Wink Pings

Agent用不顺,别急着换模型,LangChain说先建知识工厂

Agent 没用好,缺的可能不在模型,而在公司知识没有被收集和整理。LangChain 在实践中建了一个知识工厂:Agent 标记缺失、后台 curator 定期更新,形成一个越用越完整的循环。模型可以换,知识积累才是壁垒。

很多公司试了Agent,用着用着就扔了。LangChain的答案有点反常识:缺的可能不在模型,在公司自己的知识。

哪个指标怎么算、数据放在哪、报告什么格式,这些东西大多在老员工脑子里。Agent接任务时没有这些上下文,自然做不对。LangChain CEO Harrison Chase 在文章里把这个问题说得很直接:最有效率的员工脑子里有这些知识,但它是隐性的、零散的,有时只存在于某个人脑袋里,有时散落在各种文档里。

他们为此建了一个“知识工厂”(knowledge factory)。理念很简单:与其让Agent从零开始猜,不如把公司运作方式、操作标准、数据位置这些知识持续收集、整理,再喂给Agent。这个循环有三块:

  • Skills:完成任务的步骤和脚本,按公司要求的方式做事。
  • Domain knowledge:关于产品、客户、竞争对手、组织的事实和定义,不容易过期。
  • Data access guidance:数据在哪、怎么查,用哪套源。

关键在后面的机制,文档不用一开始就写全。LangChain 的做法是,让干活儿的Agent发现自己缺信息或发现信息错了,顺手标记出来;后台再放一个curator agent,定期看这些标记和对话记录,把缺的知识补进Skills和文档。Harrison 举了个例子:Agent 在做收入报告时发现 BigQuery 里有一列改名了,它自己找到正确列名并标记;财务负责人同步修了几个格式问题;当天晚上 curator 看完记录,把新列名和新格式要求更新进技能库。下次再跑,就顺了。

这个设计有一个明显好处:知识不用一次写全。Agent 越用,暴露的缺口越多,知识库越完整。模型换来换去差别不大,真正拉开差距的是积累下来的这些经验。有网友评价说,“循环是护城河,模型是租来的”,挺准。

但细节上还有坑。有网友在回复里分享了实践:subagent 不要直接改知识库,只把结果报告给 orchestrator,由 orchestrator 统一决定改什么。否则每个 Agent 都改一下,知识库很快变成一团乱麻。另一个网友提到,当两个 Agent 对同一条知识给出不同的修正,这往往说明知识本身存在歧义,未必是过期。如果 curator 半夜悄悄选了一个,等于掩盖了分歧,应该把这类冲突转给人类处理,单个标记可以自动合并。这两个建议值得写进方案里。

Harrison 在文章结尾点了一句:不用等所有知识都写全再让 Agent 开工。先建立系统,让干活的过程暴露知识缺口,补上之后,未来会做得更好。LangChain 已经在内部跑通了这个模式,并且开始跟客户落地。

看起来,Agent 能不能干活,瓶颈越来越不在模型,而在公司愿不愿意把自己的经验沉淀下来。

发布时间: 2026-11-22 09:33