Workday 如何借助 LangGraph 和 LangSmith 构建企业级 AI 智能体平台

AI小蝌蚪AI 前沿📡 BestBlogs·AI高分精选⭐ 882026-11-11508 阅读💛 233 收藏
Workday 如何借助 LangGraph 和 LangSmith 构建企业级 AI 智能体平台

📌 One-Sentence Summary

Workday 使用 LangGraph 进行编排、LangSmith 进行追踪与评估,构建了企业级 AI 智能体平台;小团队在满足严格安全与治理要求的同时,实现了快速原型开发和生产部署。

📝 Summary

Workday 的智能体平台团队利用 LangGraph 编排智能体,并借助 LangSmith 实现追踪、可观测性和评估,从而构建了一个内部开发者平台,用于创建、部署和运行生产环境中的 AI 智能体。面对严格的安全和数据治理要求,这支由 4 人组成的团队创建了治理层(智能体系统记录),用于控制 API 访问;开发了 Python SDK(「Workday LangChain」),以抽象底层基础设施;并与 LLM 网关、RAG 检索等内部服务集成。LangGraph 的图模型提供了灵活的设计方式,同时由标准化基础设施处理后端复杂性。这将原型开发时间从 4-5 个月缩短至不到 1 天,让团队能够快速迭代并做好生产部署准备。如今,该平台已成为统一 Workday 内部 AI 服务的连接层;平台的成功也推动团队规模从 4 人扩大到 30 人。

💡 Main Points

LangGraph 的图式编排方式支持灵活设计智能体,同时抽象底层复杂性

Workday 选择 LangGraph,而非基于对话的平台,因为其图模型让工程师能够构建从简单的 ReAct 循环到复杂的确定性工作流等各种方案,而平台不会预先限定智能体架构;与此同时,LangChain 会自动处理后端对 A2A 和 MCP 协议的兼容。

LangSmith 为企业部署提供关键的追踪、可观测性和评估能力

Workday 使用 LangSmith 构建智能体追踪和评估基础设施。其内置的可观测性在满足审计与合规要求方面至关重要,同时也支持快速原型开发和生产部署。

该平台将原型开发时间从 4-5 个月缩短至不到 1 天,并推动团队从 4 人扩大至 30 人

Workday 将身份验证、安全和基础设施相关工作抽象到平台中,大幅缩短了原型开发时间并推动团队扩张,展现了该平台在治理要求严格的企业环境中的有效性。

💬 Key Quotes

我最喜欢 LangChain 的 Agent Server 和 LangSmith 的一点,就是它们有很多功能开箱即用。这正是因为他们对智能体开发进行了深入思考。

后端不是问题。LangChain 已经替我们处理好了。

得益于我们与 LangChain 合作的成功,以及我们取得的成果,团队规模已经扩大到原来的 3 倍以上。

📊 Article Meta

AI Screening: 88

Source: LangChain Blog

Author: Sofia Sulikowski

Category: 人工智能

Language: 英文

Read Time: 4 min

Word Count: 770

Tags:

AI 与智能应用 , 上下文工程 , 平台工程 , AI Agent , Agent编排

#AI 与智能应用# 上下文工程# 平台工程# AI Agent# Agent编排

文章评论(12)

陈皮话梅糖5 天前

很有价值的分享,感谢整理。

回复
空向阳5 天前

讲解得很细致,新手也能看懂。

回复
墨沐雨5 天前

看完了,收获满满,期待更多更新。

回复
雪影5 天前

看标题就点进来了,内容果然没让人失望。

回复
逐光而行5 天前

实测过类似工具,作者说的基本属实。

回复
南山客5 天前

刚好最近在找这方面的资料,太及时了。

回复
漾漾其华5 天前

刚好最近在找这方面的资料,太及时了。

回复
林拾贝5 天前

赞同,实践出真知。

回复
竹听风5 天前

很有价值的分享,感谢整理。

回复
郭超4 天前

实话,说的不明不白

回复
墨沐雨4 天前

刚好最近在找这方面的资料,太及时了。

回复
蓝归舟4 天前

这个比较实用,已转发给同事。

回复