在物流行業(yè)日益智能化的時(shí)代，AI技術(shù)的創(chuàng)新正為企業(yè)帶來深遠(yuǎn)影響。本篇文章將聚焦于貨拉拉的“悟空”平臺(tái)，深入探討其在物流AI智能化中的實(shí)際應(yīng)用與成果。通過案例分析與數(shù)據(jù)支持，我們一同揭開這一智能化平臺(tái)背后的奧秘，并展望未來的發(fā)展趨勢(shì)。

貨拉拉認(rèn)為，凡是能夠保住業(yè)務(wù)提升效率的AI應(yīng)用，均可稱之為AI助理，同時(shí)，貨拉拉的AI助理應(yīng)用范圍廣泛，覆蓋了14個(gè)場(chǎng)景，涵蓋了48個(gè)真實(shí)業(yè)務(wù)需求進(jìn)行AI助理的探索，并追求“簡(jiǎn)單直接、真實(shí)細(xì)致”的應(yīng)用效果。

為了應(yīng)對(duì)多樣化需求的挑戰(zhàn)，同時(shí)減少重復(fù)開發(fā)工作，貨拉拉自研了大模型應(yīng)用平臺(tái)——悟空平臺(tái)，依托于大模型為核心元能力引擎，采用低代碼和零代碼兩種開發(fā)方式，結(jié)合AI Agent 相關(guān)思路和技術(shù)，提供多樣化的超級(jí)交互入口，最終為貨拉拉多元化的場(chǎng)景提供了高效、便捷、穩(wěn)定、可視化的大模型應(yīng)用開發(fā)SOP。

悟空平臺(tái)核心優(yōu)勢(shì)在于可以靈活應(yīng)用大模型，支持直接或間接調(diào)用大模型進(jìn)行開發(fā)。無論是直接調(diào)用大模型，還是構(gòu)建Chain或Agent，悟空平臺(tái)都能勝任，此外，該平臺(tái)數(shù)據(jù)安全方面表現(xiàn)優(yōu)異，確保沒有數(shù)據(jù)外傳的風(fēng)險(xiǎn)，并可以根據(jù)需求進(jìn)行定制化開發(fā)，同時(shí)支持高效的業(yè)務(wù)落地。

貨拉拉大模型應(yīng)用開發(fā)體系層級(jí)

貨拉拉一站式AI應(yīng)用開發(fā)平臺(tái)：悟空

貨拉拉悟空大模型AI應(yīng)用的五個(gè)思考

思考1：隨著大模型應(yīng)用日益廣泛，最常見的問題是大模型是否真的能解決專業(yè)問題？

實(shí)踐：專業(yè)助手

• Lone容器問題排查助手
• 漏斗原理攻擊于自動(dòng)識(shí)別助手
• SIEM準(zhǔn)實(shí)時(shí)異常行為檢測(cè)助手

總結(jié)：大模型知道的遠(yuǎn)比我們想象的多，通過prompt和大模型結(jié)合就可以解決這些專業(yè)問題，其中高質(zhì)量的prompt是關(guān)鍵，可以讓大模型更好地理解并提取有效的信息。

思考2：大模型除了能解決專業(yè)問題，能否實(shí)現(xiàn)基于文檔或已有知識(shí)庫(kù)進(jìn)行AI問答？

實(shí)踐：AI問答助手

• 業(yè)務(wù)精準(zhǔn)問答
• 綜合問答
• 閑聊/專業(yè)問答

總結(jié)：“業(yè)務(wù)知識(shí)庫(kù)+RAG+LLM”的標(biāo)準(zhǔn)范式，可以解決無標(biāo)準(zhǔn)答案的問題，但“助手分類+個(gè)性化RAG+prompt針對(duì)性優(yōu)化”可實(shí)現(xiàn)“精準(zhǔn)問答”業(yè)務(wù)精確率90%+。

思考3：大模型能解決專業(yè)問題，能做AI問答，那能處理數(shù)據(jù)并生成報(bào)告么？

實(shí)踐：周報(bào)生成助手

• 數(shù)據(jù)獲取&理解
• 數(shù)據(jù)分析
• 寫碼&畫圖

總結(jié)：搭建周報(bào)Agent，做到有數(shù)（連接數(shù)據(jù)庫(kù)、獲取真實(shí)數(shù)據(jù)）、有圖（結(jié)合Code Interpreter 工具）、有結(jié)論（結(jié)合LLM能分析、會(huì)總結(jié)），并結(jié)合零代碼平臺(tái)，實(shí)現(xiàn)快速?gòu)?fù)用。

思考4:在前述功能的基礎(chǔ)上，用戶問能否處理多模態(tài)信息，做多模態(tài)的AI助手？

實(shí)踐：多模態(tài)AI助手

• 多模態(tài)圖片理解
• 表格信息提取&生成
• 語(yǔ)音培訓(xùn)對(duì)練助手

總結(jié)：“工具+LLM+多模態(tài)綜合理解”組合可以提升AI助手回復(fù)的精確率，如車險(xiǎn)報(bào)價(jià)方案生成助手，首先用OCR提取信息，然后對(duì)數(shù)據(jù)進(jìn)行脫密處理，再用大模型提取信息，最后結(jié)合多模態(tài)綜合理解生成最終報(bào)價(jià)方案，進(jìn)一步提升業(yè)務(wù)準(zhǔn)確率。

