反复讨论。

设计师作为设计评审的发起者,必须能够准确记录评审中形成的结论,对于有两个以上设计师参与的设计评审,可以一个人负责展示和讲解另一个负责记录;对于仅一个设计师参与的评审可以采取现场确认现场记录的方式进行,也可以现场确认会后记录。 没有会议纪要的评审,基本等于没有评审,会议纪要是设计评审中最重要的产出!

任务项是指需要解决的问题或事项,一般来讲,任务项由任务内容+执行人+完成时间三个要素组成。每个任务项建议仅指定一个人为负责人,对于需要多人完成的任务项由负责人自己分配和协调大家工作,负责人对结果和质量负责。任务项内容尽可能简洁明确,一般一句话足以。

由于反馈阶段形成的任务项不一定都是设计师负责,比如需要前端调研或验证的技术、需要项目经理协调的资源等,所以任务项需要在反馈阶段跟大家明确任务内容与负责人及完成时间。总结阶段只是梳理并形成正式的评审纪要~

梳理完成的评审纪要一般以邮件的形式发送并同步内容到用于项目沟通的群聊等即时聊天软件。设计师需要做好设计迭代及任务项进度跟进。对于周期较长的任务可每周同步进度,任务周期较短的任务项每日同步进度。 评审结束之后,各方都以纪要里面的任务项和结论点为依据,进行设计迭代、开发维护等。

08-评审内容

设计评审内容阶段,最核心的工作就是设计师要通过有条理、清晰且易于理解的表达,将设计的思路和价值传递给需求方,并得到需求方反馈的过程。

从我的设计经验来讲,我推荐大家通过STAR法则来向大家阐述自己的设计细节和思路。

采用STAR法则首先可以梳理好我们设计师自己的思路,并且通过这种结构化的表达也能够让大家更好的理解你的设计意图,同时。法则中结果部分也可以把大家的反馈部分作为对自己设计验证的一环,采用这种表达方式反复练习,你会发现自己的表达越来越好,并且自己的设计也会越来越严谨,而这种表达的提升不仅能在设计评审环节展现你的优势,在日常沟通汇报等方向也会让你变得更强!

09-视觉评审

我们在展示阶段通过“形、色、字、质、构、动、音、视”8个要素来向大家阐述我们的设计细节及设计思路,实际上在视觉评审模块与视觉相关的主要是“形、色、字、质、构”5个要素。

按照个人经验,在设计稿展示之前,会先展示对应页面的原型,通过原型带领大家简单回顾并说明原型上都有哪些业务需求点,然后再展示设计稿,这样处理:一方面是想让大家对原始需求有比较好的理解,另一方面是因为原型一般都较简陋,而设计相对细致,对比之下也更容易突出设计的精美效果。视觉评审重点向大家讲解通过哪些设计手段解决了哪些业务问题、完成了哪些业务需求点、以及通过哪些设计方法使这次设计呈现出了与同类项目相比具有特色的设计亮点。

当然倒也不必面面俱到,有亮点的地方着重讲,普通设计要素点题即可!

10-交互评审

交互设计评审需要以业务方需求为依据,大体思路也是遵循STAR法则来向大家阐述,对于简单的交互可以直接描述或者配合Figma的原型功能做一些简单的交互效果,对于比较复杂的交互需要画简单的流程图并辅助可交互的页面来阐释,交互评审最核心的是要说明交互设计的目的和交互逻辑,落脚点还是解决用户的痛点和目的。

另外交互形式的可行性也是交互评审中需要关注的点,在阐述交互方案的过程中,要注意其它方反馈的关于交互设计可行性及开发所需时间等问题;容易遗漏的交互是一些特殊情景是否考虑完全:例如转场、中间态、异常状态、不同数据情况等。

11-动效评审

可视化大屏设计中适当的加入一些动效设计可以使数据的展示更加生动,此外,数据可视化大屏的一部分业务需求是公关展示,公关展示大屏特别强调设计效果和气质,一般场景是面向媒体和公众展示较多,因此适当的动效也可以提高大屏展示的效果,强化大屏某方面的特性,从而在公关展示的场景下取得更好的曝光和传播。

动效评审需要说明动效的状态和作用,对于那些交互行为触发的动效,要向大家说清楚动效触发的条件,持续的时长,结束的状态和时机;对于非交互触发的动效(动画),需要说明动画的场景和在页面上的位置,同时要考虑动画跟页面整体风格的一致性,要与页面整体具有比较好的连续性和叙事性。

对于一些比较复杂的动效,可以根据现场评审的反馈,简单的讲解下动效的原理和技术,方便开发更好的理解和实现动效开发。

12-适配规则评审

数据可视化大屏的适配一般主要有两方面的适配内容:第一个是数据内容的适配,第二个是分辨率的适配。

数据内容适配是指大屏可以在一定程度上适配不同数量、不同类型的数据要素,比如在数据类型发生增减、单一数据极少或极多的情况下,大屏的组件和布局如何响应数据的变化,以使大屏整体始终有比较好的呈现质量。

分辨率适配是指大屏内容可以适应不同分辨率和比例的变化,数据可视化大屏一般都是定制化开发,在设计初期其实已经知道了交付现场的硬件规格,所以大部分情况下大屏的适配比较简单,但是对于一些要面向多个不同场景交付的大屏,分辨率的适配就显得比较重要,一般通用的适配方式有以下几种,大家可以参考

13-结语与总结

本次分享主要基于本人日常工作经验总结而来,虽然针对数据可视化项目撰写,但其实具有很好的通用性,相关的评审流程和方法应用到其它非可视化的项目依然适用,如果大家对B端/G端数据可视化设计感兴趣,欢迎与我有更多交流,后续也会按照每月至少一篇经验分享文章的节奏,持续更新相关设计文章,感谢大家的耐心阅读和支持。

我是BYMD,一个会写诗的数据可视化设计师~

作者:京东科技 保永明

来源:京东云开发者社区

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 28

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
上一篇: 面向AI的开发:从大模型(LLM)、检索增强生成(RAG)到智能体(Agent)的应用
下一篇: 看不懂正则表达式?试试可视化工具吧!
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