隨著大模型技術(shù)的迅猛發(fā)展，AI工具已成為重要的輔助生產(chǎn)力工具和工作伙伴。它能夠顯著提升工作效率、幫助解決業(yè)務(wù)痛點，甚至能通過知識延展與智能協(xié)同，幫助團(tuán)隊突破傳統(tǒng)認(rèn)知邊界。掌握大模型工具的應(yīng)用能力，正成為現(xiàn)代職場人提升價值產(chǎn)出的關(guān)鍵競爭力。大模型工具的發(fā)展現(xiàn)狀如何？有哪些落地的業(yè)務(wù)實踐？大模型工具建設(shè)的未來藍(lán)圖是什么？圍繞這些問題，京東內(nèi)部開展了一場大模型工具的探索實踐技術(shù)沙龍，本文獨家公開技術(shù)專家的洞察觀點。01大模型工具的發(fā)展現(xiàn)狀

行業(yè)內(nèi)大模型工具發(fā)展現(xiàn)狀

ChatGPT 橫空出世后，大模型研究出現(xiàn)突破性進(jìn)展。目前，大模型已廣泛應(yīng)用于文本生成、智能客服等領(lǐng)域。頭部企業(yè)紛紛入局大模型工具，在設(shè)計理念上，大模型工具設(shè)計一般遵循五大原則：

低代碼交互(UI原則)

：降低使用門檻，讓非技術(shù)人員也能快速上手。

安全（本地化部署）

：私有化部署防止數(shù)據(jù)信息泄露。

易用性（多端兼容）

：一碼多端，場景覆蓋全面，降低適配和使用成本。

可擴(kuò)展性：

適應(yīng)開源趨勢，持續(xù)迭代進(jìn)化。

高性價比

：商業(yè)可持續(xù)

京東大模型工具的能力現(xiàn)狀和應(yīng)用現(xiàn)狀

京東在大模型領(lǐng)域積極布局，旗下言犀大模型品牌已全新升級為 JoyAI。JoyAI 擁有從 3B 到 750B 的全尺寸模型，涵蓋語言、語音、圖像等多種模態(tài)。在大模型的基礎(chǔ)之上，通過創(chuàng)新技術(shù)，提升了推理效率，降低了訓(xùn)練成本。目前，JoyAI 已深入零售、物流、健康、工業(yè)等諸多領(lǐng)域，服務(wù)京東超百萬商家，并在數(shù)百個細(xì)分業(yè)務(wù)場景中發(fā)揮作用。圍繞言犀大模型，構(gòu)建了企業(yè)級AI Agent平臺JoyAgent，智能編碼助手JoyCode以及多智能體協(xié)作框架OxyGent等。

京東大模型工具介紹

JoyAgent

JoyAgent

作為行業(yè)首個100%開源的企業(yè)級智能體，實現(xiàn)了產(chǎn)品級開源，包括前端、后端、框架、引擎和核心子智能體。開源產(chǎn)品歷經(jīng)京東內(nèi)部大規(guī)模場景錘煉，與平臺完全解耦，用戶可以本地獨立部署。基于高完成度的多智能體協(xié)同能力，打通AI落地最后一公里，幫助企業(yè)快速將智能體在生產(chǎn)場景用起來。開源地址：https://github.com/jd-opensource/joyagent-jdgenie

OxyGent

OxyGent

多智能體協(xié)作框架將工具、模型和智能體抽象為可插拔的原子算子Oxy，支持開發(fā)者像搭積木一樣靈活組合多智能體系統(tǒng)，具備極致可擴(kuò)展性和全鏈路決策追溯能力。致力于幫助開發(fā)者高效組裝多智能體協(xié)作系統(tǒng)，實現(xiàn)智能體間的無縫協(xié)作、彈性擴(kuò)展與全鏈路可追溯。開源地址：https://github.com/jd-opensource/OxyGent

JoyCode

JoyCode官方體驗鏈接：https://joycode.jd.com京東智能編碼助手JoyCode已從早期的AI輔助編程（代碼補(bǔ)全/評審）發(fā)展到如今的多Agent交互自主編程階段。本次分享介紹了兩個運(yùn)用JoyCode實現(xiàn)代碼協(xié)作提效的成功案例：1）前端H5頁面開發(fā)-利用Figma MCP+JoyCode；2）自定義Agent生成易拉寶SDK接入代碼；針對代碼Agent在實際應(yīng)用中容易出現(xiàn)的挑戰(zhàn)：AI編碼智能體容易偏離目標(biāo)以及研發(fā)場景差異巨大，JoyCode 3.0 也給出了自己的解決方案：通過”先規(guī)劃再執(zhí)行“的策略，通過智能體團(tuán)隊協(xié)作來解決目標(biāo)偏離問題。以及通過自定義智能體讓用戶根據(jù)業(yè)務(wù)場景創(chuàng)建適合自己的智能體?，F(xiàn)在，JoyCode已經(jīng)不僅僅是一個編程助手，更將會是一種新的編程范式。

