京东.Vision —— 空间计算时代的用户购物之旅

谢邀。感谢组织的机会和帆哥的信任,有幸作为主产品参与了京东.Vision首个版本的构建。我曾在3D创业公司负责过第二曲线,也曾在友商跟随家居创新业务一起成长,如今在京东正好做3D和家居的结合。正值我的京东一周年,也借此机会记录下这段难忘又有趣的经历。









我读的电商专业,大学期间就对于消费者终端印象深刻。90年代的PC带来了Web时代的阿里巴巴、淘宝和京东;10年代的手机带来了移动端时代的手淘、天猫、手机京东、抖音和拼多多。

相信每一位互联网人都期望自己能赶上一次这种黄金浪潮,跟着时代的趋势,做一次风口上的猪。2024年的今天,苹果发布了Apple Vision Pro(简称AVP)。我们都兴奋的期待苹果扭曲现实力场的奇迹能在AVP重现,正如当年一句『An iPod, a phone and an internet communicator』乔布斯就重新发明了手机。







乔布斯iPhone发布会







传统手机







传统XR设备



从XR设备角度,AVP带来了什么变化?

在此之前,一众XR设备都遵循着游戏主机的逻辑,各式手柄、激光定位甚至桁架层出不穷。AVP反而说「You navigate with your eyes, simply tap to select」,用最自然的人体交互替代了传统设备交互:眼睛看向哪里、就表示你关注哪里;手指轻轻一捏,注视的元素就被你触动。虽然这一极致体验的成本不菲,但作为Apple第一台面世的空间计算设备,苹果更在乎建立一个对的范式。

正如乔布斯定义手指是最好的触控,从此一扫传统手机开启大屏移动终端时代;AVP的这句话,很有可能就此定义了空间计算时代的基础交互。

















与其他终端设备相比,AVP又有什么不同?

既有PC、手机、平板等设备,通过一块屏幕为我们打开了通往数字世界的窗口。这屏幕既是通道也是屏障,那边是虚拟、这边是现实。AVP则一举击碎了这一屏障,将数字世界融入现实,让人类可以通过一套非常相似的人体交互逻辑与现实和数字世界实时发生关系:

•屏幕可以挂在床头、挂在走廊,我下一趟楼再回来、屏幕还在那里;

•音乐播放器可以放在窗台,甚至可以藏在被窝里,不同位置播放的声音都截然不同;

•我可以在客厅地上端详F1赛车的内部结构,也可以凭空拉开通往异世界的大门云逛那些书中的世界;

•甚至数字生命可以活在我身边,一觉醒来就看到初音未来在床边看着我问我早晨想吃什么(二次元日常想桃子)、吩咐完毕后不一会儿外卖就敲响家门、顺便帮我计算每餐的卡路里;

•AI智能宠物更不在话下,JOY狗狗在床边乖乖坐着、背后是涂鸦的乱七八糟的墙面、见我醒了开心的说主人我下次想去这里玩,说完丢出几个全景球,我伸手拿过来其中一个球融合到身体里,转眼就来到了马尔代夫海岛……

我们看到,消费者终端的演进其实就是体验度和便携度的螺旋上升。而AVP这次做了体验层面巨大的改进和变革,让我们有机会对用户的数字体验重新思考和定义,打造出屏端体验绝无可能造就的空间计算时代用户体验。





















当时,项目负责人James总看到了这一机会,与Eric不谋而合,期望以家场景作为切入进行试点。

而在一开始,我们必须找到产品核心体验的支点:究竟有哪些家场景体验是传统电商难以覆盖,但AVP有机会满足的点?经过与业务及业务产品同学的多次探讨,我们发现,尺寸和搭配问题是这一品类下的核心痛点。

与其他品类不同,家居品类门槛较高、商品存在大量非标,一路狂奔一路踩坑,从家居小白学习成长为家居达人一般需要至少3个月的时间。这就导致家居购物特别是电商购物,纯粹依赖图片和屏端会存在较大的落地体验风险。典型例如尺寸问题,有超过一半的用户在家居大件商品购买时遇到过尺寸过大或过小的问题;还有搭配问题,有相当比例的用户发现原本图片上的商品很好看、但是放到家里就是和环境不搭配,每个单品线上都很好看、放在家里一组合就别扭得难受。















