这样的场景，对所有从事 AI 基础设施与大数据计算的技术人员而言，都是一次难得的机遇——这也是许多平台型企业所不具备的独特土壤。而我们团队所做的工作，则类似于构建身体的“骨骼、血液与肌肉”——我们致力于打造一套以大模型为中心的 AI 原生分布式应用服务框架，用以承载大模型推理及 AI 业务，使其更高效地理解数据、释放数据的深层价值。以‘Oxygen’为名，承载着京东零售技术团队的愿景：我们致力于构

这样的场景，对所有从事 AI 基础设施与大数据计算的技术人员而言，都是一次难得的机遇——这也是许多平台型企业所不具备的独特土壤。而我们团队所做的工作，则类似于构建身体的“骨骼、血液与肌肉”——我们致力于打造一套以大模型为中心的 AI 原生分布式应用服务框架，用以承载大模型推理及 AI 业务，使其更高效地理解数据、释放数据的深层价值。以‘Oxygen’为名，承载着京东零售技术团队的愿景：我们致力于构

当前各类状态信息为st，已知各模块负载约束Cm，权衡消费Q(st,at)和算力消耗C(st,at)的关系，应该采取什么样的动作组合at，能够得到最大的奖励R(st,at)。

京东供应链算法团队推出首个自研十亿级销量预测时序大模型TimeHF，基于人类反馈的强化学习技术（RLHF）首次应用销量预测，预测准确度大幅度提升10%+，降低需求端预测不确定性。经过和各时序模型在内外部数据集对比，时序大模型在模型尺寸和效果上均表现突出，优于行业水平。目前在2万种商品上输出预测进行自动化补货，预测准确率相较于线上大幅提升。

回顾这段从V1到V4的进化之路，我将我的经验提炼为几点“心法”，希望能对大家有所启发：•始于模仿，终于框架：从模仿你自己的专家思考过程开始，逐步将零散的规则，抽象和沉淀为普适的、可复用的分析框架。•规则是骨架，背景是血肉：只给规则，AI是冰冷的机器；为规则注入业务背景、用户心理等“常识”，AI才有智能的灵魂。•反例是最好的老师：教会AI“什么不是风险”和“什么是风险”同等重要。精心设计的“豁

如何将大语言模型的能力融入业务、产生价值？京东零售技数中心推出融合Agent、SFT与RAG的大模型基础应用框架，赋予大模型学习领域知识的能力，还显著提升了模型的自主决策和信息处理精确度，帮助业务完成大模型的微调、部署和应用。

多智能体系统正推动AI从单点智能迈向群体协作。随着大语言模型（LLM）和多智能体技术的持续突破，开源社区涌现出众多项目，探索智能体在文档处理、代码生成、自动化办公等场景的协同应用。然而，当前多智能体开发仍面临生态分散、调试复杂、决策不透明等挑战，阻碍了更广泛的落地。然而，当前多智能体开发仍面临诸多挑战：框架生态碎片化、配置调试复杂、智能体协作逻辑“黑盒”，使得构建和维护多智能体系统对个人开发者和中

用任意工具注册方式（FunctionHub、LocalMCP、SSEMCP），启动后都是以下效果。诚邀加入OxyGent开源社区！框架具备完善的数据存储机制，可用于后续的SFT训练或RL训练。Node.js环境（如果使用MCP工具）python环境（3.10及以上版本）按权重过滤执行过程的Memory。Plan-and-Solve范式。自定义大模型输出解析器。智能体同时调用多个工具。

随着大模型技术的迅猛发展，AI工具已成为重要的辅助生产力工具和工作伙伴。它能够显著提升工作效率、帮助解决业务痛点，甚至能通过知识延展与智能协同，帮助团队突破传统认知边界。掌握大模型工具的应用能力，正成为现代职场人提升价值产出的关键竞争力。大模型工具的发展现状如何？有哪些落地的业务实践？大模型工具建设的未来蓝图是什么？围绕这些问题，京东内部开展了一场大模型工具的探索实践技术沙龙，本文独家公开技术专家

虽然应用的算法有差异，但是同为深度学习相关任务，提升模型性能时的优化思路、训练技巧乃至模块实现方式都有很多共通之处，其技术迭代的方向和角度，也往往能带给我很多启发，跨领域的知识迁移，往往能碰撞出意想不到的创新火花。面对快速变化的时代和复杂的业务，我会主动追踪前沿进展，跟进顶会、开源社区的动态，保持对领域趋势的敏锐性，同时提升的跨领域技能与知识，深入理解用户需求与市场趋势，结合算法能力提供真正有商业