DeepSeek的开源之路:一文读懂从V1-R1的技术发展,见证从开源新秀到推理革命的领跑者

作者:京东科技 蔡欣彤

一、引言:AI时代的挑战与DeepSeek的崛起

在大模型时代,AI技术的飞速发展带来了前所未有的机遇,但也伴随着巨大的挑战。随着模型规模的不断扩大,算力需求呈指数级增长,训练成本飙升,而性能提升的边际收益却逐渐递减,形成了所谓的“Scaling Law”瓶颈。与此同时,OpenAI、谷歌等巨头通过闭源策略垄断技术,限制了中小企业和研究机构的参与空间。在这样的背景下,DeepSeek应运而生,以“低成本+高性能+开源”为核心理念,致力于打破行业壁垒,为AI普惠化开辟了新的可能性。

但每一个大模型爆火的背后都是需要经历一代代的技术积累和演进,所以文本介绍一下 DeepSeek 系列主要模型的发布历史及每一代模型的技术突破。

二、DeepSeek的发展历程

1.DeepSeek-V1

DeepSeek V1是2024年1月份发布的第一版DeepSeek模型,论文地址: https://github.com/deepseek-ai/deepseek-LLM

DeepSeek-V1 有 7B 和 67B 两个版本,并且每个版本分别有基础和聊天的模型,它支持多种编程语言,具有强大的编码能力,适合程序开发人员和技术研究人员使用。

1.1 技术分析

•数据层面:通过包括去重、过滤、混合3个步骤构建一个多样性强、纯净的高质量预训练数据

•模型结构方面: 模型的主体结构基本沿用LLaMA的体系结构, 在注意力机制方面, 7B模型使用 多头注意力Multi-Head attention (MHA),而67B模型使用Grouped-Query Attention (GQA)替代MHA用来降低成本

1.2 成果解读

第一代的模型在我看来更多的还是复现LLaMA,虽然采用了更优质的训练集提升了性能,但就像DeepSeek论文中提到,也存在潜在缺点:过渡依赖培训数据容易产生偏见;幻觉问题没有处理很好;在其生成的响应中表现出重复回答等问题.

2.DeepSeek-V2

2024年5月左右发布了DeepSeek-V2,论文地址: https://github.com/deepseek-ai/DeepSeek-V2 .

这个版本的发布也让deepSeek正式引起了大模型领域的关注.

2.1 技术分析

DeepSeek V2最核心的点都在改动模型结构上.分别为 多头潜在注意力机制(Multi-head Latent Attention,MLA) 和 DeepSeekMoE架构, 这两点也为后面的R1版本奠定了基础.

整体结构如下图:在注意力机制部分采用MLA,在前馈网络(FFN)部分采用DeepSeekMoE的结构.

在这里插入图片描述

2.1.1 MLA

在标准的 Transformer 模型中,多头注意力机制(MHA)通过并行计算多个注意力头来捕捉输入序列中的不同特征,每个注意力头都有自己的Q,K,V. 这样在处理长序列时,键值缓存(KV Cache)的内存开销会随着序列长度线性增长,这成为大模型推理效率的主要瓶颈之一.

MLA利用低秩键值联合压缩来消除推理时间键值缓存的瓶颈,从而支持有效的推理.MLA的具体实现包括以下关键技术:

•低秩键值联合压缩(low-rank key-value joint compression):MLA通过将键和值矩阵压缩到低维空间,减少了KV Cache的内存占用。

•多头潜在注意力:MLA在传统多头注意力的基础上,引入了潜在注意力机制,通过动态调整注意力头的计算方式,进一步优化了长序列处理的效率。

•稀疏注意力:MLA通过稀疏化注意力权重,减少了计算复杂度,同时保持了模型的性能。

2.1.2 DeepSeekMoE

DeepSeekMoE对比传统的混合专家模型(Mixture of Experts, MoE),多了2个核心优化:

•细粒度专家划分:如图(b)Fine-grained Expert,DeepSeekMoE 将专家数量大幅增加,每个专家负责更小的输入空间。这种细粒度划分使专家能够更专注于特定任务,从而提高模型的表达能力和泛化性能

