文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
一年一度618， 是电商从业者最卷最忙的时候 。 最近 ， 一批“数字员工”在京东内部集体上岗 ， 依托智能体技术 ， 在人力资源、客服、采销等诸多环节大显身手 ， 成为一道独特的风景线 。 618也正式进入了“数字员工配合作战”的新阶段 。
估计很多企业CEO/CTO都坐不住了：你的agent和我的agent怎么不一样？
今年以来 ， 有大量企业级智能体被推出市场 ， 宣称可以帮企业解决实际问题 ， 成为数字员工 ， 打通大模型到企业的“最后一公里” 。 但实际用下来 ， 效果却不尽如人意 。
由于绝大多数智能体 ， 没有结合企业专有场景和知识库 ， 所以无法在复杂的商业场景中闭环运行 ， 过程中时不时就要人工接管 ， 并没有带来多少降本增效的收益 。
于是 ， 直接面向商业场景 ， 研发能够端到端的商业智能体 ， 被认为是一条更可行的产品路线 。 在京东内部上岗的agent ， 就是可以自主闭环执行任务的商业智能体JoyAgent 。
5月20日 ， 京东云发布了JoyAgent 智能体2.0 。 作为基于京东业务系统孵化的商业智能体 ， 面向企业严肃的商业场景使用 ， 实现了端到端业务全流程闭环 ， 既能高效解决通用问题 ， 又能应对复杂商业流程 。
为何企业急切地需要更专精的商业智能体？借着JoyAgent 2.0 ， 我们来聊聊它与通用智能体有着怎样本质的区别？
从企业客户的付费意愿看 ， 通用智能体与商业场景之间 ， 还存在不小的距离 。
目前 ， 大部分企业级智能体是按资源消耗付费 ， 看的是用了多少token/调用了多少API ， 主打一个“没有功劳也有苦劳” 。
少数智能体可以按workflow付费 ， 就是完成了什么任务 ， 按照任务长短或复杂程度收费 ， 有点像KPI外包 。
而真正能作为数字员工 ， 交付业务价值/结果 ， 说服企业付费的智能体 ， 基本不存在 。
为什么会出现这种情况？原因是很多通用智能体 ， 是面向C端场景打造的 ， 需要解决生活咨询、创意生成等泛化需求 。 然而企业引入智能体 ， 与C端有着截然不同的需求 。
比如在初期的需求定义阶段 ， 企业业务往往涉及法律、金融、制造等专精领域 ， 需智能体深度掌握行业标准、专业术语和业务逻辑 ， 才能提供精准解决方案 。 执行阶段 ， 企业数字化系统由大模型、传统模型及海量API共同构成 ， 智能体需突破技术栈壁垒 ， 实现多模型协同调度与业务流程闭环 。 最后的结果输出阶段 ， 企业应用对输出结果的准确性、时效性和完整性要求十分严苛 ， 不允许出错 。
商业智能体与通用智能体 ， 所服务的用户不同 ， 因此技术侧重点、价值创造路径也存在显著差异 。 在企业级市场中 ， 商业智能体有更专业的能力 ， 可以解决企业的复杂问题 ， 交付业务价值与结果 ， 更适合被企业信任与采用 。
一个合格的商业智能体 ， 不仅要满足企业场景对可靠性、安全性、确定性的基线要求 ， 还要具备理解复杂任务和端到端执行的智能水平 ， 否则就称不上是“数字员工” 。JoyAgent 2.0就是一个 。
今年618 ， 一批数字员工JoyAgent ， 已经在京东内部多个部门上岗 ， 自主闭环执行人类员工指派的OKR任务了 。
比如人力资源部门的OKR ， 其中之一就是筛选合适的简历 。
618前夕 ， 京东HR部门拿到了一个复杂任务 ， 组建一支精锐团队 。 经过一番拆解 ， 京东HR决定把筛选简历的任务 ， 派给JoyAgent来干 。 JoyAgent的目标 ， 就是基于岗位需求深度解析简历 ， 精准锁定高匹配候选人 。
传统智能体 ， 可能每完成一步都需要HR协助 ， 输入提示词 ， 再进行下一步 ， 这样“早请示晚汇报”并没有真的减少人类员工的工作量 。 JoyAgent就可以实时汇聚数据 ， 生成清晰的人才结构报告 ， 全局透视技能分布、岗位缺口与渠道效果 。
全程闭环自主完成 ， HR只需要聚焦高价值沟通与决策 。 在JoyAgent的协助下 ， 京东HR部门的招聘流程 ， 实现了智能化飞跃 ， 顺利在618前拉起了团队 。
京东采销部门给智能体的OKR ， 就是开采购单 。
