京東雲開發者 -
【前瞻技術佈局】咖啡機器人：具身智能技術首階段探索與實踐
一、前言
我是一名京東具身智能算法團隊的研究人員，目前，主要專注在真實場景真實機器人下打造一套快速落地新場景的具身智能技術架構，聚集機器人操作泛化能力提升，涉及模仿/強化學習、“視覺-語言-動作”大模型等方法研究。本文主要以第一階段咖啡機器人任務場景為切入點，來闡述所取得的技術突破，以及後續技術優化方向。如下是機器人全程自主完成打咖啡的視頻。
二、問題定義和路徑選擇
具身智能，指的是配備實體身軀、
程序員
京東雲開發者 -
DeepSeek 正當紅，聊聊大模型應用的四大關鍵要素和未來
引言
大模型應用的春天來了。在人工智能的浪潮中，大模型正成為推動技術變革的核心力量。春節前，DeepSeek R1 的發佈在全球範圍內引發了巨大轟動，它不僅在性能上與 OpenAI 的模型不相上下，更憑藉其基於 CoT（Chain of Thought）的推理過程，展現出強大的邏輯能力，同時，開源和低成本的優勢，讓眾多企業迅速接入。DeepSeek 已然成為各行業關注的焦點，今年無疑是大模型應用爆
程序員
京東雲開發者 -
京東金融鴻蒙端部署AI超分模型實踐
1. 背景
這可能是全網第一篇完整講解鴻蒙端使用CANN部署AI模型的文章, 滿滿乾貨。
社區作為用户交流、信息傳遞的核心載體，圖片內容（如理財產品截圖、投資經驗分享配圖、用户互動評論圖片等）的展示質量直接影響用户的信息獲取效率與平台信任感。從京東金融App社區的業務需求來看，當前用户上傳圖片普遍存在多樣性失真問題：部分用户通過老舊設備拍攝的圖片分辨率較低，部分用户為節省流量選擇低畫質壓縮上傳，還
程序員
京東雲開發者 -
AI Infra平台市場報告：京東雲穩居前三
近日，賽迪顧問發佈《2025中國AI Infra平台市場研究報告》，憑藉在異構算力調度、GPU池化管理等領域的技術創新和實踐成果，京東雲在“2024年中國AI Infra 平台算力管理層市場廠商競爭力象限分析圖”中穩居產品能力前三。
賽迪在報告中指出：當前AI Infra平台已形成“算力管理層—模型管理層—應用管理層”三層能力體系。其中，算力管理層占主導地位，2024年市場份額達64.6%，異構
程序員
京東雲開發者 -
MQ消息亂序問題解析與實戰解決方案
1. 背景
在分佈式系統中，消息隊列（MQ）是實現系統解耦、異步通信的重要工具。然而，MQ消費時出現的消息亂序問題，經常會對業務邏輯的正確執行和系統穩定性產生不良影響。本文將詳細探討MQ消息亂序問題的根源，並提供一系列在實際應用中可行的解決方案。
2. MQ消息亂序問題分析
常見的MQ消息亂序問題的根源主要可以歸結為以下幾點：
2.1 相同topic內的消息亂序
1). 併發消費：
在分佈式系統中
程序員
京東雲開發者 -
移動端設備上稀奇古怪的前端問題收集（一）
作為一名開發者，bug 往往是我們最怕遇見的東西；而比遇到 bug 更可怕的事情，是定位不到 bug。作為一名前端開發者，與業務邏輯相關的 bug 還相對好定位、好解決一些；而一些與語法特性、平台與設備差異相關的 bug 則更令人頭疼一些。這裏記錄下我在工作中遇到過的稀奇古怪的前端問題，作為給自己的記錄和提醒。
用 vh 定義全屏顯示的問題
很多頁面因為設計效果的需要，要求正好鋪滿一整個顯示界面、
程序員
京東雲開發者 -
AIGC項目中的【模板進程】方案的設計實踐
1 項目介紹
1.1 項目背景
簡單一句話：模板進程是流程的子流程；往往用於比較複雜的aigc項目流程中。
由於一個模板有多個流程，一個運營人員可以操作多個流程，也可創建多個流程。在模板推薦時，就會導致不知道是哪次流程。
1.2 項目目標
為了區分模板中流程，就需要增加進程的概念（子流程），為了方便運營理解，此處也叫模板進程。
2 需求分析
2.1 底層邏輯
1、場景模板、指令觸發模板均支持實例，
程序員
京東雲開發者 -
京東自研電商數據庫內核DongSQL簡介
團隊於今年(2025.9)打磨出了深度優化的自研數據庫內核——DongSQL V1.1.0。
[如果對前因後果比較感興趣，可以移步上一篇文章 《寶劍鋒從磨礪出——零售數據庫內核，為大促鑄劍！》 ]
本文將深度解析DongSQL在語法擴展、併發控制、查詢優化等方面的內核改造，以及在電商場景下的優化實踐。
1、DongSQL在語法擴展上的優化
1.1. RETURNING子句功能
▶︎ 語法擴展創新
程序員
京東雲開發者 -
寶劍鋒從磨礪出——零售數據庫內核，為大促鑄劍！
癸卯七月風雨大作
京東零售·袁博文
僵卧雙九不自哀，尚思為東戍輪台。
夜闌卧聽珊瑚雨，鐵馬內核入夢來。
前言略長，只關心技術的同學可直接跳過看第二章
一、前言：技術的底色是什麼？
