在物流行业日益智能化的时代，AI技术的创新正为企业带来深远影响。本篇文章将聚焦于货拉拉的“悟空”平台，深入探讨其在物流AI智能化中的实际应用与成果。通过案例分析与数据支持，我们一同揭开这一智能化平台背后的奥秘，并展望未来的发展趋势。

货拉拉认为，凡是能够保住业务提升效率的AI应用，均可称之为AI助理，同时，货拉拉的AI助理应用范围广泛，覆盖了14个场景，涵盖了48个真实业务需求进行AI助理的探索，并追求“简单直接、真实细致”的应用效果。

为了应对多样化需求的挑战，同时减少重复开发工作，货拉拉自研了大模型应用平台——悟空平台，依托于大模型为核心元能力引擎，采用低代码和零代码两种开发方式，结合AI Agent 相关思路和技术，提供多样化的超级交互入口，最终为货拉拉多元化的场景提供了高效、便捷、稳定、可视化的大模型应用开发SOP。

悟空平台核心优势在于可以灵活应用大模型，支持直接或间接调用大模型进行开发。无论是直接调用大模型，还是构建Chain或Agent，悟空平台都能胜任，此外，该平台数据安全方面表现优异，确保没有数据外传的风险，并可以根据需求进行定制化开发，同时支持高效的业务落地。

货拉拉大模型应用开发体系层级

货拉拉一站式AI应用开发平台：悟空

货拉拉悟空大模型AI应用的五个思考

思考1：随着大模型应用日益广泛，最常见的问题是大模型是否真的能解决专业问题？

实践：专业助手

• Lone容器问题排查助手
• 漏斗原理攻击于自动识别助手
• SIEM准实时异常行为检测助手

总结：大模型知道的远比我们想象的多，通过prompt和大模型结合就可以解决这些专业问题，其中高质量的prompt是关键，可以让大模型更好地理解并提取有效的信息。

思考2：大模型除了能解决专业问题，能否实现基于文档或已有知识库进行AI问答？

实践：AI问答助手

• 业务精准问答
• 综合问答
• 闲聊/专业问答

总结：“业务知识库+RAG+LLM”的标准范式，可以解决无标准答案的问题，但“助手分类+个性化RAG+prompt针对性优化”可实现“精准问答”业务精确率90%+。

思考3：大模型能解决专业问题，能做AI问答，那能处理数据并生成报告么？

实践：周报生成助手

• 数据获取&理解
• 数据分析
• 写码&画图

总结：搭建周报Agent，做到有数（连接数据库、获取真实数据）、有图（结合Code Interpreter 工具）、有结论（结合LLM能分析、会总结），并结合零代码平台，实现快速复用。

思考4:在前述功能的基础上，用户问能否处理多模态信息，做多模态的AI助手？

实践：多模态AI助手

• 多模态图片理解
• 表格信息提取&生成
• 语音培训对练助手

总结：“工具+LLM+多模态综合理解”组合可以提升AI助手回复的精确率，如车险报价方案生成助手，首先用OCR提取信息，然后对数据进行脱密处理，再用大模型提取信息，最后结合多模态综合理解生成最终报价方案，进一步提升业务准确率。

思考5：前几个阶段基本都是通过单一Agent或功能性模块实现的。随着业务需求的发展，用户希望多个场景的问题能够融合，提供一个综合的结局方案。

实践：Multi-agent助手

• 多轮对话，信息收集
• 单场景精准问答
• 多场景agent综合搭建

总结：货拉拉探索了多场景融合的合作型multi-agent助手，在IT助手场景，针对各业务场景搭建独立的agent聚焦各自场景问题问答，并通过多agent协同的工作方式，来更高效地应对复杂的业务需求，提供全面的解决方案。

货拉拉悟空大模型AI应用之选车助手

利用人工智能技术，为客户提供交互式服务的智能客服系统，主要目的是提高客户服务效率和质量，同时降低企业的运营成本。

用户在使用选车助手的过程中，一般不只会根据引导来进行答复，还会在沟通过程中询问其他信息。如何通过流程引导，将对话主动拉回到主流程是货拉拉需要解决的重要问题，此外，用户需要运送的货物多种多样，对于货物信息的表达方式也多种多样，导致语义难以理解，这也加大了解决问题的难度。

大模型的理解能力、生成能力、跨语言能力，对解决以上问题有显著的效果，同时使用单一智能体难以完成复杂的任务，因此使用NLG Agent和NLU Agent两个智能体，NLG Agent负责问题回答、工具调用、流程引导，NLU Agent 负责对货物信息进行提取。

LIM-based Multi-Agent 框架

货拉拉悟空大模型AI应用之员工助手 Lalabot

Lalabot是为货拉拉企业内所用员工打造的一款先进的AI助手，底层依托于悟空平台和大模型，支持浏览器插件、手机小程序、PC Web等多端应用，Lalabot集聊天、写作、AI绘图、图生文、定制化Agent几大功能于一身，助力货拉拉企业内员工高效、便捷的工作。

面对长网页、论文、设计方法、会议记录、聊天历史这些长段上下文信息，可以让Lalabot帮助摘要总结这些内容，提取输入内容的核心内容和重要结论，以便能够快速了解内容的主题、目的和汇总。

用户可以在悟空平台上将构建好的AI应用一键发布到Lalabot上，打造专属的AI Agent，这些Agent能够帮助用户从处理简单问题导致行复杂的对话逻辑。而更棒的是，用户可以将自己发布的定制Agent分享和公开，让其他用户一起使用。

Lalabot的写作代理，只需要用户提供少量输入，明确用户写作的主题方向，即可为用户生成文章标题和大纲，一旦达成一致，写作代理将内置搜索相关文献资料，起草用户文章，最终呈现给用户一篇可用的文章。

由人工智能驱动的搜索辅助，用户只需输入自己的问题，AI将其进行分析，使用多个相关搜索关键词，并总结各种结果条目，以找到用户问题的答案，并提供相关的提示词去帮助用户收集更深入的信息。

Lalabot的绘图代理，只需要用户输入需要绘制的简短描述，绘图代理会智能理解和扩充用户输入的描述，最终生成待绘制图片的详细文字描述并和用户达成一致，最终呈现给用户绘制好的图片。