京东科技开发者

原创 京东商家智能助手：Multi-Agents 在电商垂域的探索与创新

此外，还需要研发的配合，他们需要按照标准来注册 API。因为工具的调用靠注册信息的质量，如果两个不同的工具，它们的描述写成一样的，那么我们的大模型也无能为力，因为它只能通过工具的自我介绍来选择工具来执行任务。虽然召回的葡萄酒与原始问题的“红酒”相似性不高，但由于顾问使用了“葡萄酒”和“保证金”作为搜索关键词，并将回答问题的思路作为 Prompt 的一部分传递给总结 API，API 就能够根据 Advisor 提供的推理思路，正确地回答关于红酒保证金的问题，即通过查看葡萄酒的保证金来得知红酒的保证金情况。

原创 同样的APP为何在Android 8以后网络感觉变卡？

WIFI_MODE_FULL_HIGH_PERF/WIFI_MODE_FULL_LOW_LATENCY是Android系统中Wi-Fi的一种模式，它允许设备在连接Wi-Fi网络时获得更高的性能。WIFI_MODE_FULL_HIGH_PERF/WIFI_MODE_FULL_LOW_LATENCY模式可以降低无线网络的延迟，使玩家在游戏中获得更流畅的操作体验。在长期测试中无线漫游丢包率为3%三、使用WIFI_MODE_FULL_HIGH_PERF 还是 WIFI_MODE_FULL_LOW_LATENCY？

原创 代码革命的先锋：aiXcoder-7B模型介绍

在科技的璀璨星河中，每一次技术的突破都如同新星的诞生，照亮了未来的无限可能。随着代码大模型的能力日益增强，它们在解决复杂编程问题上的卓越表现，不仅在提高软件开发的效率和质量上发挥着重要作用，在推动编程自动化的浪潮中扮演着关键角色，更激发了程序员们的创新潜能，让他们能够将更多的精力投入到探索和创造中。aiXcoder-7B模型的出现，预示着软件开发领域将迎来一场新的革命。随着技术的不断进步，aiXcoder-7B将成为软件开发领域中的“新质生产力”，帮助企业实现智能化开发，推动技术行业的生态发展。

转载 京东云星光SBOM-TOOL荣获Gitee GVP，引领开源治理新时代

近期，继京东云SBOM工具在openKylin社区完成开源后，京东云星光产品SBOM-TOOL凭借其卓越性能和行业贡献，荣获Gitee最有价值开源项目（GVP）GVP（Gitee Most Valuable Project）最有价值开源项目计划，是Gitee综合评定出的优秀开源项目的展示平台，代表了开源项目的技术创新和高质量能力与水平。京东云星光SBOM-TOOL荣获此称号，不仅是对京东云星光产品...

转载 安卓动态链接库文件体积优化探索实践

背景介绍应用安装包的体积影响着用户下载量、安装时长、用户磁盘占用量等多个方面，据Google Play统计，应用体积每增加6MB，安装的转化率将下降1%。安装包的体积受诸多方面影响，针对dex、资源文件、so文件都有不同的优化策略，在此不做一一展开，本文主要记录了在研发时针对动态链接库的文件体积裁剪优化方案。我开发的链接库使用rust语言开发，通过安卓jni接口实现java层和native层之间...

原创 站在岸上学不会游泳 | 算法校招生的高效成长总结

我是2020届校招生，INFJ提倡者，毕业于上海交通大学，入职以来一直担任算法工程师一职，在这个充满挑战与机遇的岗位上，我始终致力于将AI人工智能技术与我们的业务实践紧密结合，我深知我的工作不仅仅是编写代码和优化模型，更是要用技术的力量推动业务的创新和进步。目前，我主要负责的是京东智能客服系统的核心算法工作。在这个数字化和智能化日益重要的时代，智能客服不仅极大地提升了我们的服务质量和效率，更是成为了我们与客户沟通的重要桥梁。

原创 Java实现抓取在线视频并提取视频语音为文本

经过一系列尝试实践，最终能够在本地电脑实现抓取在线视频并提取视频语音为文本。后续可以继续研究相关插件在服务器上的使用以及对应功能块的失败重试等，保障转换的质量。反观上文，代码量以及流程并不多，但是在初次探索时也是充满了坑点。总之呢，借鉴前人的经验不断积累才能打磨更好的工具。作者：京东零售 王江波来源：京东云开发者社区。

