测试聊并发-入门篇

作者:京东保险 张新磊

背景

在现代软件测试的广阔领域中,我们的工作不仅限于确保功能符合产品和业务需求的严格标准。随着用户对应用性能的期望水涨船高,性能测试已成为衡量软件质量的关键指标。特别是在服务端接口的性能测试中,我们面临的挑战不仅仅是处理单个请求的效率,更在于如何在多用户同时访问时保持系统的稳定性和响应速度。并发编程和测试,作为性能测试的核心,对于评估系统在高负载情况下的表现、识别潜在的性能瓶颈、以及优化资源配置具有至关重要的作用。

并发编程是一门艺术,它要求开发者在多线程或多进程的环境中精心编排代码,以实现资源的高效共享和任务的并行执行。这不仅需要深厚的编程功底,更需要对并发模型、同步机制和线程安全性有深刻的认识。而在测试领域,性能测试工程师必须精通如何构建并发测试场景,运用工具模拟真实的高并发环境,以及如何从测试结果中提炼出有价值的洞察,以指导性能的持续优化。

本文将深入剖析并发编程的深层原理、面临的挑战以及采纳的最佳实践。同时,我们将探讨并发测试的策略、工具和技术,并通过实际案例的分析,阐释如何在软件开发生命周期中有效地整合并发测试,以及如何利用并发测试来显著提升系统的性能和可靠性。

在这里插入图片描述

多线程基础和作用

进程与线程的区别

在这里插入图片描述

资源分配:进程是资源分配的基本单位,线程是CPU调度和执行的基本单位。
独立性:进程是独立运行的,而线程则依赖于进程。
内存分配:进程有自己的内存空间,线程共享进程的内存空间。
开销:线程的创建和切换开销小于进程。
并发性:线程可以提高程序的并发性,因为它们可以并行执行。

Java中线程的创建方式

方式一.继承Thread类
当你创建一个继承自Thread类的子类时,你需要重写run方法,该方法包含了线程要执行的代码。然后,你可以通过创建这个子类的实例并调用其start方法来启动线程。

class MyThread extends Thread {
    @Override
    public void run() {
        // 线程要执行的代码
        System.out.println("线程运行中...");
    }
}

public class ThreadExample {
    public static void main(String[] args) {
        MyThread t = new MyThread();
        t.start(); // 启动线程
    }
}

方式二.实现Runnable接口
另一种创建线程的方式是实现Runnable接口。你需要创建一个实现了Runnable接口的类,然后创建该类的实例,并把这个实例传递给Thread类的构造函数。最后,通过调用Thread对象的start方法来启动线程。

class MyRunnable implements Runnable {
    @Override
    public void run() {
        // 线程要执行的代码
        System.out.println("线程运行中...");
    }
}

public class RunnableExample {
    public static void main(String[] args) {
        MyRunnable r = new MyRunnable();
        Thread t = new Thread(r);
        t.start(); // 启动线程
    }
}

比较两种方式
灵活性:实现Runnable接口比继承Thread类更灵活,因为Java不支持多重继承,但可以实现多个接口。
资源管理:如果你需要多个线程共享同一个资源,实现Runnable接口是更好的选择,因为你可以定义一个资源类,然后创建多个Runnable实例来共享这个资源。
代码重用:实现Runnable接口允许你将线程的运行代码与线程的控制代码分离,这有助于代码重用。
在实际开发中,推荐使用实现Runnable接口的方式来创建线程,因为它提供了更好的灵活性和代码重用性,但也需考虑实际情况选择使用。

线程生命周期

在这里插入图片描述

  • 新建(New)、可运行(Runnable)、阻塞(Blocked)、正在运行(Running)、终止(Terminated)等状态的解释。
    新建(New):
    线程对象已经被创建,但还没有调用start()方法。在这个状态下,线程还没有开始执行。
    可运行(Runnable):
    线程已经调用了start()方法,此时线程处于可运行状态。可运行状态包括了操作系统线程的就绪(Ready)和运行(Running)状态。线程可能正在运行,也可能正在等待CPU时间片,因为可运行状态的线程会与其他线程共享CPU资源。
    阻塞(Blocked):
    线程因为等待一个监视器锁(比如进入一个同步块)而无法继续执行的状态。在这种情况下,线程会一直等待直到获取到锁。阻塞状态通常发生在多个线程尝试进入一个同步方法或同步块时,但只有一个线程能够获得锁。
    正在运行(Running):
    线程正在执行其run()方法的代码。这个状态是可运行状态的一个子集,表示线程当前正在CPU上执行。
    注意:在Java官方文档中,并没有明确区分“可运行”和“正在运行”这两个状态,通常将它们统称为“可运行(Runnable)”状态。
    终止(Terminated):
    线程的运行结束。这可能是因为线程正常执行完任务,或者因为某个未捕获的异常导致线程结束。一旦线程进入终止状态,它就不能再被启动或恢复。

