ServiceNow利用LangSmith的智能多代理系统提升客户成功

ServiceNow利用LangSmith的智能多代理系统提升客户成功 - Blockchain.News

据LangChain报道，领先的数字工作流平台ServiceNow正在通过利用LangSmith和LangGraph来推进其客户成功运营。该公司旨在通过开发一个全面的多代理系统来简化其内部销售和客户成功流程，从初始线索识别到售后增长，管理整个客户旅程。

应对代理分散问题

这一计划解决了代理分散的挑战，此前代理分散在不同的平台区域，没有统一的协调层。这种分散使得协调管理完整客户生命周期所需的复杂工作流程变得复杂。ServiceNow的解决方案包括构建一个可以管理从线索资格认证、交易结束到售后采纳、续订和客户倡导的多代理系统。

ServiceNow正在开发的智能代理系统涵盖了售前和售后工作流程。系统中的关键阶段包括线索资格认证、机会发现、经济购买者识别、入职、采纳跟踪、使用实现、续订和客户倡导。每个阶段都使用专业化的代理来有效地引导客户经理和客户成功经理满足客户的需求。

ServiceNow利用LangGraph进行复杂的多代理协调，采用映射-化简样式的图和子图调用构建模块化系统。这种架构允许高效的协调，因为监督代理会根据客户信号和生命周期阶段激活特定的子代理。LangGraph工具的集成使ServiceNow能够在其平台上创建一个强大的代理协调技术栈。

LangSmith提供了详细的追踪能力，通过提供对输入/输出、上下文和每一步代理协调的延迟的见解来增强代理开发。这些功能通过将跟踪数据结构化为每个节点的输入和输出来促进调试，使得更容易识别和纠正问题。

ServiceNow通过LangSmith实施了严格的评估框架，专门为其多代理系统量身定制。每个代理的具体任务定义了自定义得分器，使用LLM-as-a-judge评估器评估代理的响应。此策略包括自动数据集创建、人反馈整合和回归预防，确保代理的持续改进和有效性。

目前处于测试阶段，ServiceNow正在受控环境中评估代理性能，以优化其数据集和评估框架。公司计划继续收集真实用户数据，并利用LangSmith进行现场代理性能的持续监控。未来的发展包括使用多轮评估来评估代理在端到端用户交互中的性能。

通过整合LangSmith和LangGraph，ServiceNow有望显著提升其客户成功运营，创建一个支持整个客户旅程的精简智能系统。

Image source: Shutterstock