•共享专家隔离:如图©Shared Expert DeepSeekMoE 引入共享专家机制,用于捕获跨任务的通用知识. 这样的设计减少了路由专家之间的冗余,提高了参数效率,还改善了负载均衡问题,避免了某些专家被过度激活的情况.(简单点来说,就是共享专家干通用的活,其他专家干自己更专业的活)

在这里插入图片描述

此外,DeepSeekMoE还做了负载均衡策略,

•负载均衡策略:论文中为Load Balance Consideration

◦Expert-Level Balance Loss:创新性地避免了传统负载均衡方法对模型性能的负面影响,通过灵活的批量负载均衡策略,允许专家在不同领域中更好地专业化

◦Device-Level Balance Loss:在分布式训练和推理中,DeepSeekMoE 通过设备受限的路由机制,将专家分配到不同的设备上,并限制每个设备只能访问本地专家。这减少了跨设备通信的开销,显著提升了训练和推理效率

2.2 成果解读

高效的性能与低成本:通过上面的结构优化,降低了计算开销,训练成本的降低大幅降低了开发门槛,适合科研和商业化应用

在这里插入图片描述

3.DeepSeek-V3

DeepSeek-V3 是在2024年12月26正式发布. 论文地址: DeepSeekV3 Technical Report

DeepSeek-V3是该系列中的一个里程碑版本,专注于知识类任务和数学推理,性能大幅度提升,这个版本的发布也让DeepSeek走进了大众视野.

整体来说,V3版本继续沿用了V2版本的MLA和DeepSeekMoE结构,总使用了671B参数,完成整个训练时间也减少很多.

We present DeepSeek-V3, a strong Mixture-of-Experts (MoE) language model with 671B total parameters with 37B activated for each token. DeepSeek-V3 requires only 2.788M H800 GPU hours for its full training.

3.1 技术分析

DeepSeekV3在模型结构上的核心优化有两点:

1.对DeepSeekMoE中的多专家负载均衡问题,提出了无辅助损失负载均衡策略( auxiliary-loss-free strategy ) ,相比使用辅助loss提升了模型性能;

2.引入多Token预测(Multi-Token Prediction,MTP)技术,相比原来每次只能预测一个token,显著提升了infer的速度。

3.1.1 auxiliary-loss-free strategy

无辅助损失策略旨在解决传统 MoE 模型中因负载不均衡导致的计算效率下降和性能损失问题.

传统的 MoE 模型中,专家负载不均衡是一个常见问题。某些专家可能会被过度激活,而其他专家则处于闲置状态,这不仅降低了计算效率,还可能导致路由崩溃(routing collapse),从而影响模型性能.为了解决这一问题,传统方法通常依赖于辅助损失(Auxiliary Loss),通过额外的损失函数来强制均衡专家的负载。然而,辅助损失可能会对模型性能产生负面影响,尤其是在损失权重设置不当的情况下.

而无辅助损失负载均衡策略则是通过动态调整专家路由的偏差项(bias term)来实现负载均衡,而无需引入额外的辅助损失函数.具体来说:

• ****偏差项调整:在训练过程中,系统会监控每个专家的负载情况。如果某个专家过载,则减少其偏差项;如果某个专家欠载,则增加其偏差项。这种动态调整确保了专家负载的均衡,同时避免了辅助损失对模型性能的干扰

• 路由机制:在计算专家亲和度分数(affinity score)时,偏差项被添加到亲和度分数中,以确定每个 token 应该路由到哪些专家。门控值(gating value)仍然基于原始的亲和度分数计算,从而保持了模型的路由灵活性

采用这种方法,无需引入额外的损失函数,从而在保持模型性能的同时提高了训练稳定性

3.1.2 MTP
传统的模型通常采用单Token预测目标,即每次将当前预测结果作为最新的一个输入,再次预测下一个。而MTP则扩展了这一目标,要求模型在每个时间同时预测多个未来的Token(例如2个、3个或更多)。
使用MTP, 一方面每次预测多个Token,可使训练信号更密集,提高数据利用效率和训练速度,另一方面也可以让模型在生成后续token的时候有一个全局性,从而生成更连贯和语义准确的文本.

