Agent+Code，打开 AI 开发新范式

今天，企业级 AI 的叙事逻辑正在转变。

过去，AI 更像是业务系统的“外挂”，如客服机器人、推荐算法等单点工具，虽能优化局部业务流程，却因脱离核心流程与团队协作而暴露三大瓶颈——工作流程割裂；数据碎片化与治理困难；开发门槛高，业务专家很难将洞察转化为 AI 方案。

这些痛点使得上一代 AI 应用与业务系统难以形成合力。企业真正需要的，不是零散的单点工具，而是将 AI 深度整合进工作流与系统架构，使其如电力与互联网一样成为基础设施——这与京东云提出的“深度应用”理念不谋而合。

在今天的 JDD 2025 京东全球科技探索者大会上，京东集团技术委员会主席、京东云总裁曹鹏表示：深度应用不是从零构建一套应用系统，而是基于企业既有架构的现代化改造，渐进式实现 AI 对业务流程的全方位渗透，深度应用将是跨越超级智能的核心支点。

实现这一转变的技术引擎，就是当前热门的 Agent。不同于 ERP、RPA 等传统系统，Agent 作为自主系统，能通过推理、规划与工具调用完成复杂任务，其目标导向特性正是实现“深度应用”的核心。

但若仅聚焦单个 Agent 的功能创新，仍易陷入业务与应用脱节的困境。因此，构建高效的 Agentic AI 系统需超越提示词工程，打造能串联多 Agent 能力的开发平台，形成完整 AI 工作流，无缝融入企业业务逻辑。

因此，京东云在 JDD 上推出“Agent+Code”双轮驱动的新范式，通过将内部 Agent 应用与代码开发平台深度融合，为企业 AI 落地提供了创新路径。

这一范式如何运作？为何京东云能率先实现业务层面的跑通？结合 JDD 大会内容，我们得以拼出完整图谱。

“JoyAgent 3.0 + JoyCode 2.0 ”搭档，重构企业 AI 基础能力

在京东内部，“Agent+Code”这套范式所对应的产品形态，就是此次 JDD 上新发布的 JoyAgent 3.0 与 JoyCode 2.0。

JoyAgent 3.0 正在成为面向企业生产级场景的 Agent 中枢。为将“深度应用”的理念从概念转化为现实，应对企业环境的复杂性与高要求，该平台以三大技术支柱为支撑，系统性破解了前文提及的痛点。

首先，JoyAgent 3.0 的核心能力在于对企业现有运营工作流的深度集成。

它并非停留在表面交互，而是通过内置的流程引擎和对标准操作程序（SOP）的支持，使得 Agent 能够理解并执行包含多步骤的复杂业务流程 。

例如，一个接入工作流的 Agent 不仅能回答订单状态，还能自动完成从查询物流、核实客户资格，到撰写并发送更新的全套流程 。这种能力让 Agent 真正融入了企业的既定业务流程，扮演协调和增强的角色。

其次，为了解决数据碎片化和治理难题，JoyAgent 3.0 引入了 DataAgent 这一关键能力。无论数据以什么样的形态存储（例如结构化数据库、半结构化文档或非结构化知识库），DataAgent 都能使 Agent 安全、高效地与企业的各类数据交互。

这种能力背后是两大关键技术支持：

一是通过多模态 RAG（检索增强生成）技术实现跨格式检索和理解文本、表格、图片等多种信息类型，从语义、结构和视觉等多个层面，细致理解并定位内容，实现多元异构数据快速治理；

二是基于京东云自研的数据仓库查询引擎，通过诊断分析归因，多 Agent 协同等方式，实现全链路数据治理和查询。在全球权威的智能问数 Bird-SQL 榜单中，JoyAgent 在测试集上准确率超 75%，位列全球前四、中国第一。

JoyAgent 3.0 的第三大支柱，是其与代码开发平台 JoyCode 2.0 的原生融合。某种程度上，这一步是“Agent+Code”范式在企业内真正跑通的关键前提。

生产级 Agent 的本质在于“可信”与“通用”，它必须能在真实世界的复杂多步骤任务中稳定发挥。而 JoyAgent 3.0 在 GAIA 基准测试中的突出表现，也证明了其全新架构在复杂任务中的通用性和可靠性。