原创 大型前端应用如何做系统融合？

在经历了为期两个月的紧张工作后，我们成功地将两个大型项目进行了深度整合，取得了显著的阶段性成果。通过这一融合过程，我们不仅统一了项目的代码规范和架构，还显著提升了组件的复用率。尽管在这个过程中我们遇到了诸多挑战和曲折，但最终的成果——用户体验的显著提升——使一切努力都显得弥足珍贵。我们深知，每一个成功的项目背后都有无数次的尝试和优化。在这个过程中，我们不断学习、适应和完善，最终实现了项目的无缝融合。

转载 复杂SQL治理实践

一、前言软件在持续的开发和维护过程中，会不断添加新功能和修复旧的缺陷，这往往伴随着代码的快速增长和复杂性的提升。若代码库没有得到良好的管理和重构，就可能积累大量的技术债务，包括不一致的设计、冗余代码、过时的库和框架以及不再使用的功能。这些因素都会导致软件结构的脆弱，增加系统出错的可能性，我们俗称为“代码腐化”，持续性的重构是一种好的解决方案。SQL也是我们常用的代码语言，虽然SQL本身作为一种标准...

原创 高并发系统-使用自定义日志埋点快速排查问题

创建通用上下文的作用，是为了跟踪一个请求的生命周期，然后根据请求的特殊标识，决定是否记录关键日志，然后返回给调用方，以识别具体执行了什么逻辑，以便快速排查问题。个数较多，且单个对象较大，在执行上述日志打印逻辑的时候，消耗了较多的CPU资源，进而影响了接口性能。在高并发的系统中，通常不会打印除参数校验失败或捕获异常之外的日志，防止对接口的性能产生影响。Pfinder提供的链路监控，更多的是性能层面的监控，无法满足我们上述的诉求。上述问题的根本原因是：不论我是否开启日志打印，日志中的计算逻辑总会执行。

原创 跨端自渲染绘制的实践与探索

以上就是我们在跨端自绘渲染方案中所做的一些关键优化和改进。由于篇幅所限，我们未能详尽介绍项目的所有细节。例如，我们的手势与事件处理系统，高效的图片处理流程，包括下载、缓存和解码机制，以及利用底层GPU的技术等，都是确保渲染质量和效率的重要组成部分。此外，我们还建立了完善的单元测试体系，以保障代码的稳定性和可靠性。这些技术细节同样关键，它们共同构成了我们高性能渲染解决方案的基石。我们非常欢迎同行和技术爱好者与我们联系，共同探讨和交流这些技术点。

原创 实现“代码可视化”需要了解的前置知识-编译器中端

通过编译器前端生成的抽象语法树也算是高级IR和图IR，它保留了源代码的语法结构，如表达式、语句、函数定义等。这里就不再赘述生成过程，如果忘记了相关知识可以再复习一下前文。

原创 Java常用的JSON序列化与反序列化工具实践

JSON（Java Script Object Notation）是一种轻量级的数据交换格式，通常用于在不同系统之间传输数据。它基于 JavaScript 对象语法，但已成为一种独立于语言的格式。JSON 数据以键值对的形式组织，易于阅读和编写。1.使用fastjson时，默认的序列化方式会对于具有相同对象的多个引用，除了第一个会以标准的JSON文本输出，其他引用会以“$ref”的方式输出文本。为了以标准的JSON格式输出文本，可以使用参数。

原创 探讨篇（二）：分层架构的艺术 - 打造合理且高效的架构体系

无论历史代码如何分层，只要新的分层能够明确职责、简化维护，并得到团队的认同，那么它就是有效的。如果你有更好的分层思路，或者上面所描述的有什么错误的地方还请留言指正一下。参考：1.互联网分层架构的本质：2.京东物流软件系统稳定性建设方法作者：京东物流 冯志文来源：京东云开发者社区。

原创 探讨篇（一）：服务粒度的艺术 - 简化架构与避免服务泛滥

在微服务架构的世界里，服务粒度的艺术不仅仅是技术上的划分，更是对业务理解的体现，对系统复杂性的把控，对团队协作和效率的考量。我们不能忽视服务粒度选择对系统性能、可维护性和可扩展性的深远影响。正如我们通过Promise系统的探索所见（Promise业务属性是下单前商详结算黄金链路、下单后订单控制节奏，一切的拆分原则优先考虑高可用、高并发出发），恰当的服务粒度能够带来清晰的职责边界，提升系统的响应性和可靠性，同时降低维护的复杂性和成本。