02

大模型工具使用經(jīng)驗與業(yè)務(wù)實踐

大模型應(yīng)用落地三大關(guān)鍵

大模型應(yīng)用落地的三大關(guān)鍵是

選對工具平臺、明確量化目標(biāo)和分階段迭代驗證

。京東智能體的實踐表明，成功應(yīng)用需從MVP驗證開始（如用低代碼快速搭建工作流），再通過數(shù)據(jù)閉環(huán)持續(xù)優(yōu)化（如設(shè)定準(zhǔn)確率、流暢性等指標(biāo)）；好的工具可以減少我們在模型穩(wěn)定性、權(quán)限安全和多系統(tǒng)對接等方面大量工作。JoyAgent產(chǎn)品經(jīng)理表示：AI應(yīng)用需接受"效果漸進(jìn)提升"的現(xiàn)實，通過灰度放量和場景聚焦實現(xiàn)價值閉環(huán)，并預(yù)言未來Agent將向多模態(tài)交互和實體化形態(tài)（如數(shù)字員工）演進(jìn)。

辦公場景

AI賦能辦公在京東內(nèi)部已形成系統(tǒng)化的方法論和發(fā)展路徑。當(dāng)前聚焦工具智能化（如未讀摘要和自動會議紀(jì)要），并推出超級工作助理Max，整合待辦、信息流，實現(xiàn)"一句話創(chuàng)建任務(wù)"。未來重點發(fā)展"數(shù)字員工"（具備思考、執(zhí)行和協(xié)同能力），最終構(gòu)建一站式辦公協(xié)作開放生態(tài)，支持業(yè)務(wù)部門定制專屬AI助手。

代碼評審

京東日均近萬次代碼評審，為打破傳統(tǒng)人工Review存在效率瓶頸，京東技術(shù)團(tuán)隊已基于言犀大模型，DeepSeek以及AutoBots實現(xiàn)AI評審。自動化行級檢測，覆蓋規(guī)范檢查、安全漏洞等場景，集成17個代碼規(guī)范庫并嵌入Coding平臺，支持開發(fā)者與AI實時交互。AI評審系統(tǒng)已幫助物流團(tuán)隊降低Java代碼缺陷率32%。該系統(tǒng)已開放全集團(tuán)多語言接入，并與京東辦公平臺深度打通，實現(xiàn)評審進(jìn)度自動通知。

本地生活

聚焦于垂直場景的創(chuàng)新應(yīng)用，本地生活業(yè)務(wù)也為大模型的創(chuàng)新應(yīng)用提供了三個典型方向：

跨語言代碼翻譯：

解決算法（Python）與工程（Java/Go）的技術(shù)棧鴻溝，實現(xiàn)"寫一種語言，自動生成多版本部署"。

通識知識標(biāo)注：

通過大模型解決地域性常識矛盾（如"安徽板面實為石家莊特色"），替代人工規(guī)則維護(hù)。

多Agent仿真系統(tǒng)：

模擬外賣場景中騎手、商家、用戶的動態(tài)博弈，優(yōu)化調(diào)度策略并降低試錯成本。

物流場景

京東物流已經(jīng)在多個領(lǐng)域成功應(yīng)用了AI技術(shù)實現(xiàn)業(yè)務(wù)提效：

數(shù)字倉AR眼鏡：

通過多模態(tài)識別技術(shù)（視覺+AR提示），讓倉內(nèi)揀貨員無需手動掃碼，效率提升15%。

智能外呼系統(tǒng)：

大模型自動生成客服用語（如預(yù)約配送時間），提升服務(wù)體驗。

地址解析引擎

：基于言犀大模型實現(xiàn)樓棟級定位（如“XX小區(qū)3號樓2單元”），并提升目標(biāo)地點定位的精度，將配送超配率壓降至萬分之1.5以下。大幅度降低了物流/外賣的客訴率。

電梯識別模型：

判斷樓棟是否有電梯以及使用情況，節(jié)約騎手時間成本。

03

大模型工具建設(shè)未來展望

大模型政策展望

大模型技術(shù)的發(fā)展必須深度契合政策環(huán)境，當(dāng)前國內(nèi)外監(jiān)管框架正在快速成型。近期，由國家互聯(lián)網(wǎng)信息辦公室等七部門聯(lián)合發(fā)布的《生成式人工智能服務(wù)管理暫行辦法》重點規(guī)范了數(shù)據(jù)質(zhì)量、內(nèi)容安全和版權(quán)保護(hù)三大領(lǐng)域，要求企業(yè)在訓(xùn)練數(shù)據(jù)清洗、敏感信息過濾等方面建立嚴(yán)格機(jī)制。同時，歐盟《人工智能法案》提出的系統(tǒng)性風(fēng)險管理理念，特別是對生成內(nèi)容版權(quán)歸屬的規(guī)范，正在重塑全球AI治理格局。未來行業(yè)將經(jīng)歷從野蠻生長到標(biāo)準(zhǔn)化發(fā)展的轉(zhuǎn)型，這一過程中，政企協(xié)同和全球共治將成為關(guān)鍵。只有主動擁抱監(jiān)管、參與標(biāo)準(zhǔn)制定，企業(yè)才能在大模型這一"新型基礎(chǔ)設(shè)施"的建設(shè)中把握先機(jī)，避免因政策風(fēng)險限制創(chuàng)新突破。