這個問題在技術人心中其實沒有標準答案，每個人都有每個人的見解。架構師眼裏大抵是高屋建瓴，統領全局；技術大牛的視角可能是剖根溯源，精刀細琢；新人小白或許更單純，無非就是學習進步，快速成長為大牛之類了。
但在我——
程序員
京東雲開發者 -
用“分區”來面對超大數據集和超大吞吐量
1. 為什麼要分區？
分區（partitions） 也被稱為 分片（sharding） ，通常採用對數據進行分區的方式來增加系統的 可伸縮性，以此來面對非常大的數據集或非常高的吞吐量，避免出現熱點。
分區通常和複製結合使用，使得每個分區的副本存儲在多個節點上，保證數據副本的 高可用。如下圖所示，如果數據庫被分區，每個分區都有一個主庫。不同分區的主庫可能在不同的節點上，每個節點可能是某些分區的主庫，
程序員
京東雲開發者 -
京東雲JoyAgent持續開源！多模態RAG能力正式開源
JoyAgent 是京東自主研發的智能體引擎平台。今年7月，其多智能體引擎模塊JoyAgent （JDGenie）正式開源；9月，在 JDGenie 基礎上進一步開源 DataAgent 能力，此次，京東再次發佈重要更新-在JoyAgent-JDGenie中開源多模態RAG能力。持續推進智能體技術在開源社區的共建與共享。
目前該項目在GitHub上已獲得11.2kStar，歡迎開發者體驗並參與共享
程序員
京東雲開發者 -
深入理解分佈式共識算法 Raft
“不可靠的網絡”、“不穩定的時鐘”和“節點的故障”都是在分佈式系統中常見的問題，在文章開始前，我們先來看一下：如果在分佈式系統中網絡不可靠會發生什麼樣的問題。
有以下 3 個服務構成的分佈式集羣，並在 server\_1 中發生寫請求變更 A = 1，“正常情況下” server\_1 將 A 值同步給 server\_2 和 server\_3，保證集羣的數據一致性：
但是如果在數據變更時發生
程序員
京東雲開發者 -
京東雲海存儲成為全球最大規模基於國產CPU的AI存儲技術應用
近日，在全球最權威的存儲系統性能評測IO500榜單上，京東雲海躋身榜單全球前四、國產自研第一。由此，京東雲海存儲成為全球最大規模基於國產CPU的AI存儲技術應用，也是目前全球性能最強的基於通用NVMe架構的AI存儲。
一、極致存儲性能，斬獲多項全球第一
基於通用 NVMe 盤存儲服務器，結合全棧自研軟件體系與深度調優，此次雲海 AI 存儲斬獲了多項 “全球第一”：
首先，通用硬件性能第一，不使用
程序員
京東雲開發者 -
用“分區”來面對超大數據集和超大吞吐量
1. 為什麼要分區？
分區（partitions） 也被稱為 分片（sharding） ，通常採用對數據進行分區的方式來增加系統的 可伸縮性，以此來面對非常大的數據集或非常高的吞吐量，避免出現熱點。
分區通常和複製結合使用，使得每個分區的副本存儲在多個節點上，保證數據副本的 高可用。如下圖所示，如果數據庫被分區，每個分區都有一個主庫。不同分區的主庫可能在不同的節點上，每個節點可能是某些分區的主庫，
程序員
京東雲開發者 -
RAG 分塊策略：從原理到實戰優化，餵飯級教程不允許你踩坑
一、引言
為什麼同樣是做 RAG，有的效果拔羣，有的卻差強人意？分塊（Chunking）策略可能是那個被你忽略的關鍵環節。
什麼是Chunk？
AI中的分塊是指將大型文檔分割成稱為“chunk”的較小片段。這些片段可以是段落、句子、詞組或受token限制的片段，這使得模型能更輕鬆地僅搜索和檢索所需內容。這種分塊技術對於優化檢索增強生成（RAG）的性能至關重要。
為什麼在RAG中需要Chunk？
在
程序員
京東雲開發者 -
JoyAgent 榮獲2025開放原子基金會 “《人工智能》開源先鋒項目” 稱號
2025開放原子開發者大會於11月21日至22日在北京北人亦創國際會展中心成功舉辦。本屆大會以“一切為了開發者”為主題，匯聚了來自全球的開發者、學術專家、開源先鋒及社區代表，圍繞技術實踐、生態建設等多個維度展開深度分享與交流。
大會設有開幕式暨前沿主論壇，以及十餘場平行技術分論壇，內容覆蓋前沿技術與創新實踐、開源項目與基礎軟件、開發者生態與社區治理、學術研究與開源融合等關鍵方向，為開發者構建了從
程序員
京東雲開發者 -
【原理到實戰】實驗異質性分析
什麼是實驗的異質性
1. 如何理解實驗結果中的指標變化
當我們看到如下試金石實驗指標結果時
在進行分析前，可能我們的第一直覺是這樣的
經過異質性分析後，可能會發現實際情況是這樣的
2. 概念解析與定義
實驗的異質性，一般被稱為HTE（即Heterogeneous Treatment Effects），意為實驗中同一個treatment對不同的實驗樣本，得到的策略效果可能是不一樣的。另
程序員
京東雲開發者 -
最新MCP規範解讀，看這篇就夠了！
一、MCP是什麼? 為什麼需要它?
