货拉拉技术
科技改变物流
这个来源的文章
货拉拉MCP(Model Context Protocol)初体验
本文以招聘推荐业务为例，介绍货拉拉 MCP Server 的落地实践，以及未来展望。
阅读全文 ：货拉拉MCP(Model Context Protocol)初体验深度解析：递归调用引发的栈溢出问题案例研究
本文取材自一个真实的案例，我将尽可能通过还原该案例的排查过程，呈现一套排查这类问题的思路，以及相关工具的使用技巧。您需要具备一些 Spring Bean 管理的基础知识，从而更好地理解案例。
阅读全文 ：深度解析：递归调用引发的栈溢出问题案例研究货拉拉数据安全合规制度框架、构建与展望
本文主要介绍货拉拉信息安全部门为保障业务安全，通过建立制度框架、优化数据安全管理体系，并引入AI辅助合规知识库，从而确保合规体系持续有效运行。
阅读全文 ：货拉拉数据安全合规制度框架、构建与展望Lalamove基于Flink实时湖仓演进之路
本文介绍了 Lalamove 基于Flink实时湖仓的演进之路。实时链路在Lalamove应用场景丰富，但面临多数据中心、多时区、上游改造频繁和高成本等挑战。通过数仓分层架构演进，利用 Paimon 等技术，实现业务决策、技术提效和降本。
阅读全文 ：Lalamove基于Flink实时湖仓演进之路货拉拉-营销活动-玩法引擎建设
随着货拉拉业务的不断发展，业务侧不断探索精细化活动运营策略，以拉新、促活、转化和留存等多个环节为切入点，不断丰富和完善营销活动玩法。
阅读全文 ：货拉拉-营销活动-玩法引擎建设货拉拉装卸货推荐点评测平台化的探索与实践
货拉拉作为领先的同城货运平台，致力于提供高效便捷的运输服务。装卸货推荐点是为了缩短履约过程中的装/卸货时间、帮助货主和司机降低沟通成本，所推出的一个基于大数据和LBS的功能
阅读全文 ：货拉拉装卸货推荐点评测平台化的探索与实践LLM 驱动前端创新：AI 赋能营销合规实践
引言自从OpenAI在22年年底发布GPT-3.5 大型语言模型（LLM）以来，LLM正在快速的进入各个领域
阅读全文 ：LLM 驱动前端创新：AI 赋能营销合规实践大模型赋能货拉拉客服：开启智能服务新篇章
在物流行业竞争日益激烈的今天，货拉拉作为一家专注于物流和货运的科技企业，始终致力于通过科技手段提升物流效率和服务质量。随着人工智能技术的飞速发展，货拉拉引入大模型技术，为客服领域带来了实际的提升。
阅读全文 ：大模型赋能货拉拉客服：开启智能服务新篇章货拉拉压测平台的建设与实践
在过去的几年里，货拉拉的用户和货运订单数量都实现了快速增长，系统稳定性的保障愈发重要，性能测试及全链路压测的测试频率加快，主流性能测试工具均为本地单机软件，存在性能测试过程的效率、协作、数据保存等问题，需要一个高性能的性能测试平台...
阅读全文 ：货拉拉压测平台的建设与实践后端如何赋能前端：从数据驱动到视图驱动接口的进阶之路
导语在货运系统中，订单详情页堪称“业务复杂度之王”——它需要聚合基础信息、物流轨迹、费用结算、货物清单等十余个
阅读全文 ：后端如何赋能前端：从数据驱动到视图驱动接口的进阶之路