大模型Agent的終局形態(tài)

Agent的未來將朝著多Agent協(xié)同、具身化及群體智能進(jìn)化的方向發(fā)展，具體包括：

多Agent協(xié)同與復(fù)雜任務(wù)處理

：Agent將從單一任務(wù)轉(zhuǎn)向多Agent協(xié)作，通過分工與通信完成更復(fù)雜的全局性工作（如項目開發(fā)、跨領(lǐng)域決策）。

具身化演進(jìn)

：當(dāng)前無實體的Agent將逐步發(fā)展為數(shù)字人（2D/3D），最終融入物理世界（如機(jī)器人、智能家居），實現(xiàn)面對面交互。從后臺默默服務(wù)轉(zhuǎn)向可見的協(xié)同辦公助手或生活伴侶（如帶實體形象的智能管家）。

群體智能與進(jìn)化能力：

Agent群體將模擬人類社會的進(jìn)化機(jī)制，通過與環(huán)境交互持續(xù)更新知識庫與決策邏輯，實現(xiàn)在線自我迭代。并且支持Agent群體的動態(tài)增減（如新成員加入、舊成員淘汰），形成更靈活的智能生態(tài)系統(tǒng)。未來的Agent將成為高度自主、具身化、可進(jìn)化的智能伙伴。

具身智能“端到端”的實現(xiàn)路徑

通過

感知、數(shù)據(jù)閉環(huán)、輕量化

，具身智能可以從傳統(tǒng)規(guī)則驅(qū)動轉(zhuǎn)向端到端大模型驅(qū)動：

多模態(tài)感知融合（看得清）：

傳統(tǒng)規(guī)則方法依賴人工設(shè)計的前融合規(guī)則（如激光雷達(dá)與攝像頭數(shù)據(jù)對齊），但原始數(shù)據(jù)（如攝像頭畸變、噪點）需大量預(yù)處理，泛化性差。大模型直接接收多模態(tài)原始數(shù)據(jù)（攝像頭+激光雷達(dá)+毫米波雷達(dá)），自動學(xué)習(xí)最優(yōu)感知策略，提升環(huán)境理解的魯棒性。

數(shù)據(jù)自閉環(huán)（學(xué)得好）：

傳統(tǒng)方式依賴真實司機(jī)行為數(shù)據(jù)收集，成本高且長尾場景覆蓋不足。通過仿真+真實數(shù)據(jù)結(jié)合，如通過如快遞員拍照定位無感采集數(shù)據(jù)，結(jié)合遠(yuǎn)程駕駛干預(yù)記錄構(gòu)建閉環(huán)。甚至利用World Model和Diffusion技術(shù)，從少量標(biāo)注數(shù)據(jù)泛化出更豐富的訓(xùn)練樣本。

輕量化部署（跑得快）：

通過INT4量化等技術(shù)，將7B參數(shù)的大模型運(yùn)行在車載芯片上。或者將感知、決策等算子固化到專用硬件（如NPU/TPU），提升實時性，降低功耗。端到端大模型通過“原始輸入→模型→最終輸出”的全局優(yōu)化，替代傳統(tǒng)分模塊規(guī)則系統(tǒng)，實現(xiàn)感知-決策-控制的協(xié)同進(jìn)化，最終實現(xiàn)讓具身智能，比如自動駕駛系統(tǒng)可以像人類一樣“直覺化”地處理復(fù)雜場景。

營銷廣告在AI時代的新機(jī)遇

在AI對話場景中進(jìn)行廣告推廣將成為必然趨勢，基于三個關(guān)鍵洞察：各大科技平臺正在積極構(gòu)建AI智能體生態(tài)，這將催生大量新型流量入口。在零售、金融、醫(yī)療等垂類場景中，AI對話天然適合進(jìn)行商品推薦、服務(wù)測評等精準(zhǔn)營銷。技術(shù)層面需要突破意圖識別、生成式召回排序等核心挑戰(zhàn)，通過更自然的交互方式實現(xiàn)"廣告即服務(wù)"的體驗升級。這種新型推廣模式將重塑傳統(tǒng)廣告邏輯，為京東等企業(yè)帶來更優(yōu)質(zhì)的流量轉(zhuǎn)化機(jī)會。未來，京東技術(shù)將與各位技術(shù)同仁一起，主動擁抱AI浪潮，讓我們共同見證并參與這場由技術(shù)引領(lǐng)的效能革命，讓智能真正“為我所用”。

審核編輯 黃宇