强化学习在众包差异化定价中的探索

作者:京东物流 苏裕焜

一、引言

在配送需求不断增长的背景下,个人配送服务的大规模众包化将对配送市场产生重大影响,且众包定价涉及要素较多;这些变化意味着我们的营业部需要进行更精细化的定价管理,以适应众包人员市场。与自营人员不同,众包骑手的服务质量受到当地当时的人员可用性和成本波动的影响。为了提高骑手服务的揽派效率,降低整体运营经营成本,如何动态定价成为一个可考虑的选择。通过动态定价,可以一定程度的帮助配送站点通过响应配送需求的变化来最大化收入并减少人员短缺;

在日常配送中,动态定价的优势显而易见。然而,在高峰时段或偏远地区,临时性的众包骑手服务比全职骑手更复杂,需要更精细的规划。价格的不确定性可能增加规划和配送的难度。然而,如果众包骑手可以提前储备,那么报价也可以提前规划并完成锁定。这样,配送站点可以规划整个运营周期,并明确骑手服务的成本。这也是从过往一些营销补贴案例中,对于券种选择,触达人员分析的一些思考,只是众包的定价更强调周期性以及地区性,因此仅作为探索;

二、 MDP模型用于动态定价

站点众包骑手的定价主要是基于路区难度系数,历史单均等因素对未来的预测单量进行顺序定价决策。因此,马尔可夫决策过程(MDP)是可以作为一个基础模型。MDP是其他动态定价工作的常用模型,尤其是当与强化学习结合时,如一些经典的充电桩分配问题。在这些案例中,状态空间尽可能多地构建状态变量,并从数据中学习定价策略。然而,由于训练模型需要大量的计算资源来训练历史每天的运单数据与计费数据,强化学习的优先级会较低。在此选择一些规则叠加聚类模型能更好的帮助我们进行历史数据特征选择和模型训练。最后,可以参考其余案例使用泊松过程来模拟每个周期内单量需求的情况。通过将泊松过程应用于我们的离散时间模型在线动态定价中,并且可以定义为一种离散化误差;

在这里插入图片描述

如图所示,可以拆解为这几步:

资源矩阵:在众包骑手定价中,资源矩阵可以表示为不同时间段内可用的骑手资源。

产品定义:产品可以定义为特定时间段内的骑手服务组合。例如,产品 [1, 1, 0] 可以表示在三个时间段中的第一个和第二个时间段内提供骑手服务。

请求到达和预算:站点在不同时间提出对骑手服务的请求/需求,并提供他们愿意支付的报价预算(b1 到 b7)。

定价行动:营业部根据当前的骑手可用性和市场需求,采取动态定价策略(a1 到 a7)。每个定价决定都是基于当前资源状态和预期需求。

接受与奖励:当客户接受报价(即,当他们的预算 bi 大于或等于定价 ai 时,用绿色的 ✓ 表示),营业部获得一个奖励 ri。这可以是收入或其他绩效指标。同时,骑手资源的可用性根据所售产品的需求而减少。

资源管理:营业部需要持续监控和调整骑手的分配,以确保在满足需求的同时最大化收入。这包括在高需求时段提高价格,或在低需求时段进行调价处理。

1. 众包动态定价问题描述

众包骑手服务的动态定价涉及为不同的配送产品(计费类型)在线设置最优或接近最优的价格,因为站点下不同路区、不同地址导致的报价都不尽相同。我们的配送站点将其资源——一组配送站的配送能力——组合成提供给客户的产品,例如小时达等。 同样的,对于不同的配送产品,公司内部的计费形式和计费价格都不尽相同,需要我们更精准更合理的进行资源分配;

由于对不同的配送产品的需求事先是未知的,但我们拥有关于揽派送的历史数据、未来单量的一个粗粒度的预测数据以及不同时间段下单均成本变化数据。我们的目标是以一种方式可以定价每个到达该站点的揽派产品请求,以最大化目标函数,同时考虑需求的不确定性(季节性,大促活动等)。

那么在定价策略中,骑手和站点分别对应供应方和需求方的不同角色:

骑手(供应方):骑手是提供服务的主体,因此他们代表供应方。他们的可用性、工作时间、以及他们愿意接受的报酬水平都是供应方的关键因素。骑手的数量和他们的工作时间限制了站点能够提供的服务数量。

