一年一度618 ，是電商從業者最卷最忙的時候。最近，一批“數字員工”在京東內部集體上崗，依托智能體技術，在人力資源、客服、采銷等諸多環節大顯身手，成為一道獨特的風景線。618也正式進入了“數字員工配合作戰”的新階段。

估計很多企業CEO/CTO都坐不住了：你的agent和我的agent怎么不一樣？

今年以來，有大量企業級智能體被推出市場，宣稱可以幫企業解決實際問題，成為數字員工，打通大模型到企業的“最后一公里”。但實際用下來，效果卻不盡如人意。

由于絕大多數智能體，沒有結合企業專有場景和知識庫，所以無法在復雜的商業場景中閉環運行，過程中時不時就要人工接管，并沒有帶來多少降本增效的收益。

于是，直接面向商業場景，研發能夠端到端的商業智能體，被認為是一條更可行的產品路線。在京東內部上崗的agent，就是可以自主閉環執行任務的商業智能體JoyAgent。

5月20日，京東云發布了JoyAgent 智能體2.0。作為基于京東業務系統孵化的商業智能體，面向企業嚴肅的商業場景使用，實現了端到端業務全流程閉環，既能高效解決通用問題，又能應對復雜商業流程。

為何企業急切地需要更專精的商業智能體？借著JoyAgent 2.0，我們來聊聊它與通用智能體有著怎樣本質的區別？

從企業客戶的付費意愿看，通用智能體與商業場景之間，還存在不小的距離。

目前，大部分企業級智能體是按資源消耗付費，看的是用了多少token/調用了多少API，主打一個“沒有功勞也有苦勞”。

少數智能體可以按workflow付費，就是完成了什么任務，按照任務長短或復雜程度收費，有點像KPI外包。

而真正能作為數字員工，交付業務價值/結果，說服企業付費的智能體，基本不存在。

為什么會出現這種情況？原因是很多通用智能體，是面向C端場景打造的，需要解決生活咨詢、創意生成等泛化需求。然而企業引入智能體，與C端有著截然不同的需求。

比如在初期的需求定義階段，企業業務往往涉及法律、金融、制造等專精領域，需智能體深度掌握行業標準、專業術語和業務邏輯，才能提供精準解決方案。執行階段，企業數字化系統由大模型、傳統模型及海量API共同構成，智能體需突破技術棧壁壘，實現多模型協同調度與業務流程閉環。最后的結果輸出階段，企業應用對輸出結果的準確性、時效性和完整性要求十分嚴苛，不允許出錯。

商業智能體與通用智能體，所服務的用戶不同，因此技術側重點、價值創造路徑也存在顯著差異。在企業級市場中，商業智能體有更專業的能力，可以解決企業的復雜問題，交付業務價值與結果，更適合被企業信任與采用。

一個合格的商業智能體，不僅要滿足企業場景對可靠性、安全性、確定性的基線要求，還要具備理解復雜任務和端到端執行的智能水平，否則就稱不上是“數字員工”。 JoyAgent 2.0就是一個。

今年618，一批數字員工JoyAgent，已經在京東內部多個部門上崗，自主閉環執行人類員工指派的OKR任務了。

比如人力資源部門的OKR，其中之一就是篩選合適的簡歷。

618前夕，京東HR部門拿到了一個復雜任務，組建一支精銳團隊。經過一番拆解，京東HR決定把篩選簡歷的任務，派給JoyAgent來干。JoyAgent的目標，就是基于崗位需求深度解析簡歷，精準鎖定高匹配候選人。

傳統智能體，可能每完成一步都需要HR協助，輸入提示詞，再進行下一步，這樣“早請示晚匯報”并沒有真的減少人類員工的工作量。JoyAgent就可以實時匯聚數據，生成清晰的人才結構報告，全局透視技能分布、崗位缺口與渠道效果。

