据 LangChain 报道,总部位于英国的初创公司 Tradestack 成功在短短六周内推出了其最低可行产品(MVP),利用 LangGraph Cloud 提高了交易业务的效率。
问题:为交易业务创建报价
交易业务通常在生成项目报价时面临耗时的困扰。分析平面图、估算工作量和制作专业文件等任务可能需要耗费多达 10 小时的时间。Tradestack 将此识别为一个关键痛点,并致力于将创建报价所需的时间减少到 15 分钟以下。
MVP:用于自动报价的 WhatsApp 助手
Tradestack 的 MVP 主要集中于使用基于 WhatsApp 的助手来自动处理油漆和装饰项目的报价过程。LangGraph Cloud 使 Tradestack 能够设计认知架构,处理各种输入类型(语音、文本、图像、文件),同时保持客户报价的准确性和个性化。
鉴于 WhatsApp 的广泛应用,尤其是在非技术用户中,Tradestack 选择其作为主要界面。这要求可靠地处理各种输入,有时还需用户或专家的澄清。
挑战与解决方案
开发一个能够一致处理多种输入的 AI 代理系统是一个挑战。问题包括用户输入的多样性、用户的不同起点和终点,以及 LLM 节点在规划或路由上的不一致性。Tradestack 力求构建一个在功能、多样性和可靠性之间取得平衡的 MVP。
LangGraph 在克服这些挑战方面发挥了重要作用。Tradestack 使用 LangGraph 的直观框架来设计符合用户需求的推理和记忆流程。LangGraph Cloud 允许快速迭代,添加多模态输入以交付高质量输出。
使用 LangGraph Studio 快速迭代
Tradestack 通过个性化推理进行实验,按照用户偏好定制流程。通过利用配置变量,他们定制了认知架构中的指令和路径。这种灵活性使他们能够在输入模式和可靠性之间取得平衡。
使用 LangGraph Templates 和 LangGraph Studio,Tradestack 快速识别缺陷,迭代设计并提高性能。访问 LangGraph Studio 节省了两周的内部测试时间。
使用 LangGraph Cloud 部署
一旦 MVP 准备就绪,Tradestack 顺利通过 LangGraph Cloud 进行部署。该平台处理部署、监控和修订,使 Tradestack 能够专注于改进他们的 AI 代理。LangSmith 跟踪已集成,便于每次运行的审查和评估。
LangSmith 还帮助识别性能差距。通过设置节点级和端到端评价,Tradestack 在规划节点上实验不同模型,优化性能。
流媒体模式的用户体验考量
为了在 WhatsApp 上创建用户友好体验,Tradestack 控制向用户流传的信息量,使用 LangGraph 的灵活流媒体选项仅显示关键消息。一个聚合节点结合了各步骤的输出,在沟通中提供了一致的语调。
处理边缘案例的人类干预对满足用户需求而不影响体验至关重要。
结论
展望未来,Tradestack 计划深化与 LangSmith 的集成,以微调数据集并扩展其代理的功能。他们旨在探索语音代理的用户体验、代理训练模式以及与外部工具的进一步集成,确保其 AI 解决方案持续进化并为用户创造价值。
您可以了解更多关于 Tradestack 的使命以及如何开始使用 LangGraph Cloud。
Image source: Shutterstock