原创 如何优雅的使用ollama

入门开源大语言模型，最好的工具就是ollama，这是一款简单的大模型本地部署框架，支持基于命令行的方式运行多种大语言模型，并提供了相应的Python和JS SDK，可以基于此方便实现Chatbot UI。这篇文章就以京东云智算平台为例（其他平台也是类似，甚至可以在本地电脑运行），分享如何一键安装ollama的基本操作。首先，在控制台创建GPU实例，待实例状态为运行中后，一键安装ollama应用。如...

原创 Vite 的预构建原理与实践| 京东物流技术团队

对于性能，Vite 通过预构建将多个内部模块的 ESM 依赖关系转换为单个模块，减少了网络请求的数量，从而提高了页面加载速度。的文件，该文件记录了预构建模块的信息。Vite 通过扫描项目源码自动寻找引入的依赖项，并将这些依赖项作为预构建包的入口点。服务器拦截这些请求，并在后端进行相应的处理将项目中使用的文件通过简单的分解与整合，然后再以。vite会拦截import，对于相对地址的文件，浏览器可以直接加载，但是对于像。实现的，它会遍历所有的入口文件，解析出依赖列表，并进行预构建。这个目录中的文件会根据。

原创 CaffeineCache Api介绍以及与Guava Cache性能对比| 京东物流技术团队

refreshAfterWrite(5, TimeUnit.SECONDS) // 在写入后5秒钟自动刷新@Override//将刷新前后的数据都获取出来了@Override});// 提供加载方法// 等待超过自动刷新时间// 输出自动刷新后的值// 这里简单地返回一个当前时间的字符串本文举了很多的例子，介绍了Caffeine支持的多种基础的操作，包括存、取、删等。以及异步、监听、刷新等更多拓展的操作，能够覆盖大部分需要本地缓存的开发场景。

原创 系统国际化之多语言解决方案| 京东物流技术团队

国际化多语言是指将应用程序的功能和代码设计抽象化，使其能够适应不同地区的语言、货币、日期格式等需求，而无需对产品核心逻辑进行大的修改的一种方法，其核心思想是将文本内容从代码中分离出来，存储在独立的国际化资源文件中，再根据用户的语言偏好动态加载和替换显示内容。这一过程使得应用程序能够在全球范围内使用，提高用户体验，并考虑到不同文化背景的用户需求。从大的方面分类，系统国际化分为前端和后端两部分，下文将简述国际化多语言各个部分的实现原理。

原创 暗水印——空域：二值化图像水印（看不见我吧 啦啦啦～）

来源：京东云开发者社区。作者：京东物流 陈雨。

原创 暗水印——空域：音频水印（看不见我吧 啦啦啦～）

来源：京东云开发者社区。作者：京东物流 陈雨。

原创 通过MVEL表达式和Apache Chain职责链模式解耦MQ消息处理节点的实践应用

希望通过本文，读者可以对MVEL表达式和责任链模式相关概念有一定的认识，并且能够将它们应用到具体的业务场景之中，帮助大家在实际代码研发的时候，降低代码复杂度和提升代码的复用率。责任链模式（Chain of Responsibility）又名 职责链模式，是一种行为设计模式，它允许你构建一个由多个对象组成的链，每个对象都有机会处理请求，或者将请求传递给链中的下一个对象。客户端类（Client）： 创建处理链，并向链头的具体处理者对象提交请求，它不关心处理细节和请求的传递过程。

原创 京东秒送售后系统退款业务重构心得| 京东零售技术团队

对软件内部结构的一种调整，目的是在不改变软件观察行为的的前提下提高其可理解性、降低其修改成本；

原创 “她”来了，陪伴赛道巨变！为GPT-4o加上你的一个数字分身

例如第二个标签就是照片换脸（Phote Inference），可以选择平台自带的模版，也可以自行上传一个明星照片进行换脸，在下方选择刚刚生成的你的数字分身ID，点击右侧的Start Generation，等待大概5分钟，就能生成一张你的明星照片了。右边的参数不用调整，直接使用默认的就行。在EasyPhoto标签栏下，找到第一个Train标签，根据提示，上传5～20张你自己的半身照片，点击Start Training开始训练，会提示你输入一个userid，然后就开始训练了，训练过程大概会持续25分钟左右。