全程閉環自主完成，HR只需要聚焦高價值溝通與決策。在JoyAgent的協助下，京東HR部門的招聘流程，實現了智能化飛躍，順利在618前拉起了團隊。

京東采銷部門給智能體的OKR，就是開采購單。

每年 618是零售采銷最忙碌的時候。京東采銷經理，需要對某商品品類的精準預測與庫存調配。這個任務可不簡單，涉及分析歷史銷售數據，實時搜索關注氣象變化，了解庫房庫存情況，最后才能開出一張符合業務需求的采購單。

以往整個流程，很多步驟都要采銷經理自己手動處理，難以應對快速波動的區域需求。2025年，京東采銷經理有了新的工作搭子“商業智能體”京東云JoyAgent 2.0 。和以前內部使用的數字化工具不同，JoyAgent可以自己完成精準預測銷量庫存，分析各地銷售情況，輸出庫房庫存狀況，生成供應鏈預測報告，并且與采購系統打通，可直接生成采購單。

采銷經理只需要看看報告，判斷一下補貨策略是否合理，再確認一下補貨數量，就大功告成了。人類碳基員工與JoyAgent硅基員工互相協作，將京東的采購流程從數天縮短至幾分鐘。

此外，在市場調研環節，一句話簡單詢問JoyAgent，它便能自動完成數據收集、數據分析等多個智能體的協同思考與工作，生成一份邏輯清晰、內容詳實的市場分析報告。

專業壁壘高、容錯率極低的金融領域，JoyAgent也能hold住。金融分析師輸入“分析近一個月黃金走勢并生成報告”指令后，JoyAgent就能自動匯聚市場數據，評估風險事件對避險情緒的影響，量化政策預期傳導效應，并識別關鍵價格位與趨勢信號，最終整合多維度洞察，自動輸出結構化《黃金月度分析報告》。

可以看到，JoyAgent已經進入了京東多個部門的核心業務流程中，閉環交付任務結果了。商業智能體，作為京東的“三有新人”，也表現出了與通用智能體截然不同的特質：

有真實的業務價值，能夠按結果交付。能夠端到端閉環執行人類員工指派給商業智能體的OKR目標任務，創造同等人效價值。

有聰明的腦子，自動分解復雜任務。可以自己按照OKR，分解復雜任務、智能編排并調度工具，幾乎不需要人工干預，依賴于強大的大模型理解分析思考能力。

有完善的行動身體，具備豐富的workflow和MCP工具。執行過程中，多智能體協作還需要調用大量工具與插件，JoyAgent的全流程閉環得益于京東在智能化階段沉淀的大量workflow，并搭建了自適應自學習的MCP平臺。

通過京東云JoyAgent平臺，各行各業也可以擁有自己的同款“三有新人”和數字員工。那做好商業智能體，有沒有技術秘訣呢？

JoyAgent 2.0問世，商業智能體具備端到端的執行能力，給企業交付真實的業務價值了，站上了智能體的價值高地。

打造JoyAgent，京東云都經過了怎樣的技術跋涉？經過交流發現，JoyAgent的每一步，都深深扎根在京東的產業AI土壤中。

第一步：整合專業領域workflow，給JoyAgent一份工作說明書。

京東在零售、物流、金融、工業、健康等領域的商業場景深耕多年，積累了大量專業領域知識，結合京東云 Agentic Workflow 自動構建能力，快速構建行業 KnowHow 知識模型，就像有了一份詳盡且智能的行業工作說明書，讓JoyAgent快速掌握專業技能。

以國際貿易為例，報關場景的流程極長，通用智能體很難端到端閉環完成。而京東在此前的國際業務中已經形成了成熟的workflow，構建了報關智能體，所以JoyAgent能夠直接調用，實現報關的閉環操作。

