垃圾短信?手机自动识别垃圾短信逻辑的分析

作者:京东科技 贾玉龙

1 背景

随着智能手机的普及和移动互联网的发展,短信作为一种传统的通讯方式,仍然保持着其独特的地位。然而,随着垃圾短信的泛滥,手机自动识别垃圾短信的技术也在不断进步。对于提供服务的企业来说,如何让自己的服务短信不被识别为垃圾短信,而让用户能够看到,成为了一个亟待解决的问题。本文将深入探讨手机自动识别垃圾短信的逻辑。

在这里插入图片描述

2 手机自动识别垃圾短信的逻辑

2.1 垃圾短信的定义与特征

垃圾短信通常指未经用户同意或请求,向其发送的具有广告、推销、欺诈等性质的短信。这些短信往往具有以下特征:

•内容重复:垃圾短信的内容往往具有高度的重复性,如频繁出现的促销信息、贷款广告等。

•发送频率高:垃圾短信的发送频率通常较高,有时甚至在短时间内连续发送多条。

•发送者不明确:垃圾短信的发送者往往不明确,或者使用的是伪造的号码。

•含有敏感词汇:垃圾短信中常含有一些敏感词汇,如“中奖”、“贷款”、“促销”等。

在这里插入图片描述

2.2 手机自动识别垃圾短信的技术

手机自动识别垃圾短信的技术主要基于文本分析、机器学习、用户行为等多种方法。以下是一些常见的识别逻辑:

•关键词匹配:手机会预先设定一些敏感词汇库,当短信内容中包含这些词汇时,会将其标记为垃圾短信。

•文本相似性检测:手机会对接收到的短信进行文本相似性检测,如果与已知的垃圾短信内容相似度较高,则会被标记为垃圾短信。

•用户行为分析:手机会根据用户的行为习惯,如是否经常回复、是否标记为垃圾短信等,来判断短信是否为垃圾短信。

•机器学习算法:手机会利用机器学习算法对短信进行分类,通过训练模型来识别垃圾短信。

在这里插入图片描述

3 手机自动识别垃圾短信的方法

手机自动识别垃圾短信的逻辑和依据主要包括以下方面:

3.1 内容特征分析

• 关键词匹配:系统内置了大量与垃圾短信相关的关键词,如“促销”“免费”“中奖”“办证”“贷款”“赌博”“博彩”等。当短信内容中出现这些关键词时,手机会提高对该短信的怀疑程度。不过,单纯的关键词匹配容易出现误判,例如一些正常短信中可能偶尔提及类似词语,所以通常还会结合其他因素综合判断。

在这里插入图片描述

• 语义理解:利用自然语言处理技术对短信的语义进行分析,理解句子的含义和上下文关系。例如,一些看似正常的句子,但结合上下文语境后发现其意图是推销或诈骗等不良行为,手机就会将其识别为垃圾短信。这需要强大的算法和模型支持,能够准确理解文本的语义,避免因字面意思的误判。

3.2 发送行为特征分析

• 发送频率:如果一个号码在短时间内频繁发送大量短信,超出了正常的通信范围,那么该号码发送的短信就很可能是垃圾短信。比如一些广告推销号码会批量发送相同或相似内容的短信。

• 发送来源:对于一些来源不明的号码,特别是一些非正规的、陌生的号码段发送的短信,手机会更加警惕。例如,一些境外号码发送的短信,或者是一些不符合正常号码规则的号码发送的短信,都可能被识别为垃圾短信。

号码特征分析

• 黑名单比对:手机系统会维护一个垃圾短信发送号码的黑名单库,当接收到的短信来自黑名单中的号码时,会直接将其识别为垃圾短信。这个黑名单库可以由手机厂商、运营商或用户自己添加和更新。

• 号码异常特征:一些号码可能存在异常特征,比如号码格式不规范、号码位数不对等,这些号码发送的短信也容易被识别为垃圾短信。

链接和图片特征分析

• 恶意链接检测:如果短信中包含链接,手机会对链接进行检测,判断其是否为恶意链接。恶意链接可能会引导用户进入钓鱼诱导网站、下载恶意软件等,对用户的手机安全造成威胁。检测方法包括分析链接的域名、IP地址、页面内容等。

• 图片特征识别:对于一些包含图片的短信,手机会对图片进行分析,识别图片中的内容是否与垃圾短信相关。例如,图片中包含广告信息、色情内容等,就会被认定为垃圾短信。

用户反馈和机器学习

• 用户反馈:用户可以手动将一些短信标记为垃圾短信,手机系统会根据用户的反馈对这些短信的特征进行学习和记录,以便在未来更好地识别类似的垃圾短信。

• 机器学习算法:一些手机厂商会利用机器学习算法,对大量的短信数据进行训练和学习,不断优化垃圾短信的识别模型。通过分析大量的样本短信,模型可以自动提取出垃圾短信的特征和模式,提高识别的准确率和效率。