JoyCode 2.0 作为“Agent+Code”范式的另一核心，则专注于解决传统开发模式中“使用门槛高”的难题。凭借多 Agent 协作架构和 CSR 上下文增强引擎，已经让“0 手写代码”的自动化编程成为可能 。这一模式的价值在于，让业务专家能够直接参与到应用开发中，将他们的创意和对业务流程的深刻理解，直接转化为可执行的 AI 解决方案，从而将企业创新的驱动力从少数技术精英扩展到了全体员工。

只有二者高度集成，才能将 Agent 对业务数据的理解稳定、顺畅地转化为业务行动与开发逻辑，形成完整闭环，打破业务流程与数据之间的壁垒，真正为业务增效。

那么，京东云是如何在内部跑通这一闭环生态的？

“Agent+Code”范式如何构建自我进化的业务闭环？

京东云之所以能靠 JoyAgent 3.0 和 JoyCode 2.0 的深度融合跑通“Agent+Code”这一模式，并非靠简单的技术堆砌，而是通过二者深度融合，构建了一个能够持续自我进化的闭环生态 。

这个闭环是否真正形成，并在业务场景中发挥作用，一个关键的衡量标准，就是“可复制性”。如果这套架构只在某个场景的某条业务线有效，这个“闭环”必定会在某处断裂，或是数据缺失，或是流程缺失。由此进一步推导——可复制的重要前提是标准化，而想要实现标准化，就要以足够大的样本容量为前提，才有可能在其中抽象出一些共同能力，进一步打包、沉淀，并规模化应用在各个业务场景中。

从这一点上说，作为从京东内部实战中孵化的 Agent 产品，JoyAgent 在能力标准化方面具备天然优势。

该平台已经经过了京东内部复杂业务场景的反复验证，伴随其处理特定任务的能力日渐成熟，京东云将京东多年积累的算法能力封装为 JoyAgent 算法库，涵盖最新的语音算法、视频算法、图像算法、搜索算法、检测、识别、机器翻译等；同时，京东云也将各类 Agent 能力解耦、抽象并封装成一系列具有明确输入 / 输出边界的智能组件 ——这是一种主动的、有策略的标准化过程。

这与传统软件工程中的“组件复用”概念有异曲同工之妙。UI 界面中的可复用组件（如按钮、列表）可以被反复调用以构建不同的用户界面；同理，Agent 的核心能力（如简历筛选、自动问数、报告生成）也应当能够被封装成可被开发平台反复调用的模块，从而实现标准化，为业务提效 。

以“面试数字员工”为例，我们可以大致推导出京东云将其“标准化” 的经过。一个负责面试的数字员工需要具备“简历解析”“初面问题生成”“口语对话理解”“面试结果评估”等一系列复杂能力。

在初期，这些能力可能只是某个通用 Agent 的一部分。但经过大规模应用和持续优化后，“简历解析能力”可以被剥离出来，沉淀为一个独立的、通用的智能组件；“初面问答能力”又可沉淀为另一个。这些能力被沉淀为各种组件后，便不再只服务于单一的面试应用，而是可以被企业内的其他应用调用，例如，简历解析组件可以用于人力资源部门的员工信息管理系统，而口语对话理解组件可以用于客服业务。

这个过程中，JoyCode 2.0 就承担“调用者”和“编排者”的角色，提供了一个直观的开发环境，使得业务人员能够像搭建积木一样，根据业务需求灵活调用、组合这些智能组件，从而快速构建新应用 。

此外，JoyAgent 的 NL2Workflow 工具，允许非技术人员用对话的方式，直接生成复杂的工作流，并自动调用多模态文档理解、TTS 等原子能力 。这一创新将软件开发的重心从繁琐的技术实现，解放到对业务流程的深刻理解和创意编排。

至此，“闭环”的形成已近在眼前。当企业内的新应用越来越多，产生的真实反馈数据越丰富，JoyAgent 平台的算法和组件优化速度越快，进而反哺开发者能够用更少的时间和精力构建更强大的新应用，循环往复。

从业务人员的视角看，这套模式很直观地打通了从“创意想法”到“落地应用”的循环：

这个循环的第一步，是从创意到应用，即代码调用 Agent 。借助 JoyCode 2.0，业务人员可以快速将创新想法转化为实际应用，并通过调用 JoyAgent 的 Agent 原子能力作为基础模块来构建 。