站点(需求方):站点需要管理和激励骑手,以满足客户的需求,因此在某种程度上站点也可以被视为需求方。站点需要制定价格策略来吸引足够的骑手,同时也要考虑客户的需求和支付意愿。站点通过定价策略来平衡骑手的供应和客户的需求。

问题的供应方由一组 ( n ) 个资源组成,这些资源可以组合成 ( m ) 个可供出售的配送产品。每个产品由一个向量

表示,其中的元素规定了产品中使用的各个资源的数量。这些产品的可用性受到资源初始容量 () 和不同资源销售期长度 () 的限制,这些长度决定了每个资源及其所在产品在何时之后不再可售(表示骑手在特定时间段内可用的时间窗口。在此时间之后,骑手可能不再可用,类似于资源过期。)。

问题的需求方通过一个非齐次复合泊松计数过程 (

) 来建模,该过程模拟了不同时刻对于不同产品请求的到达,以及不同产品的有限内部客户估值的分布 ()。即站点需要在骑手的可用性和成本之间找到平衡。

2. MDP模型

在描述了众包动态定价问题后,我们将尝试开发一个马尔可夫决策过程(MDP)模型,以确定定价策略 (

)。定价策略是一个映射,它将价格 (a) 分配给站点-时间对 (),并结合骑手资源的当前可用和计划中的未来容量 ©。

在我们的MDP中,定义为一个五元组 ((S, T, R, A, s_0)),骑手从某个初始状态

开始。每个状态捕捉当前的时间步、正在请求的站点以及当前可用的骑手数量。骑手为请求的站点提供一个价格 () ,采取一个行动,导致转移到一个新状态 ()。然而,转移并不是确定性的,因为尚不清楚骑手是否会接受或拒绝价格以及下一个站点请求是什么。通过将随机需求过程 () 和骑手内估值的分布 () 拟合到历史数据,我们可以估计转移概率 (,该概率决定了在状态 (s) 下采取行动 (a) 时达到状态 (s’) 的可能性。状态之间的转移还会为骑手带来由函数 (R(s, a, s’)) 决定的奖励。

在这里插入图片描述

从资料中查询到的关于电动汽车充电动态定价的马尔可夫决策过程(MDP)状态的示意图。该图展示了资源在其销售期结束后的过期情况(容量和产品向量中的灰色部分)。蓝色方块表示MDP状态。在时间步 (t),充电站的容量通过容量向量 (c_t) 表示。向量的元素代表相应时间段(绿色方块中的时间范围)内的可用充电容量。从上一个时间步开始到达的可能充电会话预约请求由向量 (p_t) 表示,其中1表示请求的时间段。基于三个状态变量 (c_t)、(t)、(p_t),定价策略提供一个动作 (a),即充电价格,用户可以接受(底部的前两个状态)或拒绝(右侧的状态)。然后状态转移到下一个时间步(转移函数的详细信息在图4中说明)。接受的充电请求会导致容量值减少。下一个充电会话预约被输入到新状态中。注意,时间步的分辨率必须比充电时间段更精细。灰色显示了关于充电容量和会话向量 (c_t) 和 (p_t) 的过去信息。

而如果我们的项目需要进行相关的框架复用,可以类比骑手资源在其服务期结束后的过期情况(在容量和任务向量中的灰色部分)。蓝色方块表示MDP状态。

在时间步 (t),骑手的可用数量通过容量向量 (c_t) 表示。向量的元素代表相应时间段内可用的骑手数量。从上一个时间步开始到达的可能订单请求由向量 (p_t) 表示,其中1表示请求的时间段。

基于三个状态变量 (c_t)、(t)、(p_t),定价策略提供一个动作 (a),即服务价格,用户可以选择接受(底部的前两个状态)或拒绝(右侧的状态)。然后状态转移到下一个时间步(转移函数的详细信息可以通过类似的图进行说明)。接受的订单请求会导致可用骑手数量减少。下一个订单请求被输入到新状态中。

在调整后的框架下:

容量向量 (c_t):表示在不同时间段内的可用骑手数量。

订单请求向量 (p_t):表示在不同时间段内的订单请求情况。

定价策略 (a):根据当前状态决定的服务价格。

状态转移:订单被接受后,骑手的可用数量会减少,未被接受的订单则不影响骑手数量。

2.1 状态空间

众包项目中,MDP的状态空间 (S) 由状态 (s = (c, t, p)) 组成。这里,© 表示当前时刻可用的骑手资源数量,(t) 是离散化的时间步,§ 是客户在该时间步请求的产品类型。通过将整个服务时间段(0, max(T))离散化为 (k) 个时间步,我们确保状态空间是有限的。虽然可以使用连续时间MDP,但这会增加问题的复杂性,并使解决方案更难以实现。客户请求到达时间是连续的,但在我们的模型中被视为离散事件。我们假设在相似时间到达的客户请求表现出相似的行为,即需求随时间以分段连续的方式变化,具有有限的不连续性。

