京东小程序 JS API 仓颉改造实践
本文作者参与2025华为开发者大会,带来分享《京东+仓颉:高性能、跨平台鸿蒙应用开发实践分享》。本次创新实践为京东小程序团队与华为鸿蒙突击队合作对京东小程序API调用过程进行解析,通过借力仓颉实现小程序性能提升和便捷的开发体验。
本文分享自微信公众号 - 京东云开发者(JDT_Developers)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
蚂蚁发布 ASearcher,面向搜索 Agent 的强化学习开源项目
蚂蚁 AReaL 团队近日发布“ASearcher”,这是一个 Agentic RL(reinforcement learning,强化学习)方面的开源项目,可大规模异步 RL 解锁 Agent 长程工具使用能力,使开发者能够轻松且经济高效地构建自己的高性能搜索 Agent。 项目地址:https://github.com/inclusionAI/ASearcher 论文:https://arxiv.org/abs/2508.07976 据介绍,ASearcher 专为大规模在线强化学习(RL)训练搜索 Agent 而设计,使命是推进搜索 Agent 达到专家级性能。 ASearcher 主要有两项核心贡献: 1. 使用完全异步 RL 训练(Fully Async RL)在训练高效的同时让 agent 学会长程工具使用(Long-Horizon Tool Use)。训练过程中,基于 QwQ-32B 的 agent 能够自然地学会更多的工具使用轮次和更多输出 token,在 200 步之后学会高达 40 轮次的 tool use,并且生成 token 达到了 150k+。 2. 开源了一...
- 下一篇
从“单兵”到“团队”:用LangGraph构建你的第一个多智能体(Multi-Agent)系统
所有完整内容,首发于公众号『技术老金』及个人博客,欢迎关注交流 老金导读: 你是否发现,为了让AI完成一个复杂任务,你的提示词(Prompt)正变得越来越长、越来越臃肿?你试图将一个研究员、一个程序员、一个测试员的职责,全部塞给同一个AI,期望它成为一个"全能超人"。 但结果往往是:AI"精神错乱",输出质量忽高忽低,成本飙升,且一旦出错,调试如同噩梦。 这条路走不通。 专业的玩家,会像一个真正的架构师一样思考:我们需要的不是一个"超级个体",而是一支"精英团队"。 这,就是"多智能体(Multi-Agent)系统"的魅力。本文将手把手带你,用当今最强大的流程编排工具LangGraph,构建一个由"研究员-写手-评审员"组成的内容创作AI团队。你将掌握让AI互相协作、审查、甚至循环修改工作的核心技术。 这篇文章是独立的、端到端的实战教程。 如果你对LangGraph还完全陌生,可以先阅读我们的《LangGraph入门与避坑指南》作为预习,那会让你更容易上手。 一、为什么需要"AI团队",而不是一个"全能AI"? 我们很容易陷入一个误区:期望用一个"超级提示词"让一个AI模型解决所有问题...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- Mario游戏-低调大师作品
- Red5直播服务器,属于Java语言的直播服务器
- CentOS7安装Docker,走上虚拟化容器引擎之路
- MySQL8.0.19开启GTID主从同步CentOS8
- Hadoop3单机部署,实现最简伪集群
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- SpringBoot2更换Tomcat为Jetty,小型站点的福音
- CentOS7,8上快速安装Gitea,搭建Git服务器
- CentOS8,CentOS7,CentOS6编译安装Redis5.0.7
- SpringBoot2初体验,简单认识spring boot2并且搭建基础工程