货拉拉技术

文本大模型评测实践

本文跟踪2023-2025年的大模型评测发展动态，提炼出其核心要素和方法。并结合货运行业特性，以及真实业务沉淀出最佳的评测体系。该体系已在邀约、客服等多条业务线落地，显著加速了AI能力在公司的规模化应用。

货拉拉UI自动化新范式：从人工维护到AI自愈

在移动端测试中，我们始终面对着同一个核心挑战：如何持续降低手工测试的工作量？ 为此，我们团队已经建立起两条成熟的创新提效路径...

货拉拉待办中心架构设计：打造高效可靠的任务中枢

一、待办在货拉拉中的业务意义从司机入驻认证、做单履约到退出平台的全生命周期，平台会通过不同的待办事项引导司机完

Agent Skills在货拉拉AI应用尝试

本文基于 Anthropic 官方工程博客发布的《Equipping agents for the real world with Agent Skills》进行解读与分析。结合货拉拉相关实战案例，深入探讨 Agent Skills 的核心概念、工作原理、构建方法，帮助开发者理解如何利用这一框架打造更强大的 AI 代…

大模型安全对抗性测试技术

本文研究构建一种面向LLM安全对抗的系统化测试框架，通过策略进化、响应判定与风险指标分析，实现对模型在越狱、安全对齐与工具链使用上的全方位评估。

性能突破：星图平台架构优化

本文将结合架构设计与优化实践，探讨星图平台在复杂业务场景中的性能优化思路与成果，为关键技术场景提供参考。

面向可观测数据融合的 Exemplar

The content has been deleted by the author.

undefined

iOS疑难Crash-_dispatch_barrier_waiter_redirect_or_wake 崩溃治理

一. 背景我们司机端App一直存在着_dispatch_barrier_waiter_redirect_or_

货拉拉离线大数据迁移-验数篇

本篇将围绕离线大数据迁移后双跑阶段的数据验证展开，涉及公司近 20 个部门、数万张Hive表的数据，探讨验证的目标与原则、常见的验证方法与工具、不同场景下的验证策略，以及在实际落地中需要关注的性能与成本平衡。

出海技术挑战——Lalamove智能告警降噪

面对快速拓展的海外市场和高速迭代的业务模式，如何在有限的人力资源下高效保障服务稳定性成为研发团队日常工作中的重要挑战。本文将重点介绍监控告警在国际化业务中的一些实践。

AI拍货选车，开启拉货新体验

1前言货拉拉一直致力于优化流程，提升用户体验，用心服务广大用户群体。平台提供了丰富的车型供用户进行选择，满足大家日益增长、不断变化的的货运需求。

大数据数据资产智能答疑实践

Lalamove PHP服务Java化大型项目的实践之路

背景Lalamove自2013年起就开始基于PHP构建系统，之后逐步迁移至Java。

货拉拉RAG优化实践：从原始数据到高质量知识库

知识库一般通过本场景的人工外呼获得专有知识，以及从其他场景的知识库迁移通用知识来人工构建的。

货拉拉大模型应用开发：功能拓界与业务赋能

货拉拉大模型应用开发：功能拓界与业务赋能

货拉拉数据工厂：从3k+工具到AI智能体，我们如何让造数效率翻倍？

当一个数据平台的工具量突破3000+、日均调用超50万次，是该庆祝规模化的胜利，还是警惕效率的陷阱？

从代码到配置：如何用SQL配置实现数据核对

在交易系统中，数据一致性校验是保障资金安全的最后一道防线。传统的硬编码方式让每次规则变更都需要发版，能否让业务研发人员直接配置SQL就能完成核对？本文将分享我们从代码到SQL配置的演进之路

大模型音频水印技术：用AI守护音频数据的“身份指纹”

本文介绍了生成式AI时代音频内容安全面临的挑战，以及音频水印技术的实现方案，并深入分析了SynthID与AudioSeal两大前沿方案的实现路径。通过对比实验结果，验证AI水印技术在保持音频质量的同时，实现了超高的检测准确率。

大规模 Kafka 消费集群调度方案

为保障货拉拉资金安全，团队构建并维护了实时对账平台（算盘），旨在通过实时比对链路上下游服务产生的数据，快速发现潜在资损风险，保障资金安全与业务健壮性。