转载 “她”来了，陪伴赛道巨变！为GPT-4o加上你的一个数字分身

OpenAI的每次发布，感觉都会干翻一个行业。昨晚GPT-4o的发布，情感陪伴这个赛道像是又要掀起一番惊天巨变。各位创业老板们摩拳擦掌，无数创意精英又要踏入新的征程。开源社区一定也异常兴奋，相信Huggingface和Github马上又会孕育出新宠，大家都期待做出AI时代的Super App，至少也要是一个Killer App，正如去年暑假大红大紫的妙鸭相机和当下的Kimi Chat。而Remin...

原创 探索大语言模型：理解Self Attention

自注意力概念首次在《》这篇划时代的论文中被提出，标志着对注意力机制理解的一大突破。自注意力机制突破了传统注意力算法的性能局限，极大地提高了处理大规模数据集的效率。得益于此，模型在处理大数据集的训练效率主要取决于所投入的硬件资源，效果与之成正比。同时，自注意力机制的并行处理特性与GPU的并行计算能力相得益彰，进一步提升了训练的效率。因此，随着时间的流逝和对训练资源的持续投入，采用自注意力机制的大型语言模型在参数规模上也呈现出稳步的增长。

原创 精准测试实践-测试范围分析| 京东云技术团队

举例，下图为字节码文件部分内容的截图，方法中的invokexxx指令为字节码中调用方法的指令，用asm字节码分析框架，可分析出如在methodA中调用了methodB。基于分析出的影响接口、消息入口信息，结合对应接口的测试用例，可以进一步实现测试用例的推荐与自动运行，及结合代码覆盖率分析能力自动给出测试覆盖率报告。举例，如下图，假设某应用改动了底层方法1，则基于代码间调用关系可以分析出方法a、b、z为被方法1影响的该应用最外层入口方法。下面介绍针对java单应用的代码改动影响自动分析方案。

原创 画像系统人群服务数据存储架构的演进与创新| 京东云技术团队

有了位图之后，存在哪里，以及怎么进行位图之间的交并差的运算。基于这些问题，我们使用了ClickHouse（以下简称CK），一个由俄罗斯Yandex在2016年年开源的⾼性能分析型SQL数据库，是一个用于联机分析处理（OLAP）的列式数据库管理系统（columnar DBMS）。它具有以下特点：1、完备的数据库管理功能，包括DML（数据操作语言）、DDL（数据定义语言）、权限控制、数据备份与恢复、分布式计算和管理。2、数据按列存储，在按列聚合的场景下，可有效减少查询时所需扫描的数据量。

转载 OSS_PIPE：Rust编写的大规模文件迁移工具

‍随着业务的发展，文件数量和文件大小会急剧增加，文件迁移的数量和难度不断攀升。oss_pipe 是rust编写的文件迁移工具，旨在支撑大规模的文件迁移场景。编写 oss_pipe 的初衷•同类产品面临的问题•rust 语言带来的技术红利•oss_pipe 的基本功能常见的 oss 迁移工具•ossimport 阿里出品，java语言编写，支持存量增量同步，支持大部分云场的oss数据源•ossuti...

原创 OSS_PIPE：Rust编写的大规模文件迁移工具| 京东云技术团队

文盘rust 好久没有更新了。这段时间笔者用rust写了个小东西，跟各位分享一下。

原创 如何优雅的使用ollama| 京东云技术团队

安装完成后，点击自定义应用，就可以看到ollama Web UI，平台预置了llama2-7b(latest)，llama3-8b(latest), llama3-70b, qwen-4b(latest)模型，如果需要更多的模型，可以使用ollama pull命令进行下载，ollama官方的模型仓库参见这里：https://ollama.com/library。在使用llama的过程中，我发现llama对中文的支持并不好，它可以理解中文，但回答却总是用英语进行。来源：京东云开发者社区。

原创 什么？ 20分钟，构建你自己的LLaMA3应用程序！ | 京东云技术团队

4月19日，Meta发布了最新的大语言模型LLaMA3，具体包括一个8B模型和一个70B模型，上下文长度支持8K，被誉为史上最强开源大语言模型，开源社区的“重磅炸弹”，效果直指GTP4。一是使用了15T的预训练数据，相比Llama 2提高了7倍，并且大幅提高了代码的使用量，以增强模型的推理能力。：在控制台实例列表页面（https://gcs-console.jdcloud.com/instance/list），点击该实例的最后一栏，操作-应用-自定义应用，于是乎，LLaMA3就显出了原型。

