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。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
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。