2.2 动作空间

MDP的动作空间 (A) 是骑手可以提供给客户的可能价格集合。虽然理论上价格集合可以是连续的,但在实践中,我们假设价格是一个有限集合。这种离散化反映了大多数服务提供商在定价时的做法。特别地,有一个特殊的价格 (a = \infty),表示拒绝动作,因为没有客户会接受无限高的价格。当骑手资源不足以满足请求时,采用此动作。

2.3 奖励函数

MDP的奖励函数 (

) 确定了通过采取动作 (a) 从 (s_t) 转移到 (s_{t+1}) 所获得的奖励。若目标是最大化收入,则奖励为提供给客户的价格。当客户接受报价时,奖励为动作 (a) 的值,否则为0。成功的交易意味着骑手资源从 © 减少到 (c - p)。

2.4 转移函数

转移函数 (

) 是MDP模型中最复杂的部分,它决定了采取动作 (a) 后系统如何从状态 (s_t) 转移到 (s_{t+1})。此函数由客户请求的到达过程 (D(t)) 和客户对产品的内部估值分布 () 决定。在状态 (s_t = (c, p)) 中,骑手为客户请求的产品 § 选择一个价格 (a)。客户接受报价的概率由估值分布 () 的补充累积分布函数 决定。

客户请求的到达过程 (D(t)) 基于复合泊松计数过程 (

),假设客户到达时间具有无记忆性。我们将泊松过程离散化为多类伯努利过程 (D(t)),在每个时间步最多允许一个产品请求。通过选择适当的时间步数 (k),确保离散化过程 (D(t)) 能够很好地近似泊松过程 ()。

三. MDP模型的离散需求过程

我们尝试使用了一个离散需求过程来模拟每个客户请求的泊松到达过程。

离散需求过程的定义:

假设整个服务时间段 ((0, T)) 被缩放为单位时间段 ((0, 1)),这可以通过简单的时间线重新缩放实现。

对于每种客户请求的产品 (p \in P),我们假设有一个泊松计数过程 (N_p(\tau)),其到达率为 (\lambda_p),用于生成该产品的请求到达时间。

所有产品请求的到达时间可以被视为一个复合泊松过程 (N(\tau)),其强度为 (\lambda = \sum_{p \in P} \lambda_p)。

离散化的必要性:

因为时间被离散化为 (k) 个时间步,我们需要用离散的伯努利过程来逼近泊松过程的到达。

伯努利过程是一系列伯努利试验,定义为 (k) 次试验和每次试验中任何请求到达的概率 §。

这种逼近基于泊松过程是通过保持 (kp = \lambda) 不变并让 (k \to +\infty) 的伯努利过程序列的极限。

单个产品请求的分配:

我们可以通过根据概率分配产品索引来重建单个产品的到达过程。 在伯努利过程中,可以通过采样离散分布来将到达分配给产品类型。

逼近质量取决于将连续服务时间段 ((0, 1)) 划分为 (k) 个时间步的值 (k)。

离散需求过程的期望请求数量与泊松过程的期望到达数量在((0, 1))区间内相匹配,因此在这个指标上两者没有差异。

以下是模拟的伪代码,供参考

# 输入参数
stations = [s1, s2, ..., sn]  # 站点集合
riders = [r1, r2, ..., rm]  # 骑手集合
products = [p1, p2, ..., pk]  # 产品集合
zones = [z1, z2, ..., zl]  # 路区集合
lambda_p = [λ1, λ2, ..., λk]  # 各产品的到达率
historical_prices = {...}  # 历史报价数据
historical_volumes = {...}  # 历史单量数据
predicted_volumes = {...}  # 预测单量数据
pricing_types = ["fixed", "dynamic", "promotional"]  # 计费类型

# 时间步设置
T = 1  # 单位时间段
k = 100  # 时间步数

# 初始化请求到达矩阵
requests = [[[[0 for _ in range(k)] for _ in range(len(zones))] for _ in range(len(products))] for _ in range(len(stations))]

