动态化-罗码(京东科技一码多端解决方案)介绍

作者;京东科技 胡大海

前言

动态化-罗码(后文统称动态化)是一个全自主研发的一站式跨平台解决方案,一份代码,可以在iOS、Android、H5及华为HarmonyOS运行。在研发团队使用后可大幅降低研发人力成本;为业务提供实时触达、A/B触达等能力以提升业务投放效率;同时保障了C端用户优秀的用户体验。

一、背景

市面上的APP,一般使用两种技术方式承载业务:

1、原生开发方式:优势是可以充分使用系统能力,带来极致的用户体验;劣势是动态性差、发布周期长、无法跨平台。

2、H5开发方式:优势是动态性好、可随时发布、支持多平台;劣势是体验相对较差、系统能力使用受限(需要通过桥接使用系统原生能力)。
在这里插入图片描述

我们从业务效率、用户体验、研发成本三个维度总结以上两种技术存在的问题:

1、业务效率

公司端内业务需求一般需要集中在某一个固定时间发版,且各个应用市场对于APP的发版都有审核的周期,这样原生开发的业务就无法及时触达用户,甚至对于未升级的旧版用户无法触达。

2、用户体验

研究表明,如果一个移动端页面加载时长超过 3 秒,用户就会放弃等待;网页加载时长每增加1 秒,用户就会流失 10%,但是由于WebView本身的历史包袱,渲染性能差、JS执行效率低、用户体验差的问题一直无法彻底解决。

3、研发成本

同一个业务如果四端(H5、Android、iOS、Harmony)同时开发,需要投入四端人员,开发成本高。

在这里插入图片描述

二、方案实践

1、方案简介

针对上述背景中两种技术存在的问题,业界相继出现了FaceBook公司的ReactNative、阿里巴巴公司的Weex、腾讯公司的微信小程序、京东的Taro(RN原生部分)、Google公司的的Flutter、华为的ArkUI-X等各种跨端解决方案。

在这里插入图片描述

几乎每个跨端解决方案追求的就是在保证C端用户良好的用户体验的同时,让业务以最小的人力成本和最快的速度触达用户;下面我们从开发效率、性能、动态性、渲染方式、上手难度等维度对业界跨端方案及我们自研的动态化跨端方案做对一个对比:

框架代表React NativeWeexH5小程序Flutter动态化
开发效率高高高高高高
性能高高差中高高
动态性高高高高无(官方不支持)高
渲染方式原生控件渲染原生控件渲染WebView渲染WebView渲染自绘制渲染(SKIA)原生控件渲染
核心语言JSXVueVue等自定义DSLDartJue(类Vue的DSL)
上手难度低低低低中低
业务包大小默认单一、较大较小、可多文件随页面下发随页面下发随APP发布较小、可多文件

通过上述表格对比发现,每一个框架都有很多优劣和部分劣势,那么为什么要自己再做一个动态化方案而不直接使用现有方案呢?

1、React Native和Weex是两个比较相似的技术方案,Weex在核心开发语言和包大小(React Native可以通过业务拆包减小包大小)相比React Native具有一定的优势,但是都存在两个共性的问题,第一对于常用的长列表渲染、瀑布流渲染都存在渲染瓶颈,第二在框架每次升级后都需要所有存量业务测试验证,造成测试成本突增、业务稳定性被破坏。

2、H5通过离线化技术能够一定程度缓解渲染速度,但在复杂场景交互仍然存在较多交互问题,甚至在运营商被劫持、Cookie丢失等场景会导致页面直接白屏。

3、小程序可以看做是一个特殊的H5技术,它使用了双线程模型将UI渲染和业务逻辑分散到两个线程执行。

4、Flutter的Dart开发语言相比其他框架学习门槛较高,并且因为没有动态更新能力,无法满足业务热更新的诉求,虽然可以通过一定的技术手段达到动态发布的目的,但整个链路就会变得复杂,导致业务维护、排查问题成本直线上升。

每一个框架都有很多先进理念值得我们学习,站在巨人的肩膀上,我们吸取了各个框架的优势,加上自主创新,发明了卡片级动态化渲染技术、高性能列表技术、底层框架升级业务无感技术、业务天然分包技术、多端分布式实时预览等一系创新,打造了自主可控的动态化跨端解决方案。

2、实现方案

2.1、源代码

分为JSEngine和业务代码(Hello.jue)两个部分,JSEngine即为我们自主研发的业务代码运行时环境,在产物运行阶段会第一时间被加载,负责业务代码实例管理、任务管理、虚拟Dom树管理、虚拟Dom树Differ、业务页面渲染管理、生命周期管理、事件分发、业务逻辑处理等一系列功能;业务代码即具体的业务代码,其结构和Vue一致,包含了描述业务UI的template、业务逻辑表达的script以及业务UI样式的style三个部分,语法和Vue几乎一致,但是具备了标签扩展能力,比如在长列表和瀑布流场景我们可以通过结合原生列表及瀑布流控件快速打造出一个高性能的列表标签。

2.2、脚手架

脚手架方便开发者进行项目工程化管理,通过我们自研的complier loader完成业务代码及JSEngine的编译工作,借助Babel插件支持了ES6语法,支持图片Base64转换、产物Zip压缩、热重载等一系列能力;为保障业务构建产物安全,目前脚手架构建能力已经以云端构建方式运行,提供了统一的构建环境。

