Rippling 如何在 6 个月内借助 Deep Agents 和 LangSmith 构建生产级 AI (opens in new tab)

📌 One-Sentence Summary Rippling 使用 LangChain Deep Agents 和 LangSmith，在 6 个月内构建了一个生产级的多智能体 AI 系统，解决了跨数千张表的庞大本体进行跨领域推理的难题。 📝 Summary 本文详细介绍了劳动力管理平台 Rippling 如何在短短 6 个月内，为数百万用户构建并部署了 Rippling AI。核心挑战在于创建一个 AI 推理层，使其能够跨 HR、IT、薪资、财务和全球运营等领域的庞大复杂本体进行推理，该本体包含数千张表和大量重叠的实体名称。解决方案是基于 LangChain Deep Agents 的多智能体架构，由一个监督智能体协调专门的读取、RAG 和操作智能体。关键技术创新包括：通过中间件动态注入技能，将上下文大小减少 100-500 倍；使用代码执行实现可靠的写入操作；以及基于 REPL 的变量固定系统，防止对长 ID 产生幻觉。团队使用 LangSmith 进行生产可观测性、追踪，并构建了一个半自动化的自愈评估循环，该循环会拉取失败的追踪、提出修复方案并运行评估，直到回归问题被解决...