# 模拟请求到达过程
for t in range(k):
    for station in stations:
        for product_index, product in enumerate(products):
            # 预测到达率调整
            adjusted_lambda = adjust_lambda(lambda_p[product_index], historical_volumes, predicted_volumes, station, product)

            # 计算每个时间步的到达概率
            p = adjusted_lambda / k

            # 在当前时间步内是否有请求到达
            if random_bernoulli(p):
                # 确定请求的路区
                zone_index = sample_zone_distribution(zones, historical_volumes, station, product)

                # 增加对应产品和路区的请求计数
                requests[stations.index(station)][product_index][zone_index][t] += 1

# 动态定价策略
def dynamic_pricing(station, product, zone, time_step):
    # 使用历史报价和单量调整价格
    base_price = historical_prices[(station, product, zone)]
    demand_factor = calculate_demand_factor(historical_volumes, predicted_volumes, station, product, zone, time_step)
    
    # 定价策略:基于历史数据和当前需求
    if pricing_types[product] == "dynamic":
        price = base_price * (1 + demand_factor)
    elif pricing_types[product] == "promotional":
        price = base_price * (1 - 0.1)  # 例如促销打九折
    else:  # fixed
        price = base_price
    
    return price

# 辅助函数:伯努利试验
def random_bernoulli(probability):
    return random.uniform(0, 1) < probability

# 辅助函数:从路区分布中采样
def sample_zone_distribution(zones, historical_volumes, station, product):
    # 根据历史单量在不同路区的分布进行采样
    zone_distribution = calculate_zone_distribution(historical_volumes, station, product)
    random_value = random.uniform(0, 1)
    cumulative_sum = 0
    for index, probability in enumerate(zone_distribution):
        cumulative_sum += probability
        if random_value < cumulative_sum:
            return index
    return len(zones) - 1  # 返回最后一个索引作为默认

# 辅助函数:调整到达率
def adjust_lambda(base_lambda, historical_volumes, predicted_volumes, station, product):
    # 根据历史和预测数据调整到达率
    adjustment_factor = predicted_volumes[(station, product)] / historical_volumes[(station, product)]
    return base_lambda * adjustment_factor

# 输出请求到达矩阵和价格策略
print(requests)
for station in stations:
    for product in products:
        for zone in zones:
            for t in range(k):
                price = dynamic_pricing(station, product, zone, t)
                print(f"Price for {station}, {product}, {zone} at time {t}: {price}")

四. 使用蒙特卡罗树搜索(MCTS)

蒙特卡罗树搜索(Monte Carlo Tree Search, MCTS)是一种用于决策过程的启发式搜索算法,广泛应用于博弈论和其他复杂决策问题。MCTS通过随机模拟来探索可能的决策路径,逐步构建决策树,以找到最优策略。以下是MCTS的基本组成部分和工作原理:

选择(Selection):

从根节点开始,使用选择策略(如UCB1,Upper Confidence Bound for Trees)在树中选择一个子节点,直到到达一个未完全扩展的节点。

UCB1策略通过平衡探索(探索不太确定的节点)和利用(利用当前已知最优的节点)来选择节点。

扩展(Expansion):

如果选择的节点不是终止状态且可以扩展,则添加一个或多个子节点。每个子节点表示一个可能的动作或状态。

仿真(Simulation/Rollout):

从扩展的节点开始,进行随机模拟直到达到终止状态。这个过程通常称为“rollout”。

在仿真过程中,随机选择动作来模拟未来的可能路径,以估计该路径的潜在奖励。

回溯(Backpropagation):

将仿真得到的奖励回溯更新到经过的每个节点。更新节点的统计信息,如访问次数和平均奖励。

这种更新有助于逐渐提高对不同路径的估计准确性。

在一些复杂系统中,MDP可以用于建模和提供初步策略,而MCTS可以在实时操作中进行具体的决策优化和调整。这种结合可以充分利用两者的优势,适应不同的需求和约束。

下面是探索过程中的脱敏伪代码:

function MCTS(root_state, iterations):
    root_node = CreateNode(state=root_state)

    for i from 1 to iterations do:
        # Selection
        node = root_node
        while node is fully expanded and not terminal(node) do:
            node = BestChild(node, exploration_param)