线程同步

同步指的是在多线程环境中,控制多个线程对共享资源的访问顺序,以防止数据不一致和竞态条件。同步机制确保了当一个线程访问某个资源时,其他线程不能同时访问该资源。
数据一致性:防止多个线程同时修改同一数据,导致数据不一致。
线程安全:确保程序在多线程环境下能够正确运行,不会因为线程的并行执行而出现错误。
性能优化:合理的同步可以提高程序的并发性能,避免不必要的线程阻塞和上下文切换。
synchronized关键字的使用
synchronized 是 Java 中用于同步的一个关键字,它可以用于方法或代码块,确保同一时间只有一个线程可以执行该段代码。

同步方法
public synchronized void myMethod() {
    // 需要同步的代码
}
同步代码块
public void myMethod() {
    synchronized(this) {
        // 需要同步的代码
    }
}

Locks&ReentrantLock
Java 提供了更灵活的锁机制,称为 Locks,其中最常用的是 ReentrantLock。
Locks:提供了比 synchronized 更灵活的锁定机制,如尝试锁定、定时锁定、可中断的锁定等。
ReentrantLock:是一种可重入的互斥锁,支持完全的锁定操作,可以被同一个线程多次获得,但必须释放相同次数。
使用 ReentrantLock 的基本步骤:
创建 ReentrantLock 对象。
在需要同步的代码块前后调用 lock() 和 unlock() 方法。
确保在 finally 块中释放锁,以避免死锁

import java.util.concurrent.locks.ReentrantLock;
public class Example {
    private final ReentrantLock lock = new ReentrantLock();
    public void myMethod() {
        lock.lock();
        try {
            // 需要同步的代码
        } finally {
            lock.unlock();
        }
    }
}

线程同步是确保多线程程序正确性和性能的关键技术。synchronized 和 ReentrantLock 提供了不同的同步机制,开发者可以根据具体需求选择合适的同步方式。正确使用同步机制可以避免数据不一致和竞态条件,提高程序的稳定性和性能。

线程间通信

线程间通信是多线程编程中的一个重要概念,它允许线程之间进行数据交换和状态同步。在 Java 中,线程间通信主要通过等待/通知机制和条件变量来实现。

等待/通知机制(wait()、notify()、notifyAll())

wait():当一个线程调用 wait() 方法时,它会释放对象的锁,并进入该对象的等待池(wait set)中等待。其他线程可以调用 notify() 或 notifyAll() 方法来唤醒等待池中的线程。
notify():唤醒在该对象上等待的单个线程。选择哪个线程是不确定的。
notifyAll():唤醒在该对象上等待的所有线程。

public class Message {
    private String content;
    private boolean empty = true;

    public synchronized String take() throws InterruptedException {
        while (empty) {
            wait();
        }
        empty = true;
        notifyAll();
        return content;
    }

    public synchronized void put(String content) throws InterruptedException {
        while (!empty) {
            wait();
        }
        empty = false;
        this.content = content;
        notifyAll();
    }
}
条件变量(Condition)

条件变量提供了一种更灵活的线程间通信方式。Condition 接口是 java.util.concurrent.locks 包的一部分,它与 Lock 接口一起使用。
await():类似于 wait(),但需要在 Condition 对象上调用。
signal():类似于 notify(),但需要在 Condition 对象上调用。
signalAll():类似于 notifyAll(),但需要在 Condition 对象上调用。

import java.util.concurrent.locks.Condition;
import java.util.concurrent.locks.ReentrantLock;
public class Message {
    private String content;
    private boolean empty = true;
    private final ReentrantLock lock = new ReentrantLock();
    private final Condition notEmpty = lock.newCondition();

    public void put(String content) throws InterruptedException {
        lock.lock();
        try {
            while (!empty) {
                notEmpty.await();
            }
            empty = false;
            this.content = content;
            notEmpty.signal();
        } finally {
            lock.unlock();
        }
    }

    public String take() throws InterruptedException {
        lock.lock();
        try {
            while (empty) {
                notEmpty.await();
            }
            empty = true;
            String result = content;
            notEmpty.signal();
            return result;
        } finally {
            lock.unlock();
        }
    }
}

线程池

在这里插入图片描述

线程池是一种执行器(Executor),用于在一个后台线程中执行任务。线程池的主要目的是减少在创建和销毁线程时所产生的性能开销。通过重用已经创建的线程来执行新的任务,线程池提高了程序的响应速度,并且提供了更好的系统资源管理。

Executor框架的使用

Java的java.util.concurrent包提供了Executor框架,它是一个用于管理线程的框架,包括线程池的管理。Executor框架的核心接口是Executor和ExecutorService。
Executor:一个执行提交的Runnable任务的接口。
ExecutorService:Executor的子接口,提供了管理任务生命周期的方法,如关闭线程池、提交异步任务等。

如何创建和使用不同类型的线程池
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;

public class ThreadPoolExample {
    public static void main(String[] args) {
        // 创建一个固定大小的线程池
        ExecutorService fixedThreadPool = Executors.newFixedThreadPool(4);