4 主流手机厂商识别垃圾短信的逻辑

在这里插入图片描述

不同手机厂商过滤垃圾短信、识别垃圾短信的逻辑各有特点,以下是一些常见手机厂商的具体情况:

4.1 华为

• 智能神经网络算法:在最新的 EMUI 系统中,短信的拦截引擎采用智能的神经网络算法。该算法通过对大量短信数据的学习和分析,能够自动识别短信的模式和特征,从而判断短信是否为垃圾短信。这种方式提高了拦截识别的能力,同时大大降低了“误拦”和“漏拦”发生的概率。

• 关键词匹配与语义理解:系统内置了一系列与垃圾短信相关的关键词,当短信内容中出现这些关键词时,会触发垃圾短信的初步判断。并且,华为手机还具备一定的语义理解能力,能够结合上下文对短信的含义进行分析,避免单纯因关键词而导致的误判。例如,如果一条短信中出现了“免费”“中奖”等关键词,但结合上下文发现是朋友之间的玩笑话,就不会被误判为垃圾短信。

• 号码特征分析:对发送短信的号码进行分析,包括号码的来源、格式等。对于一些来源不明、号码格式异常或者是被标记为不良的号码发送的短信,会提高警惕。同时,华为手机还会不断更新和维护一个号码黑名单库,将频繁发送垃圾短信的号码纳入其中,后续来自这些号码的短信会直接被拦截。

• 用户反馈与学习:用户可以手动将一些短信标记为垃圾短信,系统会根据用户的反馈对这些短信的特征进行学习和记录,不断优化垃圾短信的识别模型,提高识别的准确性。

4.2 小米

• 智能拦截功能:MIUI 系统中有“智能拦截”功能,可以把各类垃圾消息智能拦截后归类到不重要通知。该功能基于多种因素进行判断,例如短信的发送频率、内容特征等。如果一个号码在短时间内发送了大量相似内容的短信,或者短信内容中包含常见的垃圾短信关键词,就会被系统拦截。

• 用户自定义设置:用户可以在系统中添加黑白名单,自行设置需要拦截或放行的号码。同时,用户还可以设置关键词黑名单和白名单,根据自己的需求对短信进行过滤。例如,用户可以将“促销”“贷款”等关键词添加到黑名单中,这样包含这些关键词的短信就会被拦截;而将一些常用的、正常的关键词添加到白名单中,确保不会误拦重要短信。

• 机器学习与更新:小米手机会不断收集用户的使用数据,并通过机器学习算法对这些数据进行分析和学习,不断优化垃圾短信的识别模型。随着使用时间的增加,系统对垃圾短信的识别能力会逐渐提高。

4.3 苹果

  1. 系统自带的过滤功能:

• 基于机器学习的分类识别:苹果在iOS系统中内置了短信过滤器,其利用机器学习技术来识别短信是否为垃圾短信以及所属的类别。通过对大量短信数据的学习和分析,系统能够识别出垃圾短信的特征模式,比如特定的关键词组合、文本格式、发送频率等,从而对新收到的短信进行判断和分类。例如,如果一条短信中包含大量与推销、诈骗相关的常见词汇,系统就可能将其识别为垃圾短信。

• 信息类别过滤:在iOS 14中,苹果就为垃圾短信引入了“交易”和“促销”两个新的不同类别;iOS 16为短信过滤API增加了12个新的子类别,包括金融、提醒信息、订单、卫生等。这样可以更精细地对短信进行分类过滤,方便用户查看和管理不同类型的短信。

• 过滤未知发件人:用户开启“过滤未知发件人”功能后,来自陌生号码或不在联系人列表中的发件人的短信会被单独分类到“未知与过滤信息”中,与正常的短信分开显示,减少对用户的干扰。

  1. iMessage的相关过滤设置:

• 账号管理:iMessage是苹果自带的即时通讯服务,用户如果收到大量通过iMessage发送的垃圾短信,可以删除用邮箱登陆的账号,只保留手机号码。因为很多垃圾短信是通过用户的邮箱而进行推送的,减少邮箱账号的使用可以降低收到此类垃圾短信的概率。

