ITPub博客

作者：京东科技 张新磊背景随着DeepSeek-R1的官宣开源，DeepSeek迅速成为AI领域的热门话题，吸引了大量开发者和研究者的关注。这一开源举措不仅推动了技术的普及，也促使更多企业和机构加入到开源生态中。例如，国内大厂X度于2月14日宣布将在未来几个月推出文新大模型4.5系列，并计划从闭源转向开源。这些动态无疑加速了大模型技术的发展，也为开发者提供了更多创新的可能性。作为一名技术人，我深知

春节期间，DeepSeek的爆火无疑让大家对AI大模型有了全新的认识和体验。与其他大模型不同之处，DeepSeek不仅提供答案，还输出推理过程，这一功能引起了大家的震惊和担忧。在日常生活中，相信大家习惯于通过百度搜索、浏览小红书或者观看抖音等方式来寻找对普通感冒、小创伤等常见问题的治疗方案。现在，随着DeepSeek等一系列大模型的出现，人们可以将这些问题直接提交给大模型，获取专业的建议和治疗方案

一、概念解读（小白向）我们打开deepseek官网，会发现对话框之下：有两个按钮，那他们的含义如何理解🤔？最近爆火的deepseek究竟指的是哪个模型？深度思考R1与联网搜索的作用？接下来对常用概念做一些入门性质的介绍：1、联网搜索：比较好理解，我们知道LLM（大语言模型）的知识是有时效性的，因为大模型知识来源于海量的离线数据训练，而一般来说，其训练数据大约滞后于其发布时间半年到一年以上。比

在当下的科技领域，DeepSeek 无疑是一颗耀眼的明星，近期关于它的话题热度持续飙升，引发了无数技术爱好者和行业从业者的热烈讨论。大家纷纷被其强大的大数据处理能力和广泛的应用前景所吸引，急切地想要深入探索和使用这一先进的模型。然而，当人们满怀期待地访问 DeepSeek 官网时，却遭遇了令人头疼的问题 —— 官网响应极其缓慢，常常让等待的时间变得漫长而煎熬，严重影响了大家获取信息和使用服务的效率

引言学术经历：博观约取、厚积薄发专业的选择：勇于走出舒适区在大学入学时，我选择了数理统计专业。然而，随着对专业的深入了解，我意识到单纯的理论研究并不能完全满足我对实践应用的渴望。关注计算机技术后，特别是人工智能和机器学习领域，我发现这不仅可以将统计学的理论应用于实际问题，还可以创造出具有实际价值的模型和算法。于是，我决定转变方向，从理科的统计学跨越到工科的计算机技术。这是一个巨大的挑战，需要从零

前言自2022年底ChatGPT发布以来，大模型成为非常火爆的话题。如何在生活和工作中把大模型用的更好、更具价值，业界一致认为Agent是其中一个重要的方向。下面就分享一下我们京东广告在Agent应用上的一些实践和经验，希望能给大家带来一定的启发和思考。一、Agent 在京东广告投放中的应用1、Agent是什么既然是讲Agent的应用，还是要先来普及一下基本概念，一句话简介：Agent是以大语

引言多智能体的架构演进过程：第一阶段：B商城工单自动回复，LLM和RAG结合知识库应答，无法解决工具调用。第二阶段：京东招商站，单一Agent处理知识库问答和工具调用，准确率低 & LLM模型幻觉，场景区分度差。第三阶段：京麦智能助手，引入multi-agent架构，master + subagents协同工作模式，把问题分而治之，显著提升准确率。商家助手的算法底座是基于大语言模型（LL

本文参考网上资料学习，IDEA接入DeepSeek+私有化部署DeepSeek+Dify搭建智能助手+接入微信（个人电脑Windows和mac都可以安装），手把手保姆级教程。一、IDEA接入DeepSeek1）首先IDEA下载安装 Continue插件，如下图大概几分钟安装完成“Continue” 是一款专为 IntelliJ IDEA 设计的开源 AI 助手插件，利用大语言模型（例如DeepSe

一、前言近期DeepSeek如此火爆，全民跃跃欲试，奈何频繁的【服务器繁忙，请稍后再试】，让探索的路上体验不佳。前驱力量紧接着发布【如何本地化部署DeepSeek】的指导，尝试过程中苦于自己电脑的硬件条件，运行7B/14B的结果确实让人也难以满意。所以最佳解决思路呢，学习整合资源站在巨人肩膀，借助硅基流动和Cherry Studio的联合，实现只要你的电脑能上网，无需较高配置，就能轻松使用Deep

如果你想快速构建一个本地客户端应用的智能助手！！ 如果你想使用 deepseek 替换一下openai ，体验国产之光！！ 如果你是小白，不太懂复杂的操作，但是想快速使用！！ 看这篇就够了～～～本次将带大家从0到1一步步搞起来，10分钟带你搞定。 动动小手点个赞，后面可以更新更多保姆级ai教程，私货目前积攒很多。前言标题来源于deepseek，正好判断一下吸引人的质量。。。一、

