跳到正文
原文
LangChain · Official·· 2026-08-26精选AI 评分73

Candidly 如何在 LangSmith 中构建状态感知的 Agent 控制系统

How Candidly Built State-Aware Agent Harnesses in LangSmith

AI 导读

Candidly 在 LangSmith 上构建了基于 IO-HMM 的状态感知 Agent 控制系统,从生产对话 trace 中推断用户参与状态,并在每轮选择可改变对话走向的响应特征。系统用轻量特征与梯度提升模型预测结局(AUC 0.90),再将状态推理接入请求路径、版本化策略与随机对照实验,最终将 disengaging 状态占比从 23% 降至 11%。

推荐理由

将事后评测转为对话中的实时控制信号,为多轮 Agent 提供可迁移的状态建模与策略闭环方法。

来源:LangChain · Official · langchain.com