大致做法:模型除了有一个主模型,还有几个并行的MTP模块.这些MTP模块的Embedding层和Output Head和主模型共享.在主模型预测了next token后,将这个预测token的表征和之前token的Embedding拼接到一起,生成一个新的输入(超出长度的更久远的token被才减掉)。这个拼接好的Embedding输入到第一个MTP中预测next next token。以此类推…

文中引入Multi-Token Prediction主要为了提升训练效果,推理阶段可以直接去掉这些MTP模块,主模型可以独立运行,确保模型的正常工作.

在这里插入图片描述

3.2 成果

DeepSeek-V3 多项评测成绩超越了 Qwen2.5-72B 和 Llama-3.1-405B 等其他开源模型,并在性能上和世界顶尖的闭源模型 GPT-4o 以及 Claude-3.5-Sonnet 不分伯仲。

在这里插入图片描述

4.DeepSeek-R1-Zero和DeepSeek-R1

接着就来到了重头戏,在2025年1月20日发布的DeepSeek-R1模型, 论文地址: DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning

他的发布,带来了世界的震撼,也让2025年初所有人都开始谈论.

4.1 技术分析

其实这个DeepSeek-R1先有一个DeepSeek-R1-Zero的版本,只通过强化学习(RL)进行训练,没有用监督微调 (SFT) 作为预备步骤,但是它遇到了诸如可读性差和语言混合等问题,接着引入了 DeepSeek-R1,它在 RL 之前结合了多阶段训练和冷启动数据.

DeepSeek-R1的技术主要有以下几点:

•采用GROP(Group Relative Policy Optimization)算法

•Reward Modeling :一种基于规则的奖励系统和语言一致性奖励系统

•Cold Start:使用数千条冷启动数据

4.1.1 GROP算法

LLM 中主流 RLHF 方向分为两大路线:

•以 [PPO] 为代表的 On Policy 路线 (但目前最常用的还是PPO)每次训练都基于自己的生成模型(Actor),通过教练(Critic)反馈奖励;优势是效率高,没有模型自生成自然效率高,问题是训练后模型能力可能不够;

•以 [DPO] 为代表的 Off Policy 路线 基于现有标注的情况进行分析,存在训练样本可能与模型不匹配的问题;优势是更有可能达到模型能力的上限,问题是效率较低。

从PPO的优化过程分析,其存在如下缺点:1.需要训练一个与策略模型大小相当的价值模型(Value Model),这带来了巨大的内存和计算负担; 2.LLM 通常只有最后一个 token 会被奖励模型打分,训练在每个 token 上都准确价值函数难;

而GROP避免了像 PPO 那样使用额外的 Value Model ,而是使用同一问题下多个采样输出的平均奖励作为基线,好处:

•无需额外的价值函数:GRPO 使用组内平均奖励作为基线,避免了训练额外的价值函数,从而减少了内存和计算负担。

•与奖励模型的比较性质对齐:GRPO 使用组内相对奖励计算优势函数,这与奖励模型通常在同一问题的不同输出之间进行比较的性质相符。

•KL惩罚在损失函数中:GRPO 直接将训练策略 πθ 和参考策略 πref 之间的 KL 散度添加到损失中,而不是像 PPO 那样在奖励中添加 KL 惩罚项,从而避免了复杂化 A^i,t 的计算。

4.1.2 Reward Modeling

为了训练DeepSeek-R1-Zero,采用了一种基于规则的奖励系统,该系统主要由两种类型的奖励组成:

•准确性奖励:准确性奖励模型评估响应是否正确。例如,在具有确定性结果的数学问题中,模型需要以指定格式(例如,在框内)提供最终答案,从而实现基于规则的可靠正确性验证。类似地,对于 LeetCode 问题,可以使用编译器根据预定义的测试用例生成反馈。

•格式奖励:强制模型将其思考过程置于 ‘’ 和 ‘’ 标签之间。

注意, ****DeepSeek-R1-Zero 时没有使用结果或过程神经奖励模型,因为发现神经奖励模型在大型强化学习过程中可能会遭受奖励黑客(reward hacking ),并且重新训练奖励模型需要额外的训练资源,这会使整个训练流程变得复杂。

在训练DeepSeek-R1阶段,为了解决DeepSeek-R1-Zero中存在的语言混合问题,在RL中中引入了语言一致性奖励(language consistency reward ) ,该奖励计算为CoT中目标语言词的比例.