思考5：前幾個(gè)階段基本都是通過單一Agent或功能性模塊實(shí)現(xiàn)的。隨著業(yè)務(wù)需求的發(fā)展，用戶希望多個(gè)場(chǎng)景的問題能夠融合，提供一個(gè)綜合的結(jié)局方案。

實(shí)踐：Multi-agent助手

• 多輪對(duì)話，信息收集
• 單場(chǎng)景精準(zhǔn)問答
• 多場(chǎng)景agent綜合搭建

總結(jié)：貨拉拉探索了多場(chǎng)景融合的合作型multi-agent助手，在IT助手場(chǎng)景，針對(duì)各業(yè)務(wù)場(chǎng)景搭建獨(dú)立的agent聚焦各自場(chǎng)景問題問答，并通過多agent協(xié)同的工作方式，來更高效地應(yīng)對(duì)復(fù)雜的業(yè)務(wù)需求，提供全面的解決方案。

貨拉拉悟空大模型AI應(yīng)用之選車助手

利用人工智能技術(shù)，為客戶提供交互式服務(wù)的智能客服系統(tǒng)，主要目的是提高客戶服務(wù)效率和質(zhì)量，同時(shí)降低企業(yè)的運(yùn)營(yíng)成本。

用戶在使用選車助手的過程中，一般不只會(huì)根據(jù)引導(dǎo)來進(jìn)行答復(fù)，還會(huì)在溝通過程中詢問其他信息。如何通過流程引導(dǎo)，將對(duì)話主動(dòng)拉回到主流程是貨拉拉需要解決的重要問題，此外，用戶需要運(yùn)送的貨物多種多樣，對(duì)于貨物信息的表達(dá)方式也多種多樣，導(dǎo)致語(yǔ)義難以理解，這也加大了解決問題的難度。

大模型的理解能力、生成能力、跨語(yǔ)言能力，對(duì)解決以上問題有顯著的效果，同時(shí)使用單一智能體難以完成復(fù)雜的任務(wù)，因此使用NLG Agent和NLU Agent兩個(gè)智能體，NLG Agent負(fù)責(zé)問題回答、工具調(diào)用、流程引導(dǎo)，NLU Agent 負(fù)責(zé)對(duì)貨物信息進(jìn)行提取。

LIM-based Multi-Agent 框架

貨拉拉悟空大模型AI應(yīng)用之員工助手 Lalabot

Lalabot是為貨拉拉企業(yè)內(nèi)所用員工打造的一款先進(jìn)的AI助手，底層依托于悟空平臺(tái)和大模型，支持瀏覽器插件、手機(jī)小程序、PC Web等多端應(yīng)用，Lalabot集聊天、寫作、AI繪圖、圖生文、定制化Agent幾大功能于一身，助力貨拉拉企業(yè)內(nèi)員工高效、便捷的工作。

面對(duì)長(zhǎng)網(wǎng)頁(yè)、論文、設(shè)計(jì)方法、會(huì)議記錄、聊天歷史這些長(zhǎng)段上下文信息，可以讓Lalabot幫助摘要總結(jié)這些內(nèi)容，提取輸入內(nèi)容的核心內(nèi)容和重要結(jié)論，以便能夠快速了解內(nèi)容的主題、目的和匯總。

用戶可以在悟空平臺(tái)上將構(gòu)建好的AI應(yīng)用一鍵發(fā)布到Lalabot上，打造專屬的AI Agent，這些Agent能夠幫助用戶從處理簡(jiǎn)單問題導(dǎo)致行復(fù)雜的對(duì)話邏輯。而更棒的是，用戶可以將自己發(fā)布的定制Agent分享和公開，讓其他用戶一起使用。

Lalabot的寫作代理，只需要用戶提供少量輸入，明確用戶寫作的主題方向，即可為用戶生成文章標(biāo)題和大綱，一旦達(dá)成一致，寫作代理將內(nèi)置搜索相關(guān)文獻(xiàn)資料，起草用戶文章，最終呈現(xiàn)給用戶一篇可用的文章。

由人工智能驅(qū)動(dòng)的搜索輔助，用戶只需輸入自己的問題，AI將其進(jìn)行分析，使用多個(gè)相關(guān)搜索關(guān)鍵詞，并總結(jié)各種結(jié)果條目，以找到用戶問題的答案，并提供相關(guān)的提示詞去幫助用戶收集更深入的信息。

Lalabot的繪圖代理，只需要用戶輸入需要繪制的簡(jiǎn)短描述，繪圖代理會(huì)智能理解和擴(kuò)充用戶輸入的描述，最終生成待繪制圖片的詳細(xì)文字描述并和用戶達(dá)成一致，最終呈現(xiàn)給用戶繪制好的圖片。