#从第⼀步骤到第四步骤是完成DeepSeek本地部署和使⽤,可以满⾜中⼩企业环境的稳定 使⽤,第五步骤为基于AnythingLLM和本地数据进⾏训练(基于本地数据搭建本地知识 库): ⼀：京东云GPU云主机环境准备 ⼆：部署Ollama 三：运⾏DeepSeek模型 四：图形客户端使⽤ #第五步骤可以不执⾏ 五：本地数据投喂⼀：京东云GPU云主机环境准备：DeepSeek的不同版本模型对主机硬件(

作者：京东零售 张骞一、热更新解决了什么问题？在研发过程中，每个研发同学在联调、自测阶段中总会频繁的去执行编译、构建、打包的动作，遇到比较大的项目，执行一套流程下来，往往需要3-10分钟左右，极大的降低了研发的速度，基于以上痛点，我们基于JAVA Agent技术开发出一套插件【藏经阁热更新插件】，通过热更新方式，实现了修改代码即时生效， 极大的降低研发的打包、发布时间，提升研发效率。目前这套插件已

作者：京东零售 张均杰背景部门内有一些亿级别核心业务表增速非常快，增量日均100W，但线上业务只依赖近一周的数据。随着数据量的迅速增长，慢SQL频发，数据库性能下降，系统稳定性受到严重影响。本篇文章，将分享如何使用MyBatis拦截器低成本的提升数据库稳定性。业界常见方案针对冷数据多的大表，常用的策略有以2种：删除/归档旧数据。分表。归档/删除旧数据定期将冷数据移动到归档表或者冷存储中，或定期

作者：京东零售2024年，京东零售技术团队在 AI 领域发表多篇CCF-A类论文，包含CVPR、SIGIR、WWW、AAAI、IJCAI等业界顶会。下面为大家简要介绍被录用的10篇论文，涵盖目标检测、多场景学习、排序模型、意图识别、创意优选、优化大模型幻觉问题等多个方向，欢迎大家共同交流讨论。👉【1】CVPR 2024 | Exploring Region-Word Alignment i

作者：京东物流 赵勇萍前言我们常说的三高，高并发、高可用、高性能，这些技术是构建现代互联网应用程序所必需的。对于京东618备战来说，所有的中台系统服务，无疑都是围绕着三高来展开的。而对于京东庞大的客户群体，高并发的要求尤为重要。用户对在线服务的需求和期望不断提高，系统的并发处理能力成为衡量其性能和用户体验的关键指标之一。高并发系统不仅仅是大型互联网企业的专利，对于任何希望在市场中占据一席之地的公司

作者：京东物流 沈世莹1、什么是HiveHive是一个基于Hadoop的数据仓库工具,用于处理和分析大规模结构化数据。Hive提供了类似SQL的查询语言(HiveQL)，使得熟悉SQL的用户能够查询数据。Hive将SQL查询转换为MapReduce任务，以在Hadoop集群上执行数据处理和分析。2、Hive起源回答这个问题之前，先介绍下Hadoop。Hadoop是专门为离线和大数据分析而设计的分布

作者：京东物流 赵勇萍前言本篇文章，是一篇实战后续篇，是基于之前我发了一篇关于如何构建高并发系统文章的延伸： 高并发系统的艺术：如何在流量洪峰中游刃有余****而这篇文章，从实践出发，解决一个真实场景下的高并发问题：秒杀场景下的系统库存扣减问题。随着互联网业务的不断发展，选择在网上购物的人群不断增加，这种情况下，会衍生出一些促销活动，类似抢购场景或者热销热卖场景，在高峰时段的下单数量会非常大，也意

作者：京东物流 林群一、背景在常规的运维及线上故障响应实践中，我们观察到系统监控指标（System-Level Metrics）的异常波动往往与业务监控指标（Business-Level Metrics）的异常呈现高度相关性。具体而言，当系统级监控指标出现异常时，业务级监控指标在绝大多数情况下亦会表现出异常状态。然而，反之则不然，即业务级监控指标的异常并不总是伴随着系统级监控指标的同步异常

作者：京东零售  高继航1 前言2024年，京东零售技术自研的京点点AIGC内容生成平台（以下简称“京点点”）已覆盖电商运营涉及的20+核心场景，AI能力单日调用超1000万次。“京点点”致力于电商场景下商品内容、营销素材的智能化、自动化生产和运营，已帮助京东35万+第三方商家一键AI生成店铺运营所需的商品图片、运营与营销文案，提升内容制作效率和效果，降低商家内容制作成本。“京点点”融合

作者：京东物流 林群一、背景在常规的运维及线上故障响应实践中，我们观察到系统监控指标（System-Level Metrics）的异常波动往往与业务监控指标（Business-Level Metrics）的异常呈现高度相关性。具体而言，当系统级监控指标出现异常时，业务级监控指标在绝大多数情况下亦会表现出异常状态。然而，反之则不然，即业务级监控指标的异常并不总是伴随着系统级监控指标的同步异常