原创 浅析MySQL代价模型：告别盲目使用EXPLAIN，提前预知索引优化策略| 京东零售技术团队

使用Explan执行计划存在无法提前预知索引选择的局限性。然而，只要熟悉MySQL底层代价模型的计算公式，我们就能预知索引的走向。借助代价模型，我们不仅可以分析索引冲突的原因，还可以在发生冲突之前进行预警。甚至在添加索引之前，我们也可以根据代价模型公式来排查潜在问题。此外，根据数据业务密度，我们还可以预估当前索引的合理性，以及是否可能出现全表扫描等情况。因此，深入研究MySQL代价模型对于优化索引管理具有关键意义。

原创 一招MAX降低10倍，现在它是我的了| 京东零售技术团队

1.对于OHC的参数配置、序列化器的选择，没有固定的推荐。可以通过压测逐步调整到最优。2.由于OHC需要把key和value序列化成字节数组存储到堆外，因此需要选择合适的序列化工具。3.在存储每个键值对时，会调用CacheSerializer#serializedSize计算序列化后的内存空间占用，从而申请堆外内存。另外，在真正写入堆外时，会调用CacheSerializer#serialize真正进行序列化。因此，务必在这两个方法中。

原创 【京东云新品发布月刊】2024年4月产品动态

转载 企业IT架构治理之道

一、什么是架构和治理1.1 架构的起源开篇还是要说说大家理解的架构，何为架构，架构跟我们的工作和生活有什么关系。英文Architecture本源来自于拉丁语，最早起源于建筑领域，建筑是文明社会一个重要的标志，同时也是人类社会最早形成完善理论和经验的领域。人民在长期的生产生活中，乐于将经验进行总结，希望将具象的场景浓缩成简单的结构和逻辑，附加场景后便于理解和传播，因此架构是对所做工作总结的一个显性成...

原创 一种极简单的SpringBoot单元测试方法| 京东零售技术团队

在工作中总结了一些单元测试的使用场景：1.重构，如果我们拿到了一个代码，我们要去重构这个代码，如果这个代码本身的单元测试比较完善，那么我们重构完之后可以执行一下现有的单元测试，以保证重构前后代码在各个场景的逻辑保证最终一致，但是如果单元测试不完善甚至没有，那我建议大家可以基于AI去生成这个代码的单元测试，然后进行重构，再用生成的单元测试去把控质量，这里推荐Diffblue去生成，有兴趣的可以去了解一下。

原创 深入理解分布式锁：原理、应用与挑战| 京东物流技术团队

在单机环境中，我们主要通过线程间的加锁机制来确保同一时间只有一个线程能够访问某个共享资源或执行某个关键代码块，从而防止各种并发修改异常。例如，在Java中提供了synchronized/Lock。但是在分布式环境中，这种线程间的锁机制已经不起作用了，因为系统会被部署在不同机器上，这些资源已经不是在线程间共享了，而是进程之间共享资源。为了解决这个问题，分布式锁应运而生。本文将详细解析分布式锁的原理、应用与挑战，以帮助读者更好地理解和应用分布式锁。

原创 深入理解java反射机制及应用 | 京东物流技术团队

因为最近项目中经常有java反射的使用，而其中的IOC、动态代理用到了反射，因此趁这个机会来总结一下关于Java反射的一些知识，复习一下。本篇基于JDK 1.8。

原创 什么？ 20分钟，构建你自己的LLaMA3应用程序| 京东云技术团队

4月19日，Meta发布了最新的大语言模型LLaMA3，具体包括一个 8B 模型和一个 70 B 模型，上下文长度支持8K， 被誉为史上最强开源大语言模型，开源社区的“重磅炸弹”，效果直指GTP4。一是使用了15T的预训练数据，相比Llama 2提高了7倍，并且大幅提高了代码的使用量，以增强模型的推理能力。我再次打开百度，想试试能不能在本地安装一个LLaMA3，但当我看到60G的模型大小，以及昂贵的GPU算力，以及各种程序报错时，我又一次知难而退了。，比其他平台都快，几分钟后，我看到了胜利的曙光…