这样的问题还有很多:

•我们看到家居博主买冰箱,嵌入式冰箱量好了宽度和高度,但是最终安装时却发现深度多出来一截;

•我们也发现有的用户买扫地机器人开开心心对比了好久的参数,到货之后发现高度不对进不去刚好卡在自家沙发底下;

•尺寸姑且还能测量,但是想要模拟电视放在家里的效果,纯靠图片和尺寸做想象就太难了,再怎么量尺感觉都差点意思;

•而且还有最终BOSS全屋装修,圈子有一个段子流传:「如果想要拆散一对新婚夫妇,那么让他们去装修就好了」,绝大多数业主从平面图到效果图到最终的装修落地基本上就是一次次想象力的挑战和需要极强耐心的煎熬,最终落地结果往往和理想预期相差甚远,正所谓「装修就是接受遗憾的过程」……







李大锤同学







小白评测

家居痛点总结成一句话,我认为是,『理想与现实之间存在着认知鸿沟』。

那么如何抹平这一鸿沟呢?我们希望推一个概念,『先“试用”,再购买』:

•不知道尺寸如何,手指一动把商品拖到家里看一眼不就知道了;

•不知道搭配如何,多拎出来几个商品同时摆在家里看看效果不就好了;

•空调不知道多少匹,可视化的看一眼不同匹数吹风的流向和温度,选最合适的;

•扫地机器人不了解工作模式,拖一台到家里扫扫看看,高度、眼缘一看便知;

•特别是装修,如果画布上的结果不好想象,那么设计师直接在你眼前变魔法,墙面换色、软装搭配,一步步将你家变成未来家,哪里不满意随时换哪里,最终满意虹膜一扫下单,真正做到所见即所得。















为了实现这一产品理念,我们先从单品出发,要让拖出来的3D商品感觉就像是真实的商品。为此,团队同学花费了大量的心思:尺寸要还原、落地有声音、拖动有阻尼、灯下有光影、材质有反射,撞到墙上会停,多品可以搭配,商品与商品也会互相垒起来……特别是3D商品要高度还原,对模型尺寸和细节高度高要求、有PBR效果,才能以假乱真,满足用户“试用”。这一体验支点在后来落地时形成了我们产品的核心差异之一,主打全品类的淘宝至今只有单品逻辑没有搭配逻辑、更是没有物理碰撞检测、东西推到墙上会跑到无尽远、就像玩游戏一样。针对这个点深钻,产品、研发与UED团队沉淀了多篇专利,博主评价以及苹果官方现场交流也说与淘宝相比、京东的商品更加真实,搭配更加好玩。















定义好核心体验的支点,那么用户如何触达这一体验呢?

要回答这个问题,我们就要思考用户为什么会线上购物,Vision如何更好的满足这一诉求。当前的线上购物其实并不局限于传统货架电商,特别是以抖音、小红书为代表的种草内容电商发展迅猛。这是因为用户并不都是完全明白自己想要什么的大明,而是同时会有不知道自己该买什么的小白,甚至一个人在不同时期针对不同品类会属于不同类型的消费者。那么相应我们提供的触达方式也要多样化。

我认为存在4种典型用户,以羊村作为比喻:

•灰太狼:目的性极强,明确知道自己想要什么,将购物平台视为工具

•美羊羊:更加享受购物乐趣,买东西是一种杀时间的利器,今天看点什么、明天看点什么,诶,很心动,那就买了;

•懒羊羊:虽然知道自己需要什么东西,但不知道具体该选哪款商品,不具备辨别能力,你能不能教教我;

•喜羊羊:充满激情、愿意挑战、社交达人,享受探索的过程,购物可能是社交的手段而非目的。









针对不同需求类型的用户,我认为在VisionOS下可以提供更加创新的用户体验:

•首先,灰太狼用户最关键的是效率,而核心解法是更高效的搜索。传统搜索无论算法再强大,单屏展示数量都只能控制在4到6个。那么基于VisionOS空间计算的进行场景化的搜索,效率会大幅提升。例如,我们的搜索是场景化基于多轮对话的,搜索沙发就会进入一个半沉浸式的环境、面前按关联度从高到低和商品特征拆分成多个阵列展示,用户看到第一轮结果,再喊「黑色」,就会更新出现第二轮黑色的沙发阵列,用户看到结果再喊「三人位」就会更新出现第三轮黑色三人位沙发的矩阵……不断更新直到用户满意,手指一捏,就闪现到商品旁边仔细端详细节、查看商品详情或者关联场景,摆到家中看一看效果,最终快捷购买。

•其次,懒羊羊用户最关键的是需求解码,而核心解法是AI智能导购。懒羊羊缺乏需求解码的能力,特别作为家居小白不知道买什么更合适、一头雾水。那么我们就通过一个可信赖的形象结合大模型帮助用户进行需求解码,点亮指引的灯火扫清购物决策的迷雾,就像哆啦A梦一样解答你的所有问题。它就像是你忠实的朋友陪伴在你的身边,陪你走过一次次购物之旅:随时你有任何的问题,它都会为你答疑解惑:沙发头层皮和二层皮到底有什么区别,放在奶油风和美拉德风空间中都是什么效果;有进一步的需要,会帮你推荐合适的内容和商品;无聊了可以陪你聊聊天;没事的时候则会在家里找个地方一蜷,或者撒着欢的跑起来。等你下次想起来,原来还有一个朋友等你回来陪你购物。

•其三,美羊羊用户最关键的内容种草,而核心解法是更直观的内容展示、更丰富的内容供给和更精准的算法推荐。传统电商基于二维平面展示图片和视频,可见范围都相对有限。互动橱窗则打破了这一限制,橱窗本身基于后景、中景、前景的三层叠景,可以透过资源位卡片窗口在不同角度看见后景无限空间的3D效果,或者通过景深视频让用户感觉仿佛身临其境,中景有效展示商品资源位、价格等信息,前景则可以进行三维呈现、让用户可以近距离观摩商品各角度每一处细节、甚至可以做简单特效例如唱片机换碟和扫地机器人出仓。与此同时,景深视频、全景声与景深直播也为内容形式展开了极大的想象空间,沉浸式景深视频让你身临其境,全景声与景深直播让你有机会体验作为主唱站在舞台中心体验全世界的目光以及全方位包围的环绕声LIVE的震撼快感……

•最后,喜羊羊用户最关键的是社交,而核心解法是增加购物的社交属性,强调「多人云逛」,将「人」拉回线上「逛」场。传统平面电商在购物过程中,由于体验的维度单一所以大多数情况下只能PVE单机游戏。而Vision下的这一体验则被彻底解放,实现多人云逛。我们可以开设线上店,体验在魔法世界霍格沃兹旁的霍格莫德村中购买周边飞行扫帚和巫师衣服的奇妙感觉,同时你的三两好友可以陪着你一起购物,而你则可以作为熟读魔法世界设定的大拿为你的伙伴出谋划策,你能看到伙伴脸上的表情、伙伴能看到你身上试穿的衣服,购物体验甚至比线下去环球影城还要更胜一筹,因为在数字世界中你甚至可以用法杖喊勒维奥萨让你的朋友飘上天空。家居购物也不再是看固定搭配,你可以打开任意门通往明星家去买同款;任意门还可以通向意式风情、鸟居神社、中欧古堡、哥特教堂体验不同风格下的家居搭配;甚至你可以走入山水画,在水墨世界中挑选心爱的中式家具。而挑选了一系列的心爱物品,你将带着它们返回现实,并将它们一个个的装饰在你家的墙面、地面、顶面上,设计师和朋友们也可以实时帮你出谋划策、设计搭配,帮你算优惠甚至跟老板一起砍价。最终大家一起心满意足的坐在地上,虹膜扫描一键下单,等着将梦想拉回到现实。



喜羊羊:多人云逛,将「人」拉回线上「逛」场







灰太狼:基于语音多轮智能沟通的场景化高效搜索







美羊羊:互动橱窗多维展示内容、景深视频/直播为你提供身临其境的震撼体验







懒羊羊:陪伴式AI导购为你悉心答疑解惑





基于上述考虑,我们设计了首页架构,让用户可以有效触达自己的需求:

•顶部智能搜索,满足用户的灰太狼需求,当有确定性需求时可以高效有趣的找到心仪商品;

•右侧常驻AI导购,满足用户的懒羊羊需求,京东版哆啦A梦让用户可以哪里不懂问哪里,会跟着用户进入商详、内容、购物车和订单,陪伴用户购物体验的全链路;

•左侧导航优先首页推荐和视频频道,满足用户的美羊羊需求,多维有效的看内容、轻度的内容体验,让用户随时可以逛起来;

•导航也设置了云逛频道,同时首页有资源位推荐,满足用户的喜羊羊需求,提供重度的内容体验,进行各类更加有趣的探索和挑战、沉浸式的玩起来,也可以跟朋友一起将购物变成一次美好的社交体验。









想清楚了,那么就抓紧落地。这一过程中公司的决心、老板的关注和非常多同学的专业且靠谱的贡献让我们有效协调和攻克了大量的问题。由于名单实在过长,值得钦佩的产品、设计、研发、测试同学实在是太多,过程就让我们暂且按下不表、等待未来其他同学视角的记录。3点、7点、9点、4点,一众同学4个版本4次提审,最终顺利赶在618和628 这俩关键节点审核通过上线。

最终双宏、天乐等市场公关同学专业的推广,James总非常专业的发布会,全平台收获大千万级曝光,也拿到了苹果AVP国行首批6个推荐资源位,进一步夯实了京东技术领先的品牌形象,有了一个初步的好结果。



























这三个月的探索对我来说试一次非常宝贵的产品经历。

我关注的一个博主纯银说,这个时代新的产品经理很难得到深度的成长,因为互联网时代该打的仗都已经打得差不多了,大多产品就是作为小螺丝钉修修补补。

诚如所言,如果每天工作的日常就是被一个个的细节和DDL填满,那么产品自身很难获得成长。而诸如这样的产品机会,让我可以反过头来从框架上思考「为什么」,而这一个个的「为什么」最终又会成为「怎么做」的基础,滴水石穿灵光一闪,往往对纠结的产品细节就会有一种通体舒畅拨云见日的快感。

这提醒我,产品经理必须要有自己的框架,要对自己的产品建立体系和一套完整的认知。从我过去创业和创新业务时期的产品经历出发,我认为产品迭代的过程就是业务模式和产品假设不断检验、推翻和修正的过程。产品从零到一的构建,就是产品建立业务模型、结合技术能力寻找落地机会,并在落地过程中找到产品与市场契合点(PMF)的过程。虽然在大厂负责的功能模块越来越细,但是一旦这一体系建立,那么一次次琐碎的功能和细节迭代,其实是不断验证我的产品模型、修正我的产品体系的过程。而随着这一体系不断完善,当机会和挑战到来时,它就会指引我前进的道路。

从另一个角度讲,产品经理最好还有一些自己的信仰。毕竟对于大多数事情而言是「看见所以相信」,但是对于某些事情,则是必须「相信才会看见」。我们大多都会有一个做出伟大产品的梦想,而在今天这个时代,好的产品机会需要产品经理非常深的行业洞察,而这一洞察需要产品不断的坚持学习、浸泡在业务中并不断深挖,以及等待福至心灵的那一瞬间。而这就要耐得住寂寞、坐得起板凳,有自己的判断,坚定的投入自己认为具有长期价值的事情中来,修炼自身,等待风起的那一刻。







极度专业和敬业的胥浩团队制作的京东.Vision 视频介绍



京东.Vision 第一版基于C端的家场景进行发布,后续我们也正在结合更多品类,与京东更多业务产生化学反应。同时,AVP初期设备覆盖量虽然不尽如人意,但是其惊艳的效果却也有机会随着B端与既有业务流程的结合而与消费者建立联系并进行价值验证,后续我们在线下场景也会结合VisionOS进行更多的探索。

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 220

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 236

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 325

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 387

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 326

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 412

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 566

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 621

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 390

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 475

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 598

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 632

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 722

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 642

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 676

【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 565

【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 729

【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 554

【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 911

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 753

【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: 卓越笔触:打造高质量文章的艺术与科学
下一篇: 《代码整洁之道》-大师眼中的整洁代码是什么样
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