隨著大模型技術的迅猛發展，AI工具已成為重要的輔助生產力工具和工作伙伴。它能夠顯著提升工作效率、幫助解決業務痛點，甚至能通過知識延展與智能協同，幫助團隊突破傳統認知邊界。掌握大模型工具的應用能力，正成為現代職場人提升價值產出的關鍵競爭力。大模型工具的發展現狀如何？有哪些落地的業務實踐？大模型工具建設的未來藍圖是什么？圍繞這些問題，京東內部開展了一場大模型工具的探索實踐技術沙龍，本文獨家公開技術專家的洞察觀點。01大模型工具的發展現狀

行業內大模型工具發展現狀

ChatGPT 橫空出世后，大模型研究出現突破性進展。目前，大模型已廣泛應用于文本生成、智能客服等領域。頭部企業紛紛入局大模型工具，在設計理念上，大模型工具設計一般遵循五大原則：

低代碼交互(UI原則)

：降低使用門檻，讓非技術人員也能快速上手。

安全（本地化部署）

：私有化部署防止數據信息泄露。

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。

可擴展性：

適應開源趨勢，持續迭代進化。

高性價比

：商業可持續

京東大模型工具的能力現狀和應用現狀

京東在大模型領域積極布局，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。在大模型的基礎之上，通過創新技術，提升了推理效率，降低了訓練成本。目前，JoyAI 已深入零售、物流、健康、工業等諸多領域，服務京東超百萬商家，并在數百個細分業務場景中發揮作用。圍繞言犀大模型，構建了企業級AI Agent平臺JoyAgent，智能編碼助手JoyCode以及多智能體協作框架OxyGent等。

京東大模型工具介紹

JoyAgent

JoyAgent

作為行業首個100%開源的企業級智能體，實現了產品級開源，包括前端、后端、框架、引擎和核心子智能體。開源產品歷經京東內部大規模場景錘煉，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同能力，打通AI落地最后一公里，幫助企業快速將智能體在生產場景用起來。開源地址：https://github.com/jd-opensource/joyagent-jdgenie

OxyGent

OxyGent

多智能體協作框架將工具、模型和智能體抽象為可插拔的原子算子Oxy，支持開發者像搭積木一樣靈活組合多智能體系統，具備極致可擴展性和全鏈路決策追溯能力。致力于幫助開發者高效組裝多智能體協作系統，實現智能體間的無縫協作、彈性擴展與全鏈路可追溯。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（代碼補全/評審）發展到如今的多Agent交互自主編程階段。本次分享介紹了兩個運用JoyCode實現代碼協作提效的成功案例：1）前端H5頁面開發-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在實際應用中容易出現的挑戰：AI編碼智能體容易偏離目標以及研發場景差異巨大，JoyCode 3.0 也給出了自己的解決方案：通過”先規劃再執行“的策略，通過智能體團隊協作來解決目標偏離問題。以及通過自定義智能體讓用戶根據業務場景創建適合自己的智能體。現在，JoyCode已經不僅僅是一個編程助手，更將會是一種新的編程范式。

02

大模型工具使用經驗與業務實踐

大模型應用落地三大關鍵

大模型應用落地的三大關鍵是

選對工具平臺、明確量化目標和分階段迭代驗證

。京東智能體的實踐表明，成功應用需從MVP驗證開始（如用低代碼快速搭建工作流），再通過數據閉環持續優化（如設定準確率、流暢性等指標）；好的工具可以減少我們在模型穩定性、權限安全和多系統對接等方面大量工作。JoyAgent產品經理表示：AI應用需接受"效果漸進提升"的現實，通過灰度放量和場景聚焦實現價值閉環，并預言未來Agent將向多模態交互和實體化形態（如數字員工）演進。

辦公場景

AI賦能辦公在京東內部已形成系統化的方法論和發展路徑。當前聚焦工具智能化（如未讀摘要和自動會議紀要），并推出超級工作助理Max，整合待辦、信息流，實現"一句話創建任務"。未來重點發展"數字員工"（具備思考、執行和協同能力），最終構建一站式辦公協作開放生態，支持業務部門定制專屬AI助手。

代碼評審

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

本地生活

聚焦于垂直場景的創新應用，本地生活業務也為大模型的創新應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）的技術棧鴻溝，實現"寫一種語言，自動生成多版本部署"。

通識知識標注：

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"），替代人工規則維護。

多Agent仿真系統：

模擬外賣場景中騎手、商家、用戶的動態博弈，優化調度策略并降低試錯成本。

物流場景

京東物流已經在多個領域成功應用了AI技術實現業務提效：

數字倉AR眼鏡：

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

智能外呼系統：

大模型自動生成客服用語（如預約配送時間），提升服務體驗。

地址解析引擎

：基于言犀大模型實現樓棟級定位（如“XX小區3號樓2單元”），并提升目標地點定位的精度，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，節約騎手時間成本。

03

大模型工具建設未來展望

大模型政策展望

大模型技術的發展必須深度契合政策環境，當前國內外監管框架正在快速成型。近期，由國家互聯網信息辦公室等七部門聯合發布的《生成式人工智能服務管理暫行辦法》重點規范了數據質量、內容安全和版權保護三大領域，要求企業在訓練數據清洗、敏感信息過濾等方面建立嚴格機制。同時，歐盟《人工智能法案》提出的系統性風險管理理念，特別是對生成內容版權歸屬的規范，正在重塑全球AI治理格局。未來行業將經歷從野蠻生長到標準化發展的轉型，這一過程中，政企協同和全球共治將成為關鍵。只有主動擁抱監管、參與標準制定，企業才能在大模型這一"新型基礎設施"的建設中把握先機，避免因政策風險限制創新突破。

大模型Agent的終局形態

Agent的未來將朝著多Agent協同、具身化及群體智能進化的方向發展，具體包括：

多Agent協同與復雜任務處理

：Agent將從單一任務轉向多Agent協作，通過分工與通信完成更復雜的全局性工作（如項目開發、跨領域決策）。

具身化演進

：當前無實體的Agent將逐步發展為數字人（2D/3D），最終融入物理世界（如機器人、智能家居），實現面對面交互。從后臺默默服務轉向可見的協同辦公助手或生活伴侶（如帶實體形象的智能管家）。

群體智能與進化能力：

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

具身智能“端到端”的實現路徑

通過

感知、數據閉環、輕量化

，具身智能可以從傳統規則驅動轉向端到端大模型驅動：

多模態感知融合（看得清）：

傳統規則方法依賴人工設計的前融合規則（如激光雷達與攝像頭數據對齊），但原始數據（如攝像頭畸變、噪點）需大量預處理，泛化性差。大模型直接接收多模態原始數據（攝像頭+激光雷達+毫米波雷達），自動學習最優感知策略，提升環境理解的魯棒性。

數據自閉環（學得好）：

傳統方式依賴真實司機行為數據收集，成本高且長尾場景覆蓋不足。通過仿真+真實數據結合，如通過如快遞員拍照定位無感采集數據，結合遠程駕駛干預記錄構建閉環。甚至利用World Model和Diffusion技術，從少量標注數據泛化出更豐富的訓練樣本。

輕量化部署（跑得快）：

通過INT4量化等技術，將7B參數的大模型運行在車載芯片上。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”的全局優化，替代傳統分模塊規則系統，實現感知-決策-控制的協同進化，最終實現讓具身智能，比如自動駕駛系統可以像人類一樣“直覺化”地處理復雜場景。

營銷廣告在AI時代的新機遇

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

審核編輯 黃宇