每年 618是零售采销最忙碌的时候 。 京东采销经理 ， 需要对某商品品类的精准预测与库存调配 。 这个任务可不简单 ， 涉及分析历史销售数据 ， 实时搜索关注气象变化 ， 了解库房库存情况 ， 最后才能开出一张符合业务需求的采购单 。
以往整个流程 ， 很多步骤都要采销经理自己手动处理 ， 难以应对快速波动的区域需求 。 2025年 ， 京东采销经理有了新的工作搭子“商业智能体”京东云JoyAgent 2.0。 和以前内部使用的数字化工具不同 ， JoyAgent可以自己完成精准预测销量库存 ， 分析各地销售情况 ， 输出库房库存状况 ， 生成供应链预测报告 ， 并且与采购系统打通 ， 可直接生成采购单 。
采销经理只需要看看报告 ， 判断一下补货策略是否合理 ， 再确认一下补货数量 ， 就大功告成了 。 人类碳基员工与JoyAgent硅基员工互相协作 ， 将京东的采购流程从数天缩短至几分钟 。
此外 ， 在市场调研环节 ， 一句话简单询问JoyAgent ， 它便能自动完成数据收集、数据分析等多个智能体的协同思考与工作 ， 生成一份逻辑清晰、内容详实的市场分析报告 。
专业壁垒高、容错率极低的金融领域 ， JoyAgent也能hold住 。 金融分析师输入“分析近一个月黄金走势并生成报告”指令后 ， JoyAgent就能自动汇聚市场数据 ， 评估风险事件对避险情绪的影响 ， 量化政策预期传导效应 ， 并识别关键价格位与趋势信号 ， 最终整合多维度洞察 ， 自动输出结构化《黄金月度分析报告》 。
可以看到 ， JoyAgent已经进入了京东多个部门的核心业务流程中 ， 闭环交付任务结果了 。 商业智能体 ， 作为京东的“三有新人” ， 也表现出了与通用智能体截然不同的特质：
有真实的业务价值 ， 能够按结果交付 。 能够端到端闭环执行人类员工指派给商业智能体的OKR目标任务 ， 创造同等人效价值 。
有聪明的脑子 ， 自动分解复杂任务 。 可以自己按照OKR ， 分解复杂任务、智能编排并调度工具 ， 几乎不需要人工干预 ， 依赖于强大的大模型理解分析思考能力 。
有完善的行动身体 ， 具备丰富的workflow和MCP工具 。 执行过程中 ， 多智能体协作还需要调用大量工具与插件 ， JoyAgent的全流程闭环得益于京东在智能化阶段沉淀的大量workflow ， 并搭建了自适应自学习的MCP平台 。
通过京东云JoyAgent平台 ， 各行各业也可以拥有自己的同款“三有新人”和数字员工 。 那做好商业智能体 ， 有没有技术秘诀呢？
JoyAgent 2.0问世 ， 商业智能体具备端到端的执行能力 ， 给企业交付真实的业务价值了 ， 站上了智能体的价值高地 。
打造JoyAgent ， 京东云都经过了怎样的技术跋涉？经过交流发现 ， JoyAgent的每一步 ， 都深深扎根在京东的产业AI土壤中 。
第一步：整合专业领域workflow ， 给JoyAgent一份工作说明书 。
京东在零售、物流、金融、工业、健康等领域的商业场景深耕多年 ， 积累了大量专业领域知识 ， 结合京东云 Agentic Workflow 自动构建能力 ， 快速构建行业 KnowHow 知识模型 ， 就像有了一份详尽且智能的行业工作说明书 ， 让JoyAgent快速掌握专业技能 。
以国际贸易为例 ， 报关场景的流程极长 ， 通用智能体很难端到端闭环完成 。 而京东在此前的国际业务中已经形成了成熟的workflow ， 构建了报关智能体 ， 所以JoyAgent能够直接调用 ， 实现报关的闭环操作 。
第二步：构建技术领先的大小模型 ， 让JoyAgent自主分析更精准 。
JoyAgent 2.0采用大小模型相协同的方式 ， 基于混合代理模型 ， 实现主动分析执行 ， 大幅提升了智能体的决策水平 。
大模型方面 ， 京东云JoyAgent 综合使用了京东大模型、DeepSeek等业界领先的大模型 ， 提高对复杂任务的理解和任务拆解的准确性 。
此外 ， 京东云通过强化学习 ， 为智能体打造了一系列动作序列 ， 实现互联网数据抓取、电脑操作自动化等功能 ， 在browser-use、computer-use任务中展现出强大的环境适应与执行能力 。 同时 ， 借助规划推理技术 ， 构建了动态 DAG 执行引擎 ， 不再局限于被动响应需求 ， 而是主动聚焦问题 ， 智能决策 ， 让任务执行的效率大幅提升 。