• 开启过滤功能:开启iMessage的过滤功能后,即使有垃圾短信进来,iPhone也会自动将其分组到【过滤信息】中,不会影响用户接收其他正常短信。

  1. 用户反馈与训练:用户可以手动将某些短信标记为垃圾短信,系统会根据用户的反馈进一步学习和优化垃圾短信的识别算法。当用户将一条短信标记为垃圾短信后,系统会记录该短信的特征,并在后续的识别过程中更加准确地判断类似的短信。

  2. 第三方应用辅助过滤:App Store中有一些第三方的短信过滤应用,这些应用可以利用先进的智能AI算法等技术,自动识别过滤拦截垃圾短信。它们通常会提供更多的个性化设置和功能,如按号码屏蔽、防短信轰炸等,用户可以根据自己的需求选择安装使用。

4.4 Vivo

• 关键词与规则匹配:系统内置常见的垃圾短信关键词库,当短信内容中出现如“促销”“贷款”“中奖”等关键词时,会触发初步的垃圾短信判断。同时,Vivo手机还会根据一些预设的规则,如短信发送频率异常、号码来源不明等情况,对短信进行进一步的筛查。

• 智能拦截模式:Vivo手机具备智能拦截功能,通过机器学习算法对大量的短信数据进行学习和分析,逐渐掌握垃圾短信的特征和模式,从而提高拦截的准确性。用户可以在设置中开启智能拦截模式,让系统自动过滤垃圾短信。

• 用户自定义设置:用户可以根据自己的需求,在手机的设置中添加短信拦截规则,例如设置关键词黑名单、号码黑名单等,对特定的短信进行拦截。此外,用户还可以选择开启或关闭某些类型的短信通知,如营销短信通知等。

  1. Oppo

• 智能识别与过滤:Oppo手机的系统会自动对收到的短信进行智能分析,识别其中的垃圾短信。通过对短信内容的语义理解、关键词匹配以及发送号码的分析等多方面因素的综合判断,来确定短信是否为垃圾短信。例如,如果短信内容中存在大量的广告宣传用语,或者发送号码是频繁发送垃圾短信的号码,系统就会将其识别为垃圾短信并进行拦截。

• 伪基站短信拦截:Oppo手机具备伪基站短信拦截功能,能够识别并拦截伪基站发送的短信。伪基站是一种非法的通信设备,可以伪装成正规的基站向手机用户发送短信,其中很多都是垃圾短信或诈骗短信。Oppo手机通过对信号特征的分析和识别,能够判断出短信是否来自伪基站,并及时进行拦截。

• 用户反馈与学习:Oppo手机支持用户手动标记垃圾短信,用户将某条短信标记为垃圾短信后,系统会记录该短信的特征,并根据用户的反馈不断学习和优化垃圾短信的识别算法,提高拦截的准确性。

4.5 三星

• 模式识别技术:三星手机利用模式识别技术对短信进行分析。通过对大量垃圾短信样本的学习,建立起各种垃圾短信的模式模型。当接收到新的短信时,系统会将其与已建立的模式模型进行对比,如果匹配度较高,则判断为垃圾短信。这种方式可以有效地识别出一些具有特定模式的垃圾短信,如诈骗短信、推销短信等。

• 号码信誉评估:三星手机会对发送短信的号码进行信誉评估。系统会收集和分析号码的历史发送记录,如果一个号码经常发送垃圾短信,那么它的信誉度就会降低。当接收到来自信誉度较低的号码的短信时,系统会更加严格地进行审查,提高该短信被识别为垃圾短信的概率。

• 安全中心防护:三星手机的安全中心会对短信进行实时监测和过滤。安全中心会不断更新垃圾短信的特征库和拦截规则,以应对不断变化的垃圾短信形式。同时,用户还可以在安全中心中设置短信拦截的级别和方式,根据自己的需求进行个性化的设置。

4.6 荣耀

• 智能防护引擎:荣耀手机拥有专门的智能防护引擎,用于过滤垃圾短信。该引擎通过对短信的发送号码、内容、频率等多方面因素进行综合分析,来判断短信是否为垃圾短信。例如,如果一个号码在短时间内频繁发送大量内容相似的短信,就会被系统判定为垃圾短信发送者,其发送的短信会被拦截。

• 号码识别与分类:荣耀手机会对发送短信的号码进行识别和分类。对于一些常见的垃圾短信发送号码,如营销号码、诈骗号码等,系统会将其标记并进行拦截。同时,对于一些新出现的号码,系统会根据其发送短信的行为和特征进行判断,如果符合垃圾短信的特征,也会被拦截。

• 场景化识别:根据不同的场景和用户需求,荣耀手机的垃圾短信过滤功能还具备场景化识别能力。例如,在用户进行网购后,可能会收到一些商家的促销短信,系统会根据用户的购物行为和偏好,对这些短信进行智能识别和分类,避免将一些有用的促销短信误判为垃圾短信。

