Vizient 是医疗保健绩效改进领域的领导者，正在彻底改变医疗服务提供商访问和分析数据的方式。如今，许多医疗服务提供商依赖于分散的数据源，需要挖掘数据以产生关于患者护理的可操作的见解——这是一个漫长而繁琐的过程。Vizient 的 GenAI 平台使各种规模的系统都能够查询和统一孤立的数据集，从而推动供应链管理和临床结果方面的更好决策。
Vizient 的 GenAI 平台帮助回答诸如：“我的流动医疗投资有效吗？”或“我们是否正在提供最具成本效益的护理？”等问题，并获得即时、数据支持的答案。其目标是提高运营效率，并为资源有限的医疗机构普及数据分析——所有这些都同时保持其成员之间强大的信任和数据隐私。
使用 LangGraph 的可靠 AI 代理工作流程
在采用 LangGraph 之前，Vizient 的多代理系统面临着若干挑战。每个代理都旨在处理特定的任务，例如分析历史数据或生成可视化效果。然而，协调它们非常棘手。这些代理在孤岛中工作，导致响应不一致且缺乏可靠性。一些底层 API 工作流程还涉及管理每个调用数百个参数，使得维护和更新应用程序逻辑变得困难。
为了协调其多代理系统并确保其平台满足高可靠性标准，Vizient 选择 LangGraph 来编排其代理系统。借助 LangGraph 的图结构和完全描述性的原语，Vizient 的工程团队可以控制和规划其工作流程，并将代理应执行的步骤以编程方式表示为工具或节点，从而提高可靠性。如今，他们的分层代理结构（工作代理向主管代理报告）极大地简化了将请求路由到适当 API 的过程。
随着 Vizient 继续扩展和增强其 GenAI 平台，LangGraph 仍然是其战略的基石，使团队能够自信地适应和扩展其系统。
使用 LangSmith 进行 LLM 可观测性和提示管理
为了确保其 GenAI 平台平稳运行，Vizient 需要了解其性能的可视性。这就是 LangSmith 发挥作用的地方。通过利用 LangSmith 的跟踪功能，Vizient 的工程师可以快速查明和解决问题，即使在高风险的实时演示期间也是如此。例如，他们轻松地解决了由 Azure OpenAI 的内容过滤器和外部速率限制错误引起的问题。
LangSmith 的 Prompt Hub 也被证明是非常宝贵的。通过隔离提示逻辑，Vizient 的团队获得了轻松地对提示进行版本控制和迭代的灵活性——这是一种更加灵活的方法。随着 GenAI 开发团队数量的增长，将这种逻辑分离出来将有助于团队快速处理和迭代提示。
展望未来
Vizient 专注于改进评估，以确保输出的一致性和可信度。主要举措包括
- 评估跨数据领域的一致性： 使生成的答案与已建立的工具（如问答记分卡）保持一致。
- 快速数据导入：该团队旨在快速导入产品数据，以使用各种现有产品 API 和其他数据源来驱动其代理系统。
Vizient 正在构建一个变革性的 GenAI 平台，该平台赋能医疗服务提供商。它使即使是非专业人士也能够提出复杂的问题并获得可操作的见解，同时保持最高的信任度、安全性和创新标准。凭借 LangGraph 和 LangSmith 作为基础技术，Vizient 有望继续提高医疗保健绩效改进的标杆。