Harmonic 如何利用 Deep Agents 和 LangSmith 重建 Scout 並實現 4 倍留存

Harmonic 是一個為風險投資公司設計的初創企業研究平臺，其 AI 助手 Scout 最初構建在 LangGraph 之上，使用組合子圖和 LangSmith 評估節點。然而，這種架構在處理使用者新需求時顯得僵化，例如個性化外聯草稿或抽象投資主題搜尋。維護需要數百個評估，每個新功能都意味著新增子圖。

為了突破限制，Harmonic 團隊採用 Deep Agents 重新構建了 Scout V2。新架構極其簡潔：一個前沿模型搭配兩類工具——一類查詢 Harmonic 的全球資料層（包含 4000 萬公司、2 億人和 23 萬投資者），另一類訪問公司特定上下文，如管道列表、CRM 筆記和過往郵件/領英連線。Deep Agents 原生管理長任務執行和上下文視窗，大幅降低了複雜度。

使用者體驗從搜尋工具轉變為可信賴顧問。使用者可以將投資主題交給 Scout，讓它推薦五家匹配公司；或者請求“我十分鐘後見創始人，告訴我需要知道的一切”，Scout 會整合 CRM、郵件、領英和公司公開資料。團隊設計原則是：使用者所見即代理所知。例如，視覺化功能源於使用者請求市場地圖時，Scout 返回了 SVG 程式碼，團隊將其轉化為原生特性——模型內聯生成視覺化，前端直接渲染，雙方看到同一作品。公司搜尋方面，Scout 將結果寫入共享檔案系統，代理可按需分頁讀取，確保模型能解答後續問題。

生產環境中，LangSmith Deployment 提供了持久的執行緒執行、可擴充套件部署和可觀測性。團隊構建了內部儀表盤顯示完整對話痕跡，並使用 LangSmith MCP 與 AI 編碼工具聯動，形成自我改進迴圈。作為 LangSmith Engine 早期使用者，他們還能自動識別故障模式並獲得改進建議。

結果令人矚目：Scout V2 的第一週到第四周使用者留存率是 V1 的 4 倍，平均會話時長增長 10 倍。使用者稱 Scout “極其有用”、“像我的天堂”、“改變遊戲規則”。一位早期階段合夥人觀察到，同行間“每個人的秘密武器都變成了 Scout”。

未來，Harmonic 計劃將 Scout 擴充套件到創新、企業開發、人才招聘和銷售團隊，利用其獨特的初創企業資料庫回答任何相關問題。團隊對其使命——為初創企業創造機會——依然充滿熱情。