2.3、产物管理

云端构建的产物,可以直接发布到动态化资源管理后台,后台提供了资源加密、灰度发布、长连接推送等强大的管理能力,满足了业务人群灰度、AB发布等诉求,为业务快速试错提供了有力保障。

2.4、产物运行

这里分为两种类型产物的运行,首先是JSEngine,在iOS系统使用系统提供的JSCore、在安卓系统使用V8引擎、在Web使用浏览器的WebKit,由一个专门的JS线程在一个最早的时机(比如APP启动)进行JSEngine的加载,加载完毕后,就形成了了业务产物运行的环境;然后客户端通过下载后台对应的产物,经过解密及解压缩后就得到了业务原始JS文件,业务资源的运行过程,是一个创建业务实例的过程,由JSEngine统一管理。

2.5、统一接口声明

JSEngine统一创建业务实例的过程是统一的,而真正渲染的客户端是多个(iOS、Android、H5、HarmonyOS等),通过制定统一的接口规范客户端标准化对接及扩展(比如在华为鸿蒙系统适配只需实现统一接口即可),接口包含了实例创建声明周期、元素的增删改查、JS和原生的双向通讯、热重载交互等各种能力。

2.6、接口实现

这个过程的核心任务是在iOS、Android等系统上,实现统一接口声明的方法,创建出业务对应的页面和处理业务交互逻辑。通过完成统一接口的元素增删改操作及其他指令后就构建出了一个组件树,再经过布局引擎布局后,就显示出了业务具体的页面效果;当用户在业务页面发生了交互事件后,通过统一接口的JS和原生的双向通讯调用到业务方,当业务方需要改变UI布局的时候,同样通过JS和原生的双向通讯触发布局引擎重新布局,由于JS语言本身是图灵完备的,所以任何业务逻辑都可以在JS中实现而不会收到任何限制;这样就完成了业务UI渲染和交互逻辑的处理过程。

三、应用场景

1、卡片场景

动态化项目孵化于京东金融APP实际业务场景,京东金融APP的积木式构建页面的技术,一定程度上能够根据接口数据驱动预埋在客户端的积木卡片自由组合一个页面,但是存量积木卡片修改及新增依然需要发版。当时通过调研发现,市面上的跨端技术多以页面维度进行支持,对于局部卡片模式的跨端没有很好的解决方案,我们决定自研一个能够和原生卡片共存的区域卡片动态化技术,目标如下图所示,被放大的两个卡片使用动态化技术实现,不改变其余楼层的原生实现方式。

在这里插入图片描述

区域动态化技术是我们自研的一套跨平台、动态化的楼层卡片解决方案,渲染速度几乎可以和原生同步,用户体验好,并无缝对接了公司内部运营系统及埋点曝光等功能。

2、页面场景

页面动态化技术是在区域动态化基础上的进一步扩展,提供了页面常用的列表组件、瀑布流组件、下拉刷新组件等,进一步提供的混合路由模块和以及沉浸式导航能力使动态化形成了区域到页面级别的升级。对于业界跨端方案普遍面临的埋点、曝光难题,我们设计实现了一套无侵入自动化埋点和曝光的协议接口,并在金融APP无缝对接了埋点、曝光通道。

3、未来适用的场景

通过进一步扩展APP级基础能力,可用于一个完整APP的开发。

四、未来规划

在渲染性能方向,探索抽取Flutter底层SKIA渲染引擎作为动态化的渲染引擎,进一步提升渲染速度和渲染一致性,降低未来多端长期维护成本。

在DSL支持方向,基于Vue3的虚拟Dom接口分离设计,以及ReactNative最新的渲染流程架构设计,为虚拟Dom技术思想打造的跨端框架对接多个前端DSL提供了空间,未来Vue3和React开发的项目可以结合动态化实现跨端,充分发挥动态化原生渲染优势,使前端业务低成本享受原生丝滑体验。


五、写在最后

动态化是一个涉及JavaScript、iOS、Android、Java、Harmony、Vue、Node、Webpack等众多领域的综合解决方案,我们有各个领域优秀的小伙伴共同前行,大家如果想深入了解某个领域的具体实现,千万别忘了点赞+收藏,方便以后随时阅读和提出宝贵意见。

相关推荐

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 259

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 318

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 278

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 373

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 523

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 574

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 340

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 436

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 571

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 608

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 706

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 624

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 657

【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 557

【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 721

【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 545

【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 604

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 294

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 385

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 898

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 585

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 354

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 634

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 751

【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 861

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 835

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 860

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 1002

【京东云】全球首个!京东全栈开源JoyAI-VL-Interaction,让大模型从“一问一答”走向“边看边说”

开源一套系统,而不只是一个模型在实时视频流中,JoyAI-VL-Interaction每秒都会做一次判断,比如,继续观察、保持沉默,发现关键事件、主动回应,遇到复杂任务,交给后台Agent处理。一个好的AI 助手,不应该一直打扰用户,而应该知道什么时候该出现,什么时候该安静,以及什么时候自己解决,什么时候交由agent解决。深耕零售、物流、健康、工业等实体产业二十余年,京东拥有全球领先的物理世界运营网络,覆盖仓储、配送、门店、直播、客服、售后海量真实场景,每天都在发生人、货、场的实时互动。

京东科技开发者 1030
上一篇: 给Ai-Agent重塑真身 ---浅谈如何优雅地拆解AI-Agent
下一篇: ClickHouse 的“独孤九剑”:极速查询的终极秘籍
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 2139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