想象一下，你正在開發一個 AI 編程助手，它需要:
讀取和修改項目文件
查詢數據庫Schema
搜索代碼倉庫
執行Git操作
傳統做法是為每個數據源寫一套專用代碼，不同團隊重複造輪子。Model Context Protocol(MCP) 就是為了解決這個問題而生的開放標準協議。
通俗理解: MCP就像是「AI應用的USB接口標準」。就像USB讓不
程序員
京東雲開發者 -
多智能體設計模式和智能體框架，你會了麼？
一、新聞
先播放一條最新新聞，通義團隊官宣開源了兩個智能體Alias-Agent和Data-Juicer Agent。
Alias-Agent提供了RaAct，Planner，DeepResearch三種模式，以實現靈活的任務執行 。
DataJuicer 智能體是一個數據專員，由數據處理智能體，代碼開發智能體，MCP 智能體，數據分析與可視化智能體，問答智能體五個智能體組成。
看到這裏已經相
程序員
京東雲開發者 -
Cursor 一年深度開發實踐：前端開發的效率革命
在 AI Coding 提效這件事上，我想我的經歷讓我有充分的發言權。今年上半年，作為團隊中的 24 屆 JDS，我承接了兩位離職同事的業務模塊。面對密集的大促需求，我不僅扛住了“以一當三”的交付壓力，同時保證了線上零事故。這一切，離不開 Cursor 的深度輔助——我的訂閲也從去年的 Pro 升至 Pro+，甚至在大促攻堅與黑馬程序員大賽期間，不惜投入每月 200 美元升級至 Ultra Pla
程序員
京東雲開發者 -
併發丟數據深度剖析：MySQL鎖機制與事務實戰踩坑及解決方案
1、理論來源於實踐
現象：於2025-08-13 21:45:35，事實邏輯表將自身的指標與維度同步到原子服務的實現時，出現同步過來的指標與維度丟失。
核心原因：兩次重複的事實邏輯表同步時間非常相近，導致同步過來的指標與維度丟失。
2、倒帶進事故現場
邏輯表向原子服務同步的核心邏輯是 “先刪後增”：刪除舊數據→對比新老數據→插入新增數據，具體流程如下：
整體業務代碼精簡邏輯如下：
@T
程序員
京東雲開發者 -
JoyCode：SWE-bench Verified打榜技術報告
在權威SWE-Bench Verified基準測試中， JoyCode Agent憑藉 74.6% 的高通過率
強勢登榜全球 Top3， 並正式開源！
Github開源地址：https://github.com/jd-opensource/joycode-agent
Gitee開源地址：https://gitee.com/JD-opensource/joycode-agent
JoyCode
程序員
京東雲開發者 -
給Java同仁單點的AI“開胃菜“--搭建一個自己的本地問答系統
這是我參與創作者計劃的第1篇文章
大家好，因為對AI大模型很感興趣，相信很多兄弟們跟我一樣，所以最近花時間瞭解了一些，有一些總結 分享給大家，希望對各位有所幫助；
本文主要是目標是 講解如何在本地 搭建一個簡易的AI問答系統，主要用java來實現，也有一些簡單的python知識；網上很多例子都是以 ChatGPT來講解的，但因為它對國內訪問有限制，OpeAi連接太麻煩，又要虛擬賬號註冊賬號啥的，第
程序員
京東雲開發者 -
納尼?自建K8s集羣日誌收集還能通過JMQ保存到JES
一、背景
基於K8s集羣的私有化交付方案中，日誌收集採用了ilogtail+logstash+kafka+es方案，其中ilogtail負責日誌收集，logstash負責對數據轉換，kafka負責對日誌傳遞中的消峯進而減少es的寫入壓力，es用來保存日誌數據。在私有化交付中本方案中涉及的中間件一般需要單獨部署，但是在京東內網環境的部署考慮到kafka和es的高可用，則不推薦採用單獨部署的方案。
二
程序員