4.7 魅族

• 智能拦截系统:魅族手机的智能拦截系统通过对短信的文本内容、发送号码、发送频率等信息进行分析,来判断短信是否为垃圾短信。系统会根据预设的规则和算法,对短信进行自动拦截。例如,如果一条短信的发送号码是一个陌生的虚拟号码,且短信内容中包含大量的广告宣传词汇,系统就会将其拦截。

• 用户反馈与社区共享:魅族手机支持用户手动标记垃圾短信,用户将某条短信标记为垃圾短信后,系统会将该短信的特征上传到魅族的服务器。同时,魅族还建立了一个用户社区,用户可以在社区中分享自己遇到的垃圾短信信息,其他用户可以根据这些信息对自己的手机进行设置,提高垃圾短信的拦截效果。

• 定期更新与优化:魅族会定期更新垃圾短信拦截的规则和算法,以适应不断变化的垃圾短信形式。通过对新出现的垃圾短信特征的学习和分析,不断优化拦截系统,提高垃圾短信的识别准确率。

4.8 一加

  1. 系统自带的骚扰拦截功能:

• 智能拦截模式:一加手机的系统会基于一定的算法模型对短信进行智能判断。例如,系统会根据短信的文本内容、发送号码的特征等信息进行分析。如果短信的内容中包含一些常见的垃圾短信关键词,如“促销”“抽奖”“免费”等,或者发送号码是一些已被标记为不良的号码段,系统就会将其识别为疑似垃圾短信进行拦截。这种智能拦截模式能够在一定程度上自动过滤掉大部分常见的垃圾短信。

• 用户自定义拦截规则:用户可以在手机的设置中自行添加垃圾短信关键词。当接收到的短信中包含用户设定的关键词时,系统会自动拦截该短信。此外,用户还可以设置拦截特定号码发送的短信,比如将一些经常发送垃圾短信的号码添加到黑名单中,从而实现精准拦截。

• 拦截通知设置:在拦截规则界面,用户可以设置拦截通知的提醒方式,如显示所有拦截通知、不显示拦截通知或显示除黑名单外的拦截通知等,方便用户及时了解短信的拦截情况。

  1. 与第三方应用的协作:

• 号码识别应用:一加手机用户可以安装第三方的号码识别应用,如腾讯手机管家、360手机卫士等。这些应用拥有庞大的号码数据库,能够对来电和短信的发送号码进行快速识别和分类。如果是被标记为骚扰电话、诈骗电话或垃圾短信发送者的号码,应用会自动拦截相关的通信。并且,这些应用还会不断更新数据库,以提高识别的准确性。

• 短信过滤应用:一些专门的短信过滤应用可以与一加手机的系统进行协作,进一步增强垃圾短信的过滤效果。这些应用通常会采用更先进的算法和技术,对短信的内容进行深度分析,识别出潜在的垃圾短信。例如,通过对短信的语义理解、文本模式识别等技术,判断短信是否属于垃圾短信范畴。

在这里插入图片描述

5 结论与展望

手机自动识别垃圾短信的技术在不断进步,对于提供服务的企业来说,如何让自己的服务短信不被识别为垃圾短信,而让用户能够看到,成为了一个亟待解决的问题。本文深入探讨了手机自动识别垃圾短信的逻辑,并提出了优化服务短信可见性的策略。通过精准定位目标用户、优化短信内容、合理控制发送频率、提升用户参与度以及加强与运营商的合作等措施,企业可以显著提升服务短信的可见性,提高用户的打开率和回复率。

未来随着技术的不断发展,手机自动识别垃圾短信的逻辑可能会更加复杂和智能。因此,企业服务人员需要持续关注这一领域的发展动态,不断优化自己的服务策略和手段。同时,也需要加强与运营商、第三方服务商等合作伙伴的合作,共同推服务短信的合规性和可见性的提升。只有这样,才能在激烈的市场竞争中脱颖而出,赢得用户的信任和支持。

更多其他内容:

AIGC项目中的【模板进程】方案的设计实践: https://developer.jdcloud.com/article/4123?mid=30

AIGC系统中多个模型的切换调用方案探索: https://developer.jdcloud.com/article/4110

前后端数据传输约定探讨: https://developer.jdcloud.com/article/3900

如何做标准化?: https://developer.jdcloud.com/article/3576

chrome插件新版本(v3版本)中的热更新,即加载更新远程js的方法探索: https://developer.jdcloud.com/article/3852

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 42

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: 学习下Redis内存模型
下一篇: nginx+lua+redis实现灰度发布
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