不懂代码的业务员靠自然语言也能开发AI应用？这背后是"Agent+Coding"双轮驱动的新范式正在重塑企 业AI开发模式。 当前，众多企业在落地AI应用时普遍面临一个困境：过度聚焦单个Agent的功能创新，却导致业务与应 用严重脱节。如何让AI真正融入企业核心业务流程，而非停留在表面功能？ 京东云在行业内首次推出"Agent+Coding"双轮驱动的开发新范式，通过JoyAgent智能体平台与JoyCode 智能编码平台的深度协同，为企业构建深度AI应用提供了全新路径。在11月20日举行的京东云城市大 会南京站上，京东云不仅宣布开源全新的多模态RAG技术，以实现多元异构数据的快速治理与高效应 用；更重磅升级了JoyAgent 3.0，使其获得了突破性的跨平台与多智能体协同能力。 Agent+Coding：企业深度应用的新引擎 传统的AI开发往往停留在工具层面，难以触及企业核心系统。京东云的"Agent+Coding"范式从根本上改 变了这一局面。 这种新范式的核心价值在于：Agent平台上沉淀的算法、工具为coding提供丰富能力；智能编码平台则 提供高效敏捷的开发能力，调用这些算法工具，快速实现企业应用的 ...

文章核心观点 - 电商行业正进入AI驱动的新阶段，各大平台围绕AI主导权展开激烈竞争 [4] - 京东选择“产业AI”路径，旨在利用其深厚的供应链和零售基础重塑电商价值链条 [4][7][10] - 京东的战略目标是通过平台化工具输出AI能力，从零售平台转型为智能商业基础设施提供者，构建生态壁垒 [22][23] 为何京东选择“产业AI”这条更苦的路 - 京东过去五年增长乏力，零售收入增速一度跌至个位数，市占率被拼多多反超 [6] - 京东的AI价值公式强调产业厚度²，认为即便模型能力相当，产业厚度更大的企业将获得指数级竞争优势 [8][10] - 京东拥有5710万工业品SKU、500万余个仓库及40多个细分行业的数据积累，这些是其选择产业AI路径的比较优势所在 [10] - 若不借助AI提效，京东的“重资产”模式可能从规模优势转化为发展桎梏 [10] 京东如何用AI重构电商价值链条 - 在内部运营方面，数字人成本仅为真人主播的十分之一，超过80%真人主播的带货效果，单个数字人生产成本已降至两位数，较真人拍摄模式成本降幅超90% [13][16] - 在货品变现效率上，AI工具京点点能将素材效率提升上千倍，极大缩短商品上市周期 [16] - 在履约交付方面，物流“超脑2.0”让操作标准化水平提升15%，人机协同效率提升超20%，并在全球500多个仓库部署以改造履约能力 [17] 生态野心：成为下一代电商的“操作系统” - 京东通过JoyAgent、JoyCode等平台工具将自研AI能力输出给生态伙伴，其中JoyAgent已100%开源，JoyCode已被上万名研发人员使用 [22] - 战略意图是从“零售平台”转变为“智能商业基础设施的提供者”，从而构建坚不可摧的生态壁垒 [23] - 此举将推动电商竞争从流量和价格战，升级为AI驱动的全链路效率比拼，行业从营销驱动转向技术驱动 [24]

AI代码助手应用现状 - 腾讯已有85%程序员使用腾讯云代码助手CodeBuddy，整体编码时间缩短40% [1] - 腾讯4月升级代码助手推出软件开发智能体Craft，功能从代码补全向自主开发迈进 [1] - OpenAI推出代码AI智能体Codex，谷歌推出可优化通用算法的智能体AlphaEvolve [1] 智能体技术发展 - 智能体相比大模型能更主动执行任务和解决问题，正被应用于更多领域 [2] - 腾讯云将大模型知识引擎升级为智能体开发平台，基于RAG技术处理企业非结构化知识 [2] - 智谱智能体AutoGLM可边推理边搜索，京东JoyAgent2.0帮助企业生成数字员工且代码采纳率超40% [3] - 智能体技术在复杂任务自规划方面仍有不足，预计今年在数十步工具调用中可达90%准确率 [3] 大模型产品竞争 - 腾讯加快大模型推出频次，包括混元3D场景模型、企业级混合推理模型和多模态基础模型 [4] - 腾讯计划开源不同参数版本模型：工作站版7B~14B，服务器版13B Dense和32B MoE，端侧版0.5B~4B [4] - 提供多版本模型既满足场景需求差异，也考虑算力分配，腾讯称AI需求已超过GPU资源供给 [4]