「软件设计哲学」于延保代码改造中的实践

作者:京东保险 王奕龙

本文主要给大家分享软件设计中的两个理念,为什么我称软件设计是“理念”而不是“方法”或“原则”呢?这个想法主要受《A philosophy of software design》的影响,它将软件设计称为“哲学”,而哲学本身没有严格的定论,同样地,我觉得软件设计是每个开发者的理念,相同功能的迭代,往往会有不同的看法或思想,也所谓每个人的代码风格,所以本次分享不求同,只求能给大家带来一点启发。两个理念如下:

  1. 没有一蹴而就的设计:软件设计不会停止,需要随着功能迭代(增量开发)更新现有设计,因为在迭代过程中相关开发、业务经验不断累积,必然会产生更好的设计方式,最初的设计通常不是最好的

  2. 坚持“深”模块设计:“深”这个观点来自 《A philosophy of software design》,它将每个模块看作一个矩形,如下图所示:
     

    image.png


    矩形的面积代表模块提供的功能,顶部边缘代表模块公开出的接口,边缘长度代表接口的复杂性,越长接口越复杂。设计较好的模块比较深,因为它在简单的接口后隐藏了许多功能,其内部的复杂性只有一小部分对开发者可见。坚持深模块设计也就意味着提供调用简单但功能强大的接口。

这两个理念,我想通过实际的业务开发:延保补购功能迭代来叙述,在开始之前我想先给大家简单介绍一下什么是延保的补购:

延保补购是购买商品时未购买延保,事后再为该商品购买延保的行为。比如双十一购买了一部手机,期望能用五年,但是下单时,没有一起购买延保,之后再去补购 “五年只换不修” 的延保便是延保的补购。

目前在京东商城 “延保服务”频道页 能进行补购,大家可以在商城 搜索 “延保” 点击 “京东延保” 跳转:

image.png

业务逻辑介绍

为方便大家理解,我将其中的逻辑做了一些简化,在查询用户可补购的订单时,它会执行如下逻辑:

/**
 * AddBuy 作为补购的代码命名定义,定义补购相关门面接口
 */
public class AddBuyFacadeServiceImpl implements AddBuyFacadeService {
    // 补购相关订单查询 Service
    @Resource
    private AddBuyOrderQueryService orderQueryService;
    // 补购相关延保查询 Service
    @Resource
    private AddBuyYbQueryService ybQueryService;
    // 延保结果构建 Service
    @Resource
    private AddBuyBuildService buildService;

    /**
     * 查询多条可补购延保的订单信息
     */
    @Override
    public List<AddBuyResult> queryList(AddBuyListRequest req) {
        // 1. 查询主商品订单
        OrderInfoRequest orderInfoRequest = new OrderInfoRequest();
        orderInfoRequest.setUserNo(req.getUserNo());
        // ...
        List<OrderInfo> orderInfoList = orderQueryService.listOrderInfo(orderInfoRequest);
        // 2. 查询这些订单可购买的延保信息
        YbInfoRequest ybInfoRequest = new YbInfoRequest();
        ybInfoRequest.setUserNo(req.getUserNo());
        // ...
        // key: orderNo value: ybInfoList
        Map<String, List<YbInfo>> orderNoYbListMap = ybQueryService.listYbInfo(ybInfoRequest);
        // 3. 封装订单和推荐延保信息
        return buildService.buildRecommendInfo(orderInfoList, orderNoYbListMap);
    }
}

执行步骤如下:

  1. 先查询主商品订单

  2. 查询这些订单可购买的延保信息

  3. 封装订单和推荐延保信息

补购功能会被推广到很多不同的 渠道 使用,渠道指的是补购功能推广的范围,包括微信(WEI_XIN)和PLUS客服推广(PLUS)等等:

image.png

这个 渠道值会在查询做标记,如下所示为补购查询请求对象 AddBuyListRequest:

public class AddBuyListRequest {
    
    private String userNo;
    
    // 渠道值信息
    private String channel;
    
    // ...
}

功能迭代

初期功能并 没有针对渠道参数做校验和管理,也就是说前端传什么后端就接什么,导致出现了异常的 XXX 未知渠道。为了对渠道进行管控,并根据现有渠道做个性化补购,现在便需要在此基础上 迭代“渠道管控” 的功能:

  1. 渠道值校验:校验未知的渠道值,对现有渠道进行管理

  2. 个性化补购:指定渠道查询 固定品类 的延保等定制化逻辑,比如规定渠道 “PLUS” 渠道只能查询 “手机” 品类的延保

为满足功能,首先定义 ChannelConfig 渠道配置类,其中包含如下字段:

public class ChannelConfig {
    /**
     * 渠道
     */
    private String channel;

    /**
     * 要查询的主品一级类目编码
     */
    private List<String> mainFirstCategoryCodeList;
    
    // ...
}

初版设计

初版设计时,定义 channelConfigMap 以 key: channel value: config 的形式维护所有渠道值,在方法 queryList 执行时,会先校验渠道的存在,存在的话继续执行逻辑,并把 config 对象 透传 到各个查询方法中,以执行筛选指定品类等定制化逻辑,如下:

image.png

在方法 queryList 中,可以发现渠道配置几乎 贯穿了接口逻辑执行的始终,虽然对该方法的改动并不大,但对于其中的查询方法 listOrderInfo 和 listYbInfo 来说,会使它们的 方法复用变得困难。

如果想复用其中查询订单的接口(其中第 1 步逻辑):

List<OrderInfo> listOrderInfo(OrderInfoRequest orderInfoRequest, ChannelConfig config);

在构建查询入参的时候就难免不对渠道配置 ChannelConfig config 参数产生疑问:“这个入参的作用是什么”?点进去看它的字段:如果发现有很多字段,那么开发者大概率不会去了解每个字段的含义,并且也没办法记住这么多字段的作用是什么,这就会导致开发者直接去看 listOrderInfo 方法的实现,分析其中哪些字段是有用的,哪些是没用的。这使得一件本可以简单查看方法入参 OrderInfoRequest 便能复用该方法的事情变得异常复杂,需要了解太多查询订单信息之外的知识,大大增加了认知负荷。

从本质上去考虑:“在调用查询订单接口时,我们需要了解‘渠道配置’相关的内容吗?”,显然是不需要的,否则为 通用查询接口 带来的复杂性就太高了,进而使得接口变 “浅”。

那么该如何避免这些问题呢?最初我想到两种简单的办法:

  • 详细的配置注释:将配置的每个字段描述的足够清楚,那么使用该接口的研发人员不需要去了解代码实现便能知道根据渠道如何添加一个合适的配置入参

  • 查询方法实现中添加配置默认值兜底:解决调用者不传该参数或者某些字段为空的特殊情况,降低复用难度
    但是这样并不解决根本问题,入参中包含渠道配置依然会暴露其带来的复杂性。如果开发者要复用该 listOrderInfo 方法并筛选特定品类的订单,那么需要写如下逻辑:

/**
 * 复用 listOrderInfo 方法样例
 */
public void reuseExample(Request req) {
    OrderInfoRequest orderInfoRequest = new OrderInfoRequest();
    orderInfoRequest.setUserNo(req.getUserNo());
    ChannelConfig config = new ChannelConfig();
    // 赋值指定的品类编码
    config.setMainFirstCategoryCodeList(Collections.singleton("1234"));
    
    List<OrderInfo> orderInfoList = orderQueryService.listOrderInfo(orderInfoRequest, config);
    
    // ...
}

一旦筛选条件中涉及渠道配置中的字段,都要创建一个渠道配置 ChannelConfig 对象,都要去了解这个类中定义了哪些字段。

这时候我就在想,那么为何不将渠道配置 ChannelConfig 中的字段都提出来放到另一个参数 OrderInfoRequest 中呢?那么这样在入参中便能不再传入渠道配置了,如下所示:

image.png

这样当开发者复用 listOrderInfo 方法时,只需关注 OrderInfoRequest 对象并为相关字段赋值即可,这样通用的订单查询接口便无需再关注渠道配置相关的内容了。

但是到这里还没完,有一点值得考虑:渠道配置信息 ChannelConfig 作为 不可变的对象,并不应该被公开出来,而且在一般情况下,开发者会习惯使用 Lombok 的注解 @Data 为类做标注,如下:

@Data
public class ChannelConfig {
    
    // ...
}

这样它每个字段的写(set)操作都是公开(public)的,一旦对原本不可变的数据进行修改,那么因此产生的问题将非常难排查。相对应地,在《重构》一书中,提到过类似观点:“对于所有可变的数据,只要它的作用域超出单个方法,我就会将其封装起来,只允许通过方法访问,数据的作用域越大,封装就越重要,因为这样能够很清楚的知道哪些地方读了这些数据或写了这些数据,如果我们想避免其他开发者修改这个对象的话,那么就可以不公开出 set 方法”。

