在蓬勃发展的电子商务世界中,客户满意度可以成就或毁掉一个品牌,Minimal 正在利用 LangChain 生态系统来转变支持问题的处理方式。Minimal AI 智能体在各种电子商务商店中实现了 80% 以上的效率提升,同时提高了客户满意度。今年,Minimal 预计他们 90% 的客户支持工单将由他们的 AI 自主处理,只有 10% 会升级到人工客服。在下面,您将看到这家新的电子商务支持提供商如何构建了一个多智能体系统,该系统与流行的帮助台工具无缝集成,自动化客户互动,甚至执行订单管理任务——所有这些都同时保持对业务协议的严格控制。
概述:电子商务客户支持自动化
Minimal 专注于为电子商务企业自动化重复性和复杂的客户服务工作流程。虽然基本的支持工单 (T1) 很简单,但他们的核心优势在于通过与其客户的系统深度集成,可靠地解决复杂的 T2 和 T3 问题。该公司由机器学习工程师 Titus Ex 和航空航天工程专业毕业生 Niek Hogenboom 创立,已在荷兰电子商务市场迅速取得成功。他们与领先的支持平台(如 Zendesk、Front 和 Gorgias)集成,使用户可以在一个地方处理客户查询。
他们的 AI 系统以草稿模式(副驾驶)或完全自动化模式响应客户。当用户开启 AI 时,系统开始为收到的工单生成准确、上下文丰富的回复。除此之外,得益于与流行的电子商务服务的直接集成,它可以采取实际行动——例如取消订单或更新送货地址。
这种方法为电子商务运营商节省了时间和精力,他们依赖于对客户最紧迫问题的持续、准确的回复。

采用多智能体架构以实现可扩展性
一个核心的区别因素是他们的多智能体架构,分为三个主要智能体
- 规划代理:将每个收到的查询分解为子问题(例如,“退货政策”与“前端问题故障排除”)。与专门的研究代理沟通,这些研究代理执行相关文档或客户协议的检索和重新排序。
- 研究代理:通过搜索培训中心的知识库(如退货指南或运输规则)来处理每个子问题。汇总相关信息供规划代理使用。
- 工具调用代理:接收来自规划代理的最终“工具计划”。执行决定性操作,例如通过 Shopify 退款订单或更新地址记录。在一个地方整合日志,用于后处理和思维链验证。在这些代理收集所有子结果后,系统的最后一步是生成一份经过仔细推理的客户回复草稿——该草稿引用正确的协议,检查相关数据,并确保符合企业关于退款或退货的规则。
为何选择多智能体?
该团队发现,单体语言模型提示通常会混淆多个任务,导致错误和昂贵的使用成本。将任务分散到各个代理可以减少提示的复杂性,提高可靠性,并允许他们添加新的专业代理,而不会中断现有流程。
使用 LangSmith 进行测试和基准测试
在开发过程中,Minimal 团队使用 LangSmith 对他们的系统进行了广泛的测试。这使他们能够:
• 跟踪模型响应和随时间变化的性能。
• 并排运行不同提示的比较(少样本与零样本与思维链变体)。
• 记录每个子代理的输出,以捕获意外的推理循环或工具调用。
每当他们发现错误时——例如,对政策的误解或缺少步骤——他们都会在 LangSmith 的跟踪日志中创建新的测试,添加更多少样本示例,或进一步分解子问题。这种迭代过程帮助他们捕获异常并改进提示,而不会损失速度。
为何选择 LangChain 和 LangGraph
• 模块化: Minimal 团队赞赏 LangGraph(LangChain 生态系统的一个组件)被设计为一个模块化框架。这种结构使他们能够以灵活的方式有效地管理子代理,避免了缺乏自定义选项的笨重“功能齐全”方法的限制。通过利用模块化设计,团队可以定制功能,以更好地满足其特定需求和工作流程,从而提高他们在各种项目中的整体效率和适应性。这种程度的自定义使他们能够创新和优化他们的流程,而不会受到不必要的功能或限制的阻碍。
• 集成钩子: 系统的代码式设计使其可以轻松地为 Shopify、Monta Warehouse Management Services 和 Firmhouse for recurring ecommerce 添加专有连接器。
• 面向未来: 添加新代理或过渡到下一代 LLM 非常容易。他们可以简单地扩展子图以用于新任务,并将它们连接回规划代理。
结果和未来计划
这家初创公司已经从荷兰电子商务客户那里获得了收入,这些客户赞赏更快的工单解决速度和高级功能(如自动退款)。凭借一支规模虽小但不断壮大的团队,他们的目标是扩展到整个欧洲。
通过将多智能体工作流程与 LangChain 的生态系统(用于编排的 LangGraph、用于测试的 LangSmith 以及强大的电子商务集成)相结合,这家新的初创公司站在了自动化支持的最前沿。他们的愿景是使电子商务企业能够在保持对每个边缘情况的完全控制的同时,让 AI 处理繁重的工作,从而使公司能够无限扩展,而无需雇用额外的支持人员。