在京东，向前一步的技术人

等你来的2025年06月16日约 6 分钟

在技术日新月异的时代浪潮中，从业者面临着不同的路径选择：有人热衷于不断扩展技术广度，尝试新技术方向和领域；有人热衷于在特定领域深耕积累，坚定且更有深度的精耕细作。

在京东，活跃着这样一批从校招入职的技术人才，他们将实际业务需求作为工作的核心锚点，深入前沿技术领域进行探索，在构建和优化复杂系统核心架构的过程中持续积累经验。从初入京东时的探索者，到能够独当一面的技术骨干，他们务实敢为，向前一步做长期有价值的事。

95后的阿菌已成长为项目负责人，善于发现问题的她会从不同视角思考技术。在电商搜索场景中，当用户输入如“养生神器”这样新颖、模糊或口语化的搜索词时，理想的系统响应是能够精准理解其潜在意图，并召回保温杯、颈椎按摩仪等相关商品。然而，阿菌和她的团队发现，传统的神经机器翻译（NMT）模型在面对这类非标准Query时表现不佳。这些模型往往难以生成有效的扩展关键词（Query Expansion），导致大量符合用户真实需求的商品无法被有效召回，影响用户体验和平台转化率。

大语言模型（LLM）技术的兴起为破解这一难题带来了新的可能。阿菌团队敏锐地抓住机遇，将Query扩展任务重新定义为文本生成任务，利用大模型强大的语义理解和生成能力，突破传统基于规则或统计方法的框架限制。他们并非简单套用现成的大模型，而是创造性地设计了一套严谨的三阶段训练框架。

首先，利用海量电商用户行为与商品元数据预训练基础模型，为其构筑深厚的商品语义理解“知识库”；其次，采用高质量、高覆盖度的搜索日志进行微调，精细打磨模型对用户多元化、口语化意图的精准捕捉能力；最后，引入基于搜索引擎的强化学习，设计多粒度奖励函数，以搜索引擎为环境训练模型自我进化，其优化目标清晰指向“召回更多相关且优质的商品”。这套经过严谨实验设计与线上A/B测试验证的框架，最终显著提升了目标场景下的商品召回率与转化率。

“技术探索需要紧扣问题本质，大胆构想，更要通过扎实的实验体系验证路径的可行性，同时保持对学术前沿与开源生态的敏锐跟踪。” 阿菌总结其方法论。正是这种务实与开放兼具的态度，驱动着搜索技术的不断优化。

当中科院自动化所博士毕业的何言，完成了从博士到广告模型技术负责人的角色转变时，他接手的是一项行业内公认极具挑战性的任务：提升电商广告用户行为预测模型的准确性和效率。彼时，主流的传统深度稀疏模型在性能上已逐渐触及天花板，将稀疏大模型（Sparse Large Model）技术应用于广告系统成为新的研究方向。然而，工业级应用场景对高并发请求、超低延迟响应的严苛要求，与概率预估模型本身的计算特性，构成了一个必须克服的核心矛盾点。

“核心突破点在于找到适用于我们业务场景的尺度规律（Scaling Law），并且必须在模型效果提升与严格的线上服务耗时约束之间找到平衡点。”何言回忆道。面对这一难题，他带领团队展开了系统性的实验研究。他们设计了多组对比实验，调整训练数据的规模、模型中稠密参数（Dense Parameters）的维度以及稀疏参数（Sparse Parameters）的占比，并细致观测模型效果（如AUC、GAUC等指标）和推理耗时的变化趋势。经过大量严谨的实验迭代，团队最终清晰地揭示出：稀疏模型性能的有效提升，高度依赖于数据量、稠密参数量、稀疏参数量三者之间的最优配比关系。一旦三者配比失衡，即使持续增加参数规模，模型效果也会陷入停滞，即出现所谓的“效果平台效应”（Performance Plateau Effect）。

这一关键性发现为后续工作指明了方向。基于此，团队制定了清晰、可执行的模型升级技术路线图，明确了不同阶段的数据积累目标、模型结构调整策略以及预期的性能提升幅度。这不仅有效加速了京东广告模型的迭代，其揭示的规律和方法论也为行业解决类似问题提供了有价值的参考路径。

“技术创新的道路上总是伴随着高度的不确定性，”何言总结其间的经验，“但正是通过这种基于假设、设计实验、验证结果、迭代优化的循环过程，我们才逐步建立起解决复杂技术挑战的能力，将看似混沌的问题梳理出清晰的解决脉络。”

当柚子主动提出申请，从驾轻就熟的VOP（供应商开放平台）产品线，转向负责京东锦礼B端平台的技术支持时，他的目标是实现一次“从技术深度到业务广度”的能力拓展。京东锦礼是一个服务于企业福利采购、营销活动等复杂场景的技术平台，系统交互复杂，业务逻辑耦合度高。然而，迎接他的并非想象中的顺利过渡，而是技术理想与现实落差带来的多重挑战：由于对平台复杂性的预估不足，初期尝试的一些技术方案引发了线上问题，新旧两套平台在切换过程中也遇到了数据迁移、接口兼容性等实际困难，团队承受着不小的压力。

“真正的成长往往始于直面自己的知识盲区和能力边界。”柚子坦言这段经历带来的反思。他深刻体会到技术人容易陷入的一种认知误区——在信息唾手可得的时代（如借助GPT等工具），获取知识片段变得异常容易，但这并不意味着解决问题的能力同步提升。“关键在于避免陷入‘我思故我在’式的技术空想，将思考切实转化为有效的行动和解决方案，才是真正的价值所在。”

作为平台技术负责人，柚子的角色远不止编写代码和修复Bug，更需要成为团队间的沟通桥梁和协作推动者；理解业务方的真实痛点，并将其有效转化为技术需求。后来，当某个模块因设计方案考虑不周导致线上故障时，柚子没有止步于再次充当高效的“救火队员”。他以此为契机，推动团队建立了更完善的前置风险防控机制：包括核心模块的设计评审规范、关键路径的压力测试覆盖、上线前的灰度验证流程以及更细致的监控告警体系。

“我们的目标必须从疲于奔命的‘事后救火’，转向更具前瞻性的‘事前防火’，通过体系化的手段提升系统整体的健壮性和可维护性。”柚子明确了后续的优化方向。

在务实探索中沉淀长期价值‌

当阿菌锚定模糊搜索意图的扩展难题，以严谨的三阶段训练框架融合大模型能力，精准提升商品召回与转化；当何言及其团队通过系统性实验破解了稀疏大模型的“效果平台效应”，为广告系统性能提升找到科学路径；当柚子推动团队建立起完善的前置风险防控体系，将工作重心从“事后处理”转向“事前预防”，显著提升了系统韧性；他们所展现的“向前一步”，既是技术人不断突破自我边界、拥抱跨领域思维的勇气体现，更是深入业务场景、躬身解决实际问题的务实态度。

这条技术精进之路没有一蹴而就的捷径。它需要的是在快速迭代的环境中保持耐心，在复杂问题面前追求深度。在京东技术创新与业务实效结合的土壤中，这种强调长期价值、注重扎实积累的技术理念与实践，正在持续推动着技术的有效落地，并不断为业务发展和行业进步贡献着坚实的力量。