对 @Data 的观点:@Data 注解实际上有些被滥用,在面向对象的开发中,通常我们都会把类内字段声明为 private,但是又在类上标记 @Data 注解,为每个字段生成 Getter 和 Setter 方法,使得 private 失效。虽然多数时候并不会引发问题,但是更好的做法应该是针对字段指定 Getter 和 Setter 方法,而不是泛泛的生成全部,特别是如果要定义某些不可变的字段时,要尤为注意。此外,当整个对象都不可变时,每次获取该对象时返回它的深拷贝也是很有必要的,否则其被修改后,引发的线上问题非常难定位和排查,这个对象被使用的越多,则越需要警惕。

所以,我们需要将渠道配置对象 隐藏 起来。

信息隐藏

为了不暴露 ChannelConfig 对象,定义渠道配置服务 ChannelConfigService,并提供校验渠道的方法,如下:

public interface ChannelConfigService {

    /**
     * 校验渠道是否存在,否则抛出异常
     *
     * @throws ChannelNotExistException 渠道不存在异常
     */
    void checkChannelExist(String channel) throws ChannelNotExistException;
    
    // ...
}

@Service
public class ChannelConfigServiceImpl implements ChannelConfigService {

    /**
     * 渠道配置 key: channel value: config
     */
    private HashMap<String, ChannelConfig> channelConfigMap;
    
    @Override
    public void checkChannelExist(String channel) throws ChannelNotExistException {
        if (StringUtils.isBlank(channel) || !channelConfigMap.containsKey(channel)) {
            throw new ChannelNotExistException("渠道: " + req.getChannel() + " 不存在");
        }
    }
}

这样将保存渠道配置的 Map channelConfigMap 就下沉到了 ChannelConfigServiceImpl 实现中,queryList 方法中将不再暴露 ChannelConfig 对象,校验渠道值边以方法的形式,如下:

image.png

同样地,封装品类查询条件等与配置相关的逻辑也需要被隐藏起来,因为已经没有渠道配置 config对象了,那么这部分该如何处理呢?

我是这样做的:在渠道配置服务中 ChannelConfigService 定义获取品类配置的方法 getMainFirstCategoryCodeList,这样便无需公开渠道配置对象了:

public interface ChannelConfigService {

    /**
     * 获取主品类目编码配置,默认值为空列表对象
     */
    List<String> getMainFirstCategoryCodeList(String channel);
    
    // ...
}

@Service
public class ChannelConfigServiceImpl implements ChannelConfigService {

    /**
     * 渠道配置 key: channel value: config
     */
    private HashMap<String, ChannelConfig> channelConfigMap;

    // ...

    @Override
    public List<String> getMainFirstCategoryCodeList(String channel) {
        ChannelConfig config = channelConfigMap.get(channel);
        // 默认返回空 List
        if (config == null || CollectionUtils.isEmpty(config.getMainFirstCategoryCodeList())) {
            return Collections.emptyList();
        }

        return Collections.unmodifiableList(config.getMainFirstCategoryCodeList());
    }
}

开发者只需根据接口公开出的方法来获取相应的配置信息即可,并不需要对渠道配置对象 ChannelConfig 做了解,改动如下:

image.png

做过头了

还有一种方式是将渠道配置服务 ChannelConfigService 注入到订单查询服务 AddBuyOrderQueryService 中,并添加渠道配置相关的处理逻辑:

@Service
public class AddBuyOrderQueryServiceImpl implements AddBuyOrderQueryService {

    @Resource
    private ChannelConfigService configService;

    @Override
    public List<OrderInfo> listOrderInfo(OrderInfoRequest orderInfoRequest) {
        // ...