第二步：構建技術領先的大小模型，讓JoyAgent自主分析更精準。

JoyAgent 2.0采用大小模型相協同的方式，基于混合代理模型，實現主動分析執行，大幅提升了智能體的決策水平。

大模型方面，京東云JoyAgent 綜合使用了京東大模型、DeepSeek等業界領先的大模型，提高對復雜任務的理解和任務拆解的準確性。

此外，京東云通過強化學習，為智能體打造了一系列動作序列，實現互聯網數據抓取、電腦操作自動化等功能，在browser-use、computer-use任務中展現出強大的環境適應與執行能力。同時，借助規劃推理技術，構建了動態 DAG 執行引擎，不再局限于被動響應需求，而是主動聚焦問題，智能決策，讓任務執行的效率大幅提升。

多智能體協作方面，京東云自研了多智能體協同引擎。通過先進共識算法，使多個智能體快速達成決策共識，提升決策效率與質量。面對復雜多重意圖請求，找到最佳方案執行。在 GAIA Benchmark 的 Level 1 - 3 測試中，JoyAgent 智能體在復雜任務處理方面表現卓越，超越眾多競爭對手。

第三步：疏通端到端的堵點，實現業務流程全閉環。

任務分配環節，JoyAgent 的任務分配 router，會像快遞分揀一樣，把任務精準分配給最適合的“小分隊”。處理環節，加速處理的并行調用，讓多個硅基員工“小分隊”同時開工，加快處理速度。疑難問題，JoyAgent 會仔細規劃好每一步，再展開行動。緊急情況，JoyAgent能立刻作出反應，快速解決問題。從拿到任務到解決問題，全程自主執行，真正實現端到端閉環。

第四步：筑牢數據安全的防線，讓商業智能體無憂上崗。

專注toB業務的京東云，預先洞察企業對數據隱私安全的痛點。JoyAgent 智能體采用先進的加密技術和嚴格的權限管理機制。在引入企業知識等數據資產時，確保安全，防止信息泄露。完善的訪問控制體系，對用戶權限進行精細化管理，只有經過授權的人員才能訪問和使用相關數據。此外，JoyAgent 智能體還具備數據審計和監控能力，能夠實時監測數據的使用情況，及時發現并阻止潛在的數據泄露風險。通過一系列綜合手段的運用，為企業提供全方位的安全保障。

可以看到，商業智能體的每一步，都凝結著大量的行業知識、經驗與技術研發成果。這也是為什么京東云JoyAgent 2.0商業智能體，可以讓京東和外部企業，向技術要紅利、向智能體要價值。

各個大模型廠商/創業公司，正不遺余力地擠進智能體賽道，與2023年都在擠大模型賽道如出一轍。但可以明確看到，AI賽道和AGI愿景，不僅門檻高，入局難，而且在入局之后構建持續的競爭力、技術轉化為產品和商用規模化普及，更是難上加難。

大量通用智能體也會如同大模型一樣，在推出之后無法兌現商業價值，又被遺忘。從通用智能體到商業智能體，會成為接下來的大勢所趨。

商業智能體的技術之路與商業之路，京東云JoyAgent也幫行業提前趟了路。

技術方面，作為首個能在復雜業務中實現端到端閉環的商業智能體，JoyAgent將自身實踐抽象成指標，發布benchmark，作為商業智能體的規范參考，比如通過邏輯一致性、豐富度等，來衡量智能體端到端的效果，以及模塊規劃、調用的準確率，工具的全面性，為商業智能體的構建，提供全面且領先的技術參考。

商業方面，JoyAgent 2.0跑通了復雜業務場景，讓“按價值/結果付費”的智能體商業模式有了可能。同時，JoyAgent基于京東內部積累，以小模型/成熟workflow減少token使用量，以大模型確保最終結果，二者結合為企業用戶降本增效。這說明，JoyAgent已經具備規模化商用的潛力。

扎根技術多年的京東云，正在持續攀登AGI高峰。更高的專業性，更優的處理效果，更強的數據安全性，JoyAgent 2.0也為大模型打開了更大的想象空間。

審核編輯 黃宇