        # Expansion
        if not terminal(node) then:
            node = Expand(node)

        # Simulation
        reward = Simulate(node.state)

        # Backpropagation
        Backpropagate(node, reward)

    return BestAction(root_node)

function CreateNode(state):
    return Node(state=state, parent=None, children=[], visits=0, total_reward=0)

function BestChild(node, exploration_param):
    best_score = -Infinity
    best_child = None
    for child in node.children do:
        exploit = child.total_reward / child.visits
        explore = exploration_param * sqrt(log(node.visits) / child.visits)
        score = exploit + explore
        if score > best_score then:
            best_score = score
            best_child = child
    return best_child

function Expand(node):
    action = UntriedAction(node)
    next_state, reward = SimulateAction(node.state, action)
    child_node = CreateNode(state=next_state)
    child_node.parent = node
    node.children.append(child_node)
    return child_node

function Simulate(state):
    current_state = state
    total_reward = 0
    while not terminal(current_state) do:
        action = RandomAction(current_state)
        next_state, reward = SimulateAction(current_state, action)
        total_reward += reward
        current_state = next_state
    return total_reward

function Backpropagate(node, reward):
    while node is not None do:
        node.visits += 1
        node.total_reward += reward
        node = node.parent

function BestAction(root_node):
    best_action = None
    best_value = -Infinity
    for child in root_node.children do:
        value = child.total_reward / child.visits
        if value > best_value then:
            best_value = value
            best_action = child.action
    return best_action

function SimulateAction(state, action):
    # Simulate the effect of an action in the environment
    next_state = TransitionFunction(state, action)
    reward = RewardFunction(state, action, next_state)
    return next_state, reward

function UntriedAction(node):
    # Return an action that has not been tried yet from this node
    # This function should consider the set of possible actions and filter out those already tried
    return SomeUntriedAction(node.state)

function RandomAction(state):
    # Return a random action from the set of possible actions for the given state
    return SomeRandomAction(state)

function terminal(state):
    # Determine if the state is a terminal state
    return IsTerminalState(state)

五. 结论说明

我们尝试描述了一种基于马尔可夫决策过程(MDP)的动态定价模型,用于优化众包骑手的服务分配和定价策略。随着众包配送服务的快速增长,这种模型可能成为未来物流和配送系统的重要组成部分。该模型允许众包平台在为客户提供灵活且高效的配送服务的同时,最大化其收入。

为了解决我们的MDP模型,还尝试使用蒙特卡罗树搜索(MCTS)启发式算法来优化定价决策。在实际项目中还需要明确定价算法是否优于固定费率基线,并且在可以获得该基线的情况下,与最优价值迭代(VI)基线是否具有竞争力。

在一些别的定价项目中,会看到有同学采取因果推断的方式进行定价选择、价格补贴,这可能取决于我们的具体目标和问题特性。如果目标是动态地优化定价策略或资源分配策略,以便在不断变化的环境中最大化收益(如利润、效率或客户满意度),MDP是也是一个合适的选择。MDP可以帮助我们在不同状态下制定最优行动策略,并有效处理不确定性,通过概率模型预测不同状态的转移和相应的奖励。另一方面,如果我们希望理解某些因素(如定价策略、激励措施)对骑手行为或客户需求的因果影响,因果推断也可以作为补充加入。因果推断可以帮助识别哪些因素真正驱动了结果变化,并评估新策略的效果,尤其是在数据中存在混杂因素时,因果推断方法可以提供更准确的因果估计。

在后续项目中,结合两者的方法可能会更有效,例如,先使用因果推断识别关键因果关系,然后在MDP中利用这些关系进行优化决策。

参考来源:

【1】J. Gao, T. Wong, C. Wang, and J. Y. Yu, “A Price-Based Iterative Double Auction for Charger Sharing Markets,” IEEE Transactions on Intelligent Transportation Systems, vol. 23, no. 6, pp. 5116–5127, Jun. 2022, issn: 1558-0016. doi: 10.1109/TITS.2020.3047984. [Online]. Available: https://ieeexplore.ieee.org/document/9325919 (visited on 08/09/2024)

【2】P. V. Dahiwale, Z. H. Rather, and I. Mitra, “A Comprehensive Review of Smart Charging Strategies for Electric Vehicles and Way Forward,” IEEE Transactions on Intelligent Transportation Systems, pp. 1–21, 2024, issn: 1558-0016. doi: 10.1109/TITS.2024.3365581. [Online]. Available: https://ieeexplore.ieee.org/document/10457989 (visited on 08/08/2024)

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: Taro 鸿蒙技术内幕系列(四):JDImage 自研鸿蒙图片库
下一篇: 《京东金融APP的鸿蒙之旅系列专题》鸿蒙新特性篇:Hello, 仓颉 World
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