第二步，是从应用到洞察，即完成应用的部署与反馈 。应用开发完成后，可以实现一键部署。当其被员工或客户使用时，将持续生成大量的真实数据，包括性能指标、用户交互行为与实际业务效果，为后续优化提供坚实依据 。

第三步，是从洞察到进化，即 Agent 完成自我学习与提升 。JoyCode 生成应用所产生的使用反馈与业务结果会持续回流至 JoyAgent 平台，用于优化 Agent 行为、加强语义理解与扩展知识模型 。

换言之，每一个新应用的落地，都会让整个 Agent 生态变得更强大，从而加速后续应用的开发——这是一个指数级的进化过程，更是其他企业难以短期追赶的真正壁垒。

京东内部的大规模实践数据充分验证了这一模式的有效性。JoyCode 目前已服务京东内部上万名研发人员，支撑数亿用户级产品研发，其代码采纳率超过 40%，开发周期缩短 30% 。

这些数据背后的具体成果，就是京东内部孵化的多类高价值的“数字员工” 。例如，“面试数字员工”能自动筛选简历并执行初面，提升招聘效率；“培训数字员工”可个性化生成学习路径与内容；“数据分析师数字员工”则能自动完成归因分析、问题诊断与报告生成，助力决策效率。

不过，京东的野心远不止于在内部场景中验证技术可行性。“Agent+Code”双轮驱动的模式要想真正成为一种赢得行业共识的新范式，就需要走出京东，去经受行业中更多企业与开发者的考验。

京东云用开放生态引领下一代 AI 开发标准

目前，京东正在通过全面开源与支持开放协议，将这套经过实战检验的开发模式，拓展为推动整个行业创新的新范式。

2025 年 7 月，京东就宣布将 JoyAgent 2.0 全面开源，定位为“业界首个 100% 开源的企业级 Agent 平台”。不同于其他企业仅仅开源框架和 SDK，JoyAgent 开源了前端、后端、引擎与核心子智能体等部分的代码，可以在本地 100% 复现。这一举措迅速在开发者社区中引发关注。截至目前，JoyAgent 在 GitHub 上已收获超过 1 万颗 stars。

而在 JoyAgent 3.0 的发布现场，京东做出了更具突破性的动作——开源了关键底层模块 DataAgent 及 DGP（数据治理协议），这些是真正让企业 AI 应用落地的基础模块 。通过开源，京东大幅降低了企业部署高质量 Agent 的门槛，也使得社区可以共同参与改进和审计，夯实了信任基础。

另外，开源也在无形之中规避了一些“Agent+Code”范式大规模落地的潜在风险。例如，对于涉及核心业务流程和敏感数据的 Agent，究竟如何落实其安全性与合规性？如何消除企业对特定供应商技术绑定的担忧？如何最大程度降低企业内部“重复造轮子”所带来的额外成本？

但在开源的前提下，每一行代码都可被企业审查，让安全团队可以清晰地看到 Agent 如何运作、它访问了哪些文件、如何做出每一个决策 。这种近乎透明的架构设计，确保了企业的数据主权，从而满足最严格的企业安全与合规要求。

同时，开源也能够赋予企业和开发者最大的灵活性与创新的自由。一个开放的平台可以与任何 AI 服务提供商、任何新发布的模型无缝协作。今天的最佳模型可能来自 Anthropic，明天可能来自一个初出茅庐的小团队，而开源架构确保企业可以即时切换，不被“昨天的技术”所束缚，更不用说开源架构所带来的成本优势。

随着技术的成熟和生态的壮大，“Agent+Code”将不再局限于软件开发领域，而是成为重塑各行各业核心工作流的底层动力。例如制造业的智能生产、金融风控的实时决策以及零售业的个性化营销等。可以说，“Agent+Code”范式从根本上解决了第一代企业 AI 工具的瓶颈，实现了 AI 能力的标准化、规模化和持续进化。

这一创新范式不仅仅是技术上的进步，更是企业实现“深度应用”，迈向“新质生产力”的根本动力。它将企业创新的重心从技术实现转向业务创意与流程编排，让 AI 从单一功能模块转变为深度融合、开放协同、随业务持续演进的基础能力。

将视线拉长，当“Agent+Code”范式真正成为行业标准那天，数十年的企业数智化转型故事，或许也将迎来关键转折点。