京东物流应用智能编程助手JoyCoder研发周期缩短20%

7月10日，据记者了解到，京东物流正在将大模型应用于代码编写上，研发整体提效明显。

京东平均每日有超百万行代码提交，如何利用大模型提升研发效率，已经成为产研部门的重要课题。京东物流通过引入智能编程助手JoyCoder，辅助解决代码报错分析、代码优化、单元测试、编码提示等问题，提高研发效率，让研发人员专注于系统架构设计、核心程序开发等更有价值的工作上。

京东物流研发工程师王小龙（化名），负责收货操作的代码优化，在过去，这是一项耗时耗力的任务，往往需要他耗费一整天的时间来打磨每一个协议的代码。使用JoyCoder后，输入代码的同时，JoyCoder就能自动分析代码上下文，实时推理预测推荐代码，将协议优化的时间从一天缩短到几小时。

JoyCoder功能演示-代码预测补全

JoyCoder一键代码转换，代码可用率超80%

随着业务持续发展，对研发的效率要求越来越高，京东物流原有技术架构Taro 2.0功能不足，影响研发效率和用户体验；且代码采用withWeapp写法，运行效率较低，京东物流希望对技术栈进行优化，通过升级到更新的 Taro 3.0版本，提升研发效率。

从Taro 2.0 升级 Taro 3.0，可以在原有的框架中采用Taro官方提供的脚手架完成架构升级，但因为部分历史页面写法中存在不兼容的语法，升级后会有报错，影响性能和体验。应对代码转换需求，京东云Joycoder提供了前端代码转换功能，对源代码的识别率达到90%以上，转换的代码可用率达到80%，可以把任意的前端架构语法转换成另一套架构的语法，一键转换，仅选择目标语言即可。

通过使用JoyCoder进行语法转化，京东物流顺利将架构升级到 Taro 3.0，在极短时间内完成了超20个页面的重构，解决历史项目中由于框架陈旧造成研发维护成本高的问题。此外，借助于JoyCoder的代码优化能力，让代码更规范、更简洁，有效减少了系统报错，提升了整体代码质量。

辅助研发自动化处理工具，生成代码准确率超60%

京东物流近年来积极拓展港澳业务，在实施过程中，需要让一些项目具备支持简繁体切换的能力，如果采用常规的人工操作，一方面需要处理的内容较多耗时较长，另一方面人工处理出错风险较高，希望借助JoyCoder制作自动化转化工具，提升处理效率。

例如，现有的京东物流商家小程序，需要快速完成港澳语言能力建设，业务系统中有大量的文案需要简繁体切换。通过将问题采用Prompt规范描述给JoyCoder，使用JoyCoder辅助研发了一款自动化转换工具，精准识别需要替换的文案，并实现代码转换，从获取文案、翻译、排重到源代码替换，在明确Prompt的提示下，AIGC准确率超90%。通过采用JoyCoder，京东物流实现了通过AIGC概念进行自动化内容处理，快速完成整个项目语言转换。

对于JoyCoder在京东物流场景的使用，京东物流研发工程师王小龙表示，当前，JoyCoder已广泛应用在京东物流内部的页面制作、联调测试等场景，在中后台系统研发中，业务逻辑偏重，通过使用joycode辅助研发，整体研发效率提升明显。

以上是京东物流采用JoyCoder提升研发效率的两个典型场景。实际上，来自京东零售、科技、物流、健康的上万名开发者正在使用JoyCoder服务于数亿用户，生成代码采纳率超过30%，助力开发周期缩短20%，大大提升了研发效率和质量。