LangChain 的知识工厂:把老员工脑子里的经验