文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
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 。
【扎根業務，這個618商業智能體先跑起來】
推薦閱讀
- 輕薄全能旗艦vivo S30，這個夏天最酷的科技潮品
- 618真香旗艦？一加ACE 5至尊版這個配置簡直拉滿了
- 今年好顯卡真多！這個618怎么裝配游戲主機？
- 4.0英寸+3000mAh，這個mini小屏新機，絕對是來搗亂的
- 好家伙！沒想到榮耀這個月這么多新品發布，有沒有你喜歡的？
- 290個零件無焊點！華為折疊電腦鉸鏈借鑒古人這個設計，彰顯中國智慧
- 小米15S Pro登頂，這個榜單有點意思
- 國補后594元，魅族這個LCD新機，還不錯
- 為什么會有“線下機”這個詞的發明？線下機能買嗎？
- 被論文視頻虐哭前，這個 AI 把素材榨成黃金資料庫！