Harmonic 如何利用 Deep Agents 和 LangSmith 重建 Scout 并实现 4 倍留存

Harmonic 是一个为风险投资公司设计的初创企业研究平台，其 AI 助手 Scout 最初构建在 LangGraph 之上，使用组合子图和 LangSmith 评估节点。然而，这种架构在处理用户新需求时显得僵化，例如个性化外联草稿或抽象投资主题搜索。维护需要数百个评估，每个新功能都意味着新增子图。

为了突破限制，Harmonic 团队采用 Deep Agents 重新构建了 Scout V2。新架构极其简洁：一个前沿模型搭配两类工具——一类查询 Harmonic 的全球数据层（包含 4000 万公司、2 亿人和 23 万投资者），另一类访问公司特定上下文，如管道列表、CRM 笔记和过往邮件/领英连接。Deep Agents 原生管理长任务执行和上下文窗口，大幅降低了复杂度。

用户体验从搜索工具转变为可信赖顾问。用户可以将投资主题交给 Scout，让它推荐五家匹配公司；或者请求“我十分钟后见创始人，告诉我需要知道的一切”，Scout 会整合 CRM、邮件、领英和公司公开资料。团队设计原则是：用户所见即代理所知。例如，可视化功能源于用户请求市场地图时，Scout 返回了 SVG 代码，团队将其转化为原生特性——模型内联生成可视化，前端直接渲染，双方看到同一作品。公司搜索方面，Scout 将结果写入共享文件系统，代理可按需分页读取，确保模型能解答后续问题。

生产环境中，LangSmith Deployment 提供了持久的线程执行、可扩展部署和可观测性。团队构建了内部仪表盘显示完整对话痕迹，并使用 LangSmith MCP 与 AI 编码工具联动，形成自我改进循环。作为 LangSmith Engine 早期用户，他们还能自动识别故障模式并获得改进建议。

结果令人瞩目：Scout V2 的第一周到第四周用户留存率是 V1 的 4 倍，平均会话时长增长 10 倍。用户称 Scout “极其有用”、“像我的天堂”、“改变游戏规则”。一位早期阶段合伙人观察到，同行间“每个人的秘密武器都变成了 Scout”。

未来，Harmonic 计划将 Scout 扩展到创新、企业开发、人才招聘和销售团队，利用其独特的初创企业数据库回答任何相关问题。团队对其使命——为初创企业创造机会——依然充满热情。