多智能体协作方面 ， 京东云自研了多智能体协同引擎 。 通过先进共识算法 ， 使多个智能体快速达成决策共识 ， 提升决策效率与质量 。 面对复杂多重意图请求 ， 找到最佳方案执行 。 在 GAIA Benchmark 的 Level 1 - 3 测试中 ， JoyAgent 智能体在复杂任务处理方面表现卓越 ， 超越众多竞争对手 。
第三步：疏通端到端的堵点 ， 实现业务流程全闭环 。
任务分配环节 ， JoyAgent 的任务分配 router ， 会像快递分拣一样 ， 把任务精准分配给最适合的“小分队” 。 处理环节 ， 加速处理的并行调用 ， 让多个硅基员工“小分队”同时开工 ， 加快处理速度 。 疑难问题 ， JoyAgent 会仔细规划好每一步 ， 再展开行动 。 紧急情况 ， JoyAgent能立刻作出反应 ， 快速解决问题 。 从拿到任务到解决问题 ， 全程自主执行 ， 真正实现端到端闭环 。
第四步：筑牢数据安全的防线 ， 让商业智能体无忧上岗 。
专注toB业务的京东云 ， 预先洞察企业对数据隐私安全的痛点 。 JoyAgent 智能体采用先进的加密技术和严格的权限管理机制 。 在引入企业知识等数据资产时 ， 确保安全 ， 防止信息泄露 。 完善的访问控制体系 ， 对用户权限进行精细化管理 ， 只有经过授权的人员才能访问和使用相关数据 。 此外 ， JoyAgent 智能体还具备数据审计和监控能力 ， 能够实时监测数据的使用情况 ， 及时发现并阻止潜在的数据泄露风险 。 通过一系列综合手段的运用 ， 为企业提供全方位的安全保障 。
可以看到 ， 商业智能体的每一步 ， 都凝结着大量的行业知识、经验与技术研发成果 。 这也是为什么京东云JoyAgent 2.0商业智能体 ， 可以让京东和外部企业 ， 向技术要红利、向智能体要价值 。
各个大模型厂商/创业公司 ， 正不遗余力地挤进智能体赛道 ， 与2023年都在挤大模型赛道如出一辙 。 但可以明确看到 ， AI赛道和AGI愿景 ， 不仅门槛高 ， 入局难 ， 而且在入局之后构建持续的竞争力、技术转化为产品和商用规模化普及 ， 更是难上加难 。
大量通用智能体也会如同大模型一样 ， 在推出之后无法兑现商业价值 ， 又被遗忘 。 从通用智能体到商业智能体 ， 会成为接下来的大势所趋 。
商业智能体的技术之路与商业之路 ， 京东云JoyAgent也帮行业提前趟了路 。
技术方面 ， 作为首个能在复杂业务中实现端到端闭环的商业智能体 ， JoyAgent将自身实践抽象成指标 ， 发布benchmark ， 作为商业智能体的规范参考 ， 比如通过逻辑一致性、丰富度等 ， 来衡量智能体端到端的效果 ， 以及模块规划、调用的准确率 ， 工具的全面性 ， 为商业智能体的构建 ， 提供全面且领先的技术参考 。
商业方面 ， JoyAgent 2.0跑通了复杂业务场景 ， 让“按价值/结果付费”的智能体商业模式有了可能 。 同时 ， JoyAgent基于京东内部积累 ， 以小模型/成熟workflow减少token使用量 ， 以大模型确保最终结果 ， 二者结合为企业用户降本增效 。 这说明 ， JoyAgent已经具备规模化商用的潜力 。
扎根技术多年的京东云 ， 正在持续攀登AGI高峰 。 更高的专业性 ， 更优的处理效果 ， 更强的数据安全性 ， JoyAgent 2.0也为大模型打开了更大的想象空间 。
【扎根业务，这个618商业智能体先跑起来】
推荐阅读
- 轻薄全能旗舰vivo S30，这个夏天最酷的科技潮品
- 618真香旗舰？一加ACE 5至尊版这个配置简直拉满了
- 今年好显卡真多！这个618怎么装配游戏主机？
- 4.0英寸+3000mAh，这个mini小屏新机，绝对是来捣乱的
- 好家伙！没想到荣耀这个月这么多新品发布，有没有你喜欢的？
- 290个零件无焊点！华为折叠电脑铰链借鉴古人这个设计，彰显中国智慧
- 小米15S Pro登顶，这个榜单有点意思
- 国补后594元，魅族这个LCD新机，还不错
- 为什么会有“线下机”这个词的发明？线下机能买吗？
- 被论文视频虐哭前，这个 AI 把素材榨成黄金资料库！