货拉拉技术

本文将分享货拉拉海豚平台在大模型推理工程化方面的一系列实践与落地经验，展示其在真实业务场景中的技术探索与工程优化。

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

一、背景与挑战 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....

在货拉拉业务体系中，"待办"已不限于传统任务管理范畴，在业务中发挥重要的驱动作用。本文将阐述如何通过平台化的待办系统设计，满足多样化业务场景需求，同时实现亿级流量规模的稳定支撑。

随着货拉拉业务的快速扩展与场景复杂度的提升，星图平台作为客服系统的核心枢纽，不仅承载高并发场景下的关键功能，还肩负着保障服务稳定与用户体验的重任。

多机分布式任务中，xxl-job参数通过InheritableThreadLocal传递，线程池复用未清理致读到旧参数，问题深入分析及使用建议

本文提出并实践了一条由AI Agent驱动的自动化逻辑漏洞审计工具。通过将传统SAST的深度分析能力与LLM的强大推理能力相结合，并借助RAG、ToT、ReAct等框架，模拟安全专家进行人工审计的方式

PG是全球三大计算机图形学国际会议之一，我们发表的SOD-diffusion论文被PG2024录用，本文对论文进行了详细解读。

JavaScript SDK作为跨平台架构和模块化应用载体，其质量直接影响上层业务的可靠性与用户体验。从测试角度看，SDK 的测试工作在形式上是对其进行 “二次开发”，通过调用 API 模拟上层应用的