2024 年是 Agent 开始在生产环境中工作的一年。不是人们在 AutoGPT 中想象的那种范围广泛、完全自主的 Agent。而是更垂直、范围更窄、高度可控的 Agent，具有自定义的 认知架构。构建这些 Agent 仍然不容易，但完全有可能。
我们在 2024 年初推出了 LangGraph，作为对 Agent 框架的一种新尝试。结合从 LangChain 中吸取的经验教训，我们将 LangGraph 打造成一个非常底层、可控的 Agent 框架。没有隐藏的提示，没有模糊不清的“认知架构”。在推出后不久，我们看到 LangGraph 成为 Agent 的首选默认框架。
随着今年接近尾声，我们想重点介绍一些我们最喜欢的公司使用 LangGraph 构建 Agent 的案例。正如之前提到的，构建 Agent 仍然具有挑战性，但这些公司已经找到了方法。他们以各种形式分享了他们的经验教训，包括博客、案例研究、演讲和炉边对谈。我们希望通过传播他们的故事和经验，能够帮助在 2025 年构建出更多的 Agent。
荣誉提名
- Unify: 用于 GTM 账户资格认证的 Agent，以 o1 作为规划 Agent
- OpenRecovery: 一项创新且具有前瞻性的应用，尤其是在内存方面
- Rexera: 用户经历的“单 Agent -> 多 Agent 但不可控 (CrewAI) -> 可控多 Agent (LangGraph)” 旅程的绝佳示例
- Komodo Health: 很高兴看到 Agent 在医疗保健等高度监管的领域工作
- Airtop: Web Agent 是一个很大的领域，很高兴看到它们用于浏览器自动化
- Tradestack: 首个在 LangGraph 平台上推出的面向公众的 Agent
- Athena Intelligence: 我们所知的最先进的研究 Agent 平台之一
- GPT Researcher: 最先进的开源研究助手
#5: Uber
在 DPE 大会上，Uber 介绍了他们如何组建了一个专门的开发者平台 AI 团队，以及如何将 LangGraph 应用于其中。特别值得关注的是，他们如何利用 Agent 系统来解决大规模代码迁移的问题。
我们喜欢这个案例，因为它表明，尽管通用的代码 Agent 非常有用，但自行构建一些内部代码工具同样能带来巨大价值。这些工具可以执行那些只有您最清楚如何高效完成的工作流程。
#4: AppFolio
AppFolio 的 AI 驱动的副驾驶 Realm-X 已经每周为物业经理节省了 10 多个小时。Realm-X 提供了一个对话式界面，帮助用户了解业务状况、获取帮助，并批量执行操作，例如查询信息、发送消息或安排与住户、供应商、单元、账单或工单等相关的任务。
在他们的开发过程中，他们需要一个可控的 Agent 架构来实现这一目标，因此他们选择了 LangGraph。
#3: LinkedIn
LLM 的主要应用场景之一是使数据更易于所有人访问。LinkedIn 最近在内部推出了 AI 驱动的助手 SQL Bot。
这款内部工具可以将自然语言问题转换为 SQL 查询：它能找到正确的表，编写查询语句，修复错误，并使不同职能部门的员工能够在适当的权限下自主访问所需的数据洞察。
SQL Bot 的幕后是一个基于 LangChain 和 LangGraph 构建的多 Agent 系统。
#2: Elastic
Elastic 是我印象中首批推出 AI “Agent” 的公司之一。我们在 2024 年 1 月下旬，也就是年初时，报道了他们的 AI 助手。当时他们使用的是 LangChain，但随着功能的增加，他们迁移到了 LangGraph。
很高兴看到 AI 助手的持续发展！
#1: Replit
Replit 在今年秋季发布了他们的 Agent，并迅速获得了广泛应用。在与他们的交流中，他们强调了人机协作和多 Agent 架构，我们认为这两者对于未来的 Agent 至关重要。
我们曾多次与他们交流关于 Replit Agent 的事宜