        // 过滤一级品类,如果没有指定则取渠道配置的一级品类配置
        List<String> firstCategoryCodeList;
        if (CollectionUtils.isNotEmpty(orderInfoRequest.getMainFirstCategoryCodeList())) {
            firstCategoryCodeList = orderInfoRequest.getMainFirstCategoryCodeList();
        } else {
            firstCategoryCodeList = configService.getMainFirstCategoryCodeList(orderInfoRequest.getChannel());
        }
        processMainFistCategory(firstCategoryCodeList);
        
        // ...
    }

}

虽然这样做将渠道配置相关信息隐藏得更深,几乎不暴露到补购查询 queryList 逻辑中,如下:

image.png

但是有一个问题需要考虑:订单查询接口属于 通用查询接口,将渠道配置服务 ChannelConfigService 下沉到其中,便使订单和渠道的知识发生耦合,并且在逻辑中存在依赖,渠道配置的改动可能会影响通用的订单查询。这样做,可能就有些过头了。

扩展性设计对复杂度的管理

随着业务发展,有 新的服务方提供延保的查询服务(对应代码中步骤 2),这些服务需要接入现有补购逻辑中,并根据渠道的不同,查询不同的延保服务。

image.png

这是非常典型的策略模式应用场景,原有延保查询服务 和 新增的延保查询服务 都将作为不同的策略来实现。借助策略模式实现扩展性并不困难,常见的有两种实现方法,但是它们 对策略带来的复杂性处理 是不同的:

第一种保持延保查询服务 AddBuyYbQueryService 公开的方法不变,使用 静态代理模式 在其实现中 AddBuyYbQueryServiceImpl 借助 HashMap<String, AddBuyYbQueryStrategy> 保存所有策略,并根据渠道的不同执行不同的策略:

public interface AddBuyYbQueryService<T> {
    
    Map<String, List<T>> listYbInfo(YbInfoRequest ybInfoRequest);

}

/**
 * 实现 ApplicationContextAware 用于注入 ApplicationContext 获取想要的策略(Bean)
 * 实现 InitializingBean 用于在应用启动时,根据策略类型 AddBuyYbQueryStrategy 加载所有的策略 
 */
@Service
public class AddBuyYbQueryServiceImpl implements AddBuyYbQueryService<T>, ApplicationContextAware, InitializingBean {
    
    private ApplicationContext applicationContext;

    private HashMap<String, AddBuyYbQueryStrategy> nameServiceMap;

    // 渠道配置 Service
    @Resource
    private ChannelConfigService configService;
    
    @Override
    public Map<String, List<T>> listYbInfo(YbInfoRequest ybInfoRequest) {
        String ybType = configService.getYbType(ybInfoRequest.getChannel());
        // 通过定义枚举实现 ybType 与具体策略实现的关联
        YbQueryStrategyEnum strategyEnum = YbQueryStrategyEnum.parseByType(ybType);
        AddBuyYbQueryStrategy ybQueryStrategy = nameServiceMap.get(strategyEnum.getQueryServiceName());
        return ybQueryStrategy.listYbInfo(ybInfoRequest);
    }

    @Override
    public void afterPropertiesSet() {
        nameServiceMap = new HashMap<>();
        nameServiceMap.putAll(applicationContext.getBeansOfType(AddBuyYbQueryStrategy.class));
    }

    @Override
    public void setApplicationContext(ApplicationContext applicationContext) throws BeansException {
        this.applicationContext = applicationContext;
    }
}

策略 AddBuyYbQueryStrategy 接口方法签名与延保查询服务 AddBuyYbQueryService 中方法签名一致,它们的类关系图如下所示:

image.png

延保查询服务 AddBuyYbQueryService 的 listYbInfo 方法不变,那么 原方法 queryList 逻辑也不需要改变,这样便 将策略带来的复杂度隐藏了起来。

第二种是创建策略上下文 AddBuyYbQueryStrategyContext,将对应的策略管理起来并通过调用 getSpecificStrategy 直接暴露具体的策略,如下:

public interface AddBuyYbQueryStrategyContext<T> {
    
    AddBuyYbQueryStrategy<T> getSpecificStrategy(YbInfoRequest ybInfoRequest);

}

那么这样对原方法的改动如下:

image.png

这样会将使用策略模式的复杂度暴露到原方法 queryList 中,实际上开发者在这个方法中不需要了解策略该如何分配等相关逻辑。


封装推荐延保信息的逻辑(其中第 3 步)由于引入了不同类型的延保服务,也需要根据不同的延保对象类型适配相应的策略,同样需要使用策略模式,但实现逻辑类似,不再赘述,不过不同点是该步骤一并使用了模板方法模式:

封装订单和推荐延保信息的 buildRecommendInfo 方法主要步骤为 封装订单信息(initialMainOrderInfo) 和 封装推荐的延保信息(initialRecommendYbInfo),其中 封装订单信息 的逻辑是通用的,而 封装推荐的延保信息 步骤需要分别处理不同的延保类型,所以借助了模板方法模式。将后者其定义为抽象方法,由子类不同的策略去分别实现,抽象模板类如下:

public abstract class AbstractAddBuyBuildService<T> implements AddBuyBuildStrategy<T> {

