اختصرت Lyft تطوير عملاء الذكاء الاصطناعي من أشهر إلى أسابيع مع LangGraph و LangSmith

أنشأت Lyft منصة ذاتية الخدمة لتطوير وكلاء ذكاء اصطناعي يساعدون في دعم العملاء. باستخدام أدوات LangGraph و LangSmith، قللت الشركة وقت تطوير الوكيل من عدة أشهر إلى عدة أسابيع، مما جعل الابتكار في مجال الذكاء الاصطناعي في متناول جميع المهندسين، وليس فقط مجموعة ضيقة من متخصصي التعلم الآلي.

المشكلة: التطوير كان اختناقاً سابقاً، كان إنشاء وكيل ذكاء اصطناعي واحد لشركة

Lyft يتطلب عدة أشهر من عمل فريق متخصص. كان يتطلب معرفة عميقة بالتعلم الآلي والتكامل مع أنظمة Lyft وإعداد المراقبة والتحسين المستمر. جعل هذا العملية مكلفة وبطيئة — فكرة جديدة من الفرضية إلى الإنتاج تستغرق ربع سنة أو اثنين. تخدم الشركة ملايين الرحلات يومياً، والدعم العملاء عبارة عن حجم عمل ضخم. كل إجابة خاطئة من روبوت الدردشة يمكن أن تؤدي إلى عميل غير راضٍ أو عبء إضافي على فريق الدعم. أدركت الفريق أنه إذا تمكنت من تمكين المطورين من إنشاء واختبار الوكلاء بشكل مستقل، فستكون المكاسب في السرعة والجودة كبيرة. لكن لذلك، احتاجوا إلى الأدوات الصحيحة لجعل التطوير حدسياً.

الحل:

LangGraph للمنطق، LangSmith للرؤية اختارت Lyft LangGraph لتنسيق منطق الوكيل و LangSmith للمراقبة والتصحيح والاختبار. يسمح LangGraph بوصف سير عمل الوكيل كرسم بياني: العقد عبارة عن خطوات فردية (البحث عن المعلومات في قاعدة بيانات، إنشاء إجابة، التحقق من الملاءمة، تحويلها إلى متخصص)، والحواف عبارة عن انتقالات مشروطة بينها. هذا أكثر حدساً للمهندس من مجموعة من وحدات الاستدعاء والكود غير المتزامن.

يضيف LangSmith رؤية العملية: تسجيل جميع الخطوات، مقاييس الجودة، اختبار A/B للأوامر، تتبع الأخطاء السريع. يمكن للفريق أن يرى على الفور أين ارتبك الوكيل وأي أمر لم ينجح وإصلاحه على الطاير بدون إعادة تطوير. هذا حاسم لأنه عند العمل مع نماذج اللغة الكبيرة، غالباً ما تختبئ الأخطاء في تفاصيل الصياغة.

الميزات الرئيسية للمنصة: التكرار السريع على الأوامر والمنطق بدون إعادة تحميل الخدمة يبسط منهج الرسم البياني إضافة خطوات جديدة إلى سير العمل المراقبة المدمجة توفر أسابيع من التصحيح وتحليل السجلات قوالب جاهزة للمهام الشائعة (البحث والترتيب والتوجيه) ## النتيجة العملية: أسابيع بدلاً من أشهر بعد تطبيق المنصة، انخفض الوقت من الفكرة إلى الوكيل في الإنتاج من 8-12 أسبوعاً إلى 1-2 أسبوع. الآن يمكن لمدير المنتج أن يقترح فكرة، والمهندس يجمع سير عمل في LangGraph في يوم أو يومين، واختبره على بيانات حقيقية من خلال LangSmith، ينظر إلى المقاييس، والوكيل جاهز للإطلاق. انتقل العمل من التعلم الآلي العميق إلى تصميم المنطق، وهو ما يسهل الوصول إليه بالنسبة لمعظم الفريق.

أطلقت Lyft بالفعل عدة وكلاء على المنصة: من البسيطة (الإجابات التلقائية على الأسئلة الشائعة) إلى المعقدة (أنظمة الفرز التي تقرر أي متخصص يتم تحويلها إليه وتقيم الأولوية وتجد الوثائق ذات الصلة). يعمل كل منها بكمون أقل في الاستجابة وبدقة أفضل من الأنظمة القديمة المستندة إلى القواعد.

ما يعنيه هذا تصبح منصات الذكاء الاصطناعي أدوات ليس فقط لمهندسي التعلم

الآلي بل لفرق الهندسة بأكملها. عندما تكون الأدوات بسيطة التعلم والنتائج مرئية على الفور، تزداد سرعة اعتماد الذكاء الاصطناعي في الأعمال بعدة أضعاف. بالنسبة للشركات بحجم Lyft مع ملايين الاستفسارات يومياً، فهذا يعني التجريب السريع مع حلول ذكاء اصطناعي جديدة وقياس التأثير الفعلي وتوسيع نطاق الحلول التي تعمل.