最后,通过将推理任务的准确性和语言一致性奖励相加来形成最终奖励.

4.1.3 Cold Start

与 DeepSeek-R1-Zero 不同,为了解决 RL 训练从基础模型开始的早期不稳定冷启动阶段,对于 DeepSeek-R1,构建并收集少量长 CoT 数据。为了收集此类数据,用了几种方法:使用少量样本提示,以长 CoT 作为示例;直接提示模型生成带有反思和验证的详细答案;以可读格式收集 DeepSeek-R1-Zero 输出;以及通过人工标注者进行后处理来细化结果。

4.1.4 DeepSeek-R1训练的整体流程

首先对DeepSek-V3进行RL训练,并采用基于规则的奖励系统,产生DeepSeek-R1-Zero模型.通过提示指引DeepSeek-R1-Zero模型带有反思和验证的详细答案等Code Start数据,然后将收集到的数千条冷启动数据重新微调 DeepSeek-V3-Base 模型.接着执行类似 DeepSeek-R1-Zero 的面向推理的强化学习。在强化学习过程接近收敛时,我们通过对强化学习检查点进行拒绝采样,并结合来自 DeepSeek-V3 在写作、事实问答和自我认知等领域中的监督数据,创建新的 SFT 数据,然后再次重新训练 DeepSeek-V3-Base 模型,在使用新数据进行微调后,检查点会进行额外的强化学习过程.(ps:二次训练 DeepSeek-V3是因为这次使用的新数据是更加优质的CoT数据,使得训练完之后的模型推理性能再度提升,在这一步我真的感慨这种想法,就是一种艺术~~).经过这些步骤,获得了名为 DeepSeek-R1 的模型,其性能与 OpenAI-o1-1217 相当。

在这里插入图片描述

4.2 成果解读

DeepSeek-R1 在后训练阶段大规模使用了强化学习技术,在仅有极少标注数据的情况下,极大提升了模型推理能力。在数学、代码、自然语言推理等任务上,性能比肩 OpenAI o1 正式版。

通过 DeepSeek-R1 的输出,蒸馏了 6 个小模型开源给社区,其中 32B 和 70B 模型在多项能力上实现了对标 OpenAI o1-mini 的效果。

在这里插入图片描述

四.结语:从大模型引发的思考

我对大模型时代的看法,我觉得我们已经拉开了新的一幕,如果说第一幕是知识驱动模型,卷参数量,拼算力,那么DeepSeek-R1的出现带我进入第二幕-推理驱动. 在这一幕,让模型学会自我思考,自我推理更为重要.而且更优秀的算法来提高参数效率,降低训练成本也成为了关键所在.

最后,码字不易,喜欢这篇文章的,**请给作者点个赞****吧,做个小小鼓励~~**

五.参考文献

  1. DeepSeek

  2. DeepSeek中用到的Grouped-Query Attention技术是什么来头

  3. 10分钟速通DeepSeekV1~V3核心技术点

  4. DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model

  5. Multi-Head Latent Attention (MLA) 详细介绍

  6. 一文通透DeepSeek V2——通俗理解多头潜在注意力MLA:改进MHA,从而压缩KV缓存,提高推理速度

  7. DeepSeekMoE: Towards Ultimate Expert Specialization in Mixture-of-Experts Language Models

  8. DeepSeekV3 Technical Report

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: "打通设计与研发效率最后一公里”-云事业部前端团队 D2C/C2D落地经验分享
下一篇: 何必舍近求远 计算工厂帮你一键部署DeepSeek云主机
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