扎根业务，这个 618 商业智能体先跑起来

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。