    @Override
    public List<AddBuyResult> buildRecommendInfo(List<OrderInfo> orderInfoList, Map<String, List<T>> orderNoYbListMap) {
        List<AddBuyResult> res = new ArrayList<>(orderNoYbListMap.size());
        // Group By OrderNo
        Map<String, OrderInfo> orderNoOrderInfoMap = orderInfoList.stream().collect(Collectors.toMap(OrderInfo::getOrderid, x -> x));

        // orderNoBindListEntry: (key: 订单号;value: 订单对应的延保信息)
        for (Map.Entry<String, List<T>> orderNoYbListEntry : orderNoYbListMap.entrySet()) {
            // 订单信息
            OrderInfo orderInfo = orderNoOrderInfoMap.get(orderNoYbListEntry.getKey());
            // 延保信息
            List<T> ybList = orderNoYbListEntry.getValue();

            AddBuyResult element = new AddBuyResult();
            // 1. 封装订单信息
            MainOrderInfo mainOrderInfo = initialMainOrderInfo(orderInfo);
            element.setMainOrderInfo(mainOrderInfo);
            // 2. 封装推荐的延保信息
            List<RecommendYbInfo> recommendYbInfo = initialRecommendYbInfo(ybList);
            element.setRecommendYbInfoList(recommendYbInfo);
            
            res.add(element);
        }

        return res;
    }

    // 封装订单信息作为私有方法,被各个不同的策略复用
    private MainOrderInfo initialMainOrderInfo(OrderInfo orderInfo) {
        // ...
    }
    
    // 抽象初始化推荐延保的方法,用于子类实现不同的策略
    protected abstract List<RecommendYbInfo> initialRecommendYbInfo(List<T> ybList);
}

类关系图如下:

image.png

这样便能实现通用逻辑的复用。使用模板方法模式并不复杂,实现这种模式需要借助 继承(extends),而继承在设计原则中被强调 “少用继承,多用组合”,而且在一些软件设计相关的书中也会经常看到对继承的诟病,比如在《程序员修炼之道》中便将其称为 “继承税”,并且举了一个非常好玩的例子:

你想要一根香蕉,但得到的却是一只拿着香蕉的大猩猩,甚至还有整个森林

其表达的意思也不难理解:强调继承使父类中的 大量信息发生泄露,让维护在每个类中的知识在继承关系之间 “波动”,暴露了太多的知识出来,做不到抽象和信息隐藏。一方面会使子类获得太多无关的知识,另一方面如果在子类中大量使用这些通用的部分,便会使得 耦合加深,父类中信息变更可能为子类带来意想不到的后果。

image.png

以如上继承关系为例,如果父类中某些内容发生变更,子类中对其使用的话,那么可能会引起子类行为的改变,而如果这种改变并不引起编译期异常的话,便很难发现,使得代码的可维护性大大降低。那么不用继承该怎么办呢?常见的观点有两个:

  1. 使用 接口实现来代替类的继承,保证多态又不会造成信息的紧耦合

  2. 使用 组合代替继承:比如想要香蕉,那么直接将包含香蕉的类注入进来,不再通过继承去获取了

但是,我觉得继承也并不能被一票否决,在 Java 源码中常用容器的实现里,都是有抽象层的(AbstractList, AbstractMap 等等),通过继承它们,实现了大量代码复用,为各种不同容器的实现提供了很多方便之处。所以,我觉得继承能被应用需要具备以下前提条件:

  1. 保持不变性:父类中抽象出来的供复用的通用方法、字段保持不变

  2. 控制继承树的高度:继承树高度越高引入的复杂度越大,所以需要控制树高,限制一层继承关系,那么复杂度便可控

总结

我觉得软件设计更应该 站在代码阅读者的角度上,考虑如何降低复杂度,设计更深的模块,并随着功能迭代,不断更新现有设计,而并 不是将注意力放在如何改动更简单上,代码的堆叠可能会导致复杂性不断累积,以至于在不能满足业务功能迭代时,花更多的时间去重构。

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 41

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 224

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 313

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 375

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 320

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 406

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 562

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 382

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 469

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 595

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 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 674

【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 872

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: Code Review:探索工程实践之道
下一篇: 解锁保险新世界-带你走进保险基本法
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