<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[京东科技开发者]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/jdcdev_</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; jdcdev_]]></copyright><item><title><![CDATA[OxygenData-Vibe搭建：用 AI Coding重新定义数据看板搭建]]></title><link>https://blog.csdn.net/jdcdev_/article/details/169357739</link><guid>https://blog.csdn.net/jdcdev_/article/details/169357739</guid><author>jdcdev_</author><pubDate>Wed, 28 Oct 2026 14:25:41 +0800</pubDate><description><![CDATA[﻿﻿﻿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。]]></description><category></category></item><item><title><![CDATA[当我谈数据库高可用时我谈些什么]]></title><link>https://blog.csdn.net/jdcdev_/article/details/168767678</link><guid>https://blog.csdn.net/jdcdev_/article/details/168767678</guid><author>jdcdev_</author><pubDate>Thu, 22 Oct 2026 15:43:57 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[ScoAI：面向供应链的运筹原生决策智能]]></title><link>https://blog.csdn.net/jdcdev_/article/details/168533561</link><guid>https://blog.csdn.net/jdcdev_/article/details/168533561</guid><author>jdcdev_</author><pubDate>Tue, 20 Oct 2026 09:55:19 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[拆解海博 AI-Native 落地保障：海博团队 AI 知识库能力建设]]></title><link>https://blog.csdn.net/jdcdev_/article/details/166479448</link><guid>https://blog.csdn.net/jdcdev_/article/details/166479448</guid><author>jdcdev_</author><pubDate>Wed, 23 Sep 2026 13:44:57 +0800</pubDate><description><![CDATA[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：•。]]></description><category></category></item><item><title><![CDATA[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]]></title><link>https://blog.csdn.net/jdcdev_/article/details/166371511</link><guid>https://blog.csdn.net/jdcdev_/article/details/166371511</guid><author>jdcdev_</author><pubDate>Tue, 22 Sep 2026 20:04:31 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[数据涅槃：Agentic 重塑搜推数据生产体系]]></title><link>https://blog.csdn.net/jdcdev_/article/details/166235954</link><guid>https://blog.csdn.net/jdcdev_/article/details/166235954</guid><author>jdcdev_</author><pubDate>Mon, 21 Sep 2026 10:41:30 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[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]]></title><link>https://blog.csdn.net/jdcdev_/article/details/165630548</link><guid>https://blog.csdn.net/jdcdev_/article/details/165630548</guid><author>jdcdev_</author><pubDate>Wed, 16 Sep 2026 21:26:39 +0800</pubDate><description><![CDATA[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？]]></description><category></category></item><item><title><![CDATA[Codex 驱动的移动端AI全栈开发：从 Relay 原型图到可交付链路]]></title><link>https://blog.csdn.net/jdcdev_/article/details/164332742</link><guid>https://blog.csdn.net/jdcdev_/article/details/164332742</guid><author>jdcdev_</author><pubDate>Thu, 03 Sep 2026 14:38:38 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[Claude Code vs Codex 记忆体系深度对比]]></title><link>https://blog.csdn.net/jdcdev_/article/details/164255821</link><guid>https://blog.csdn.net/jdcdev_/article/details/164255821</guid><author>jdcdev_</author><pubDate>Tue, 01 Sep 2026 11:07:58 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[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]]></title><link>https://blog.csdn.net/jdcdev_/article/details/164123465</link><guid>https://blog.csdn.net/jdcdev_/article/details/164123465</guid><author>jdcdev_</author><pubDate>Thu, 27 Aug 2026 18:23:06 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[SKill测评：谁才是真正的Skill之王？]]></title><link>https://blog.csdn.net/jdcdev_/article/details/164059566</link><guid>https://blog.csdn.net/jdcdev_/article/details/164059566</guid><author>jdcdev_</author><pubDate>Tue, 25 Aug 2026 16:18:16 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[让AI真正参与工作！JoyDesk已上线京东云]]></title><link>https://blog.csdn.net/jdcdev_/article/details/163890096</link><guid>https://blog.csdn.net/jdcdev_/article/details/163890096</guid><author>jdcdev_</author><pubDate>Wed, 19 Aug 2026 16:32:27 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[【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】]]></title><link>https://blog.csdn.net/jdcdev_/article/details/163848286</link><guid>https://blog.csdn.net/jdcdev_/article/details/163848286</guid><author>jdcdev_</author><pubDate>Tue, 18 Aug 2026 10:50:29 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[【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）]]></title><link>https://blog.csdn.net/jdcdev_/article/details/163818886</link><guid>https://blog.csdn.net/jdcdev_/article/details/163818886</guid><author>jdcdev_</author><pubDate>Mon, 17 Aug 2026 11:18:42 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[【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）]]></title><link>https://blog.csdn.net/jdcdev_/article/details/163750060</link><guid>https://blog.csdn.net/jdcdev_/article/details/163750060</guid><author>jdcdev_</author><pubDate>Fri, 14 Aug 2026 11:50:25 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[【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）]]></title><link>https://blog.csdn.net/jdcdev_/article/details/163731348</link><guid>https://blog.csdn.net/jdcdev_/article/details/163731348</guid><author>jdcdev_</author><pubDate>Thu, 13 Aug 2026 17:49:00 +0800</pubDate><description><![CDATA[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！]]></description><category></category></item><item><title><![CDATA[ICLR 2026 | 面向序列决策的贝叶斯集成方法]]></title><link>https://blog.csdn.net/jdcdev_/article/details/163718959</link><guid>https://blog.csdn.net/jdcdev_/article/details/163718959</guid><author>jdcdev_</author><pubDate>Thu, 13 Aug 2026 10:49:55 +0800</pubDate><description><![CDATA[在这篇工作中，我们关注的是。]]></description><category></category></item><item><title><![CDATA[ICML 2026｜NaviAgent：面向 Oxygen 智能体的可扩展工具编排]]></title><link>https://blog.csdn.net/jdcdev_/article/details/163469418</link><guid>https://blog.csdn.net/jdcdev_/article/details/163469418</guid><author>jdcdev_</author><pubDate>Tue, 04 Aug 2026 12:11:04 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[实测 9 款 AI 架构图工具：从 Mermaid 美化到 GPT-Image2，一份选型清单]]></title><link>https://blog.csdn.net/jdcdev_/article/details/163441142</link><guid>https://blog.csdn.net/jdcdev_/article/details/163441142</guid><author>jdcdev_</author><pubDate>Mon, 03 Aug 2026 14:21:01 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[别再守着 Claude Code 了——学会指挥它自主干活]]></title><link>https://blog.csdn.net/jdcdev_/article/details/163334054</link><guid>https://blog.csdn.net/jdcdev_/article/details/163334054</guid><author>jdcdev_</author><pubDate>Thu, 30 Jul 2026 13:42:27 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item></channel></rss>