        // 创建一个缓存线程池
        ExecutorService cachedThreadPool = Executors.newCachedThreadPool();

        // 创建一个单线程池
        ExecutorService singleThreadExecutor = Executors.newSingleThreadExecutor();

        // 提交任务给线程池
        for (int i = 0; i < 10; i++) {
            final int index = i;
            fixedThreadPool.submit(() -> {
                System.out.println("执行任务:" + index + " 线程:" + Thread.currentThread().getName());
            });
        }

        // 关闭线程池
        fixedThreadPool.shutdown();
        cachedThreadPool.shutdown();
        singleThreadExecutor.shutdown();
    }
}

并发集合

传统的集合类在多线程环境下的问题

传统的集合类(如 ArrayList、LinkedList、HashMap 等)并不是线程安全的。这意味着,如果在多线程环境下,多个线程同时对这些集合进行读写操作,可能会导致以下几种问题
数据不一致:当多个线程同时修改集合时,可能会导致集合的状态不一致。例如,一个线程正在遍历列表,而另一个线程正在添加或删除元素,这可能导致遍历过程中出现 ConcurrentModificationException。
竞态条件:当多个线程并发访问集合并且至少有一个线程在修改集合时,就会发生竞态条件。这意味着最终结果依赖于线程执行的顺序,这可能导致不可预测的结果。
脏读:一个线程可能读取到另一个线程修改了一半的数据,这种读取被称为“脏读”。
幻读:在一个事务中,多次查询数据库,由于其他事务插入了行,导致原本满足条件的查询结果集中出现了“幻影”行。
不可重复读:在一个事务内,多次读取同一数据集合,由于其他线程的修改,导致每次都得到不同的数据,这被称为不可重复读。

通过以下几种策略解决多线程环境问题

使用同步包装器:Java提供了一些同步包装器,如 Collections.synchronizedList、Collections.synchronizedMap 等,可以将非线程安全的集合包装成线程安全的。
使用并发集合:Java的 java.util.concurrent 包提供了一些线程安全的集合类,如 ConcurrentHashMap、CopyOnWriteArrayList 等,它们内部实现了必要的同步机制。
使用锁:可以使用 synchronized 关键字或 ReentrantLock 对集合的操作进行显式同步。
使用原子类:对于基本数据类型的集合,可以使用 java.util.concurrent.atomic 包中的原子类,如 AtomicInteger、AtomicReference 等。
使用不可变集合:不可变集合一旦创建就不能被修改,因此是线程安全的。可以使用 Collections.unmodifiableList、Collections.unmodifiableMap 等方法创建不可变集合。
使用线程局部变量:如果每个线程都需要有自己的集合副本,可以使用 ThreadLocal 类。
避免共享:如果可能,避免在多个线程间共享集合,每个线程使用独立的集合可以避免同步问题。

并发设计模式

生产者-消费者模式(Producer-Consumer Pattern)

生产者-消费者模式是一种常见的并发设计模式,用于协调生产者线程和消费者线程之间的工作。生产者线程负责生成数据,消费者线程负责处理数据。它们之间通常通过一个共享的缓冲区(如队列)进行通信。这个模式可以有效地解耦生产者和消费者的工作,提高程序的并发性能。

BlockingQueue queue = new LinkedBlockingQueue<>();

class Producer extends Thread {
    public void run() {
        while (true) {
            Work item = produce();
            queue.put(item);
        }
    }

    Work produce() {
        // 生产数据
        return new Work();
    }
}

class Consumer extends Thread {
    public void run() {
        while (true) {
            Work item = queue.take();
            consume(item);
        }
    }

    void consume(Work item) {
        // 消费数据
    }
}
读写锁模式(Reader-Writer Lock Pattern)

读写锁模式允许多个线程同时读取共享资源,但写入操作是互斥的。这种模式适用于读多写少的场景,可以提高程序的并发性能。

class ReadWriteResource {
    private final ReadWriteLock lock = new ReentrantReadWriteLock();

    public void read() {
        lock.readLock().lock();
        try {
            // 执行读取操作
        } finally {
            lock.readLock().unlock();
        }
    }

    public void write() {
        lock.writeLock().lock();
        try {
            // 执行写入操作
        } finally {
            lock.writeLock().unlock();
        }
    }
}
线程池模式(ThreadPool Pattern)

线程池模式通过复用一组线程来执行多个任务,减少了线程创建和销毁的开销。线程池可以控制并发线程的数量,提高资源利用率。

ExecutorService executor = Executors.newFixedThreadPool(10);
executor.submit(() -> {
    // 执行任务
});

executor.shutdown();

案例分析

写了几个多线程并发的小demo,有需要可以联系获取仓库权限

注:文章有很多瑕疵,欢迎各位大佬批评指正

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 44

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 225

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 314

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 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 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 383

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 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 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 907

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: 90后程序员的职业成长漫谈
下一篇: 通过Forcebot压测实践简述“并发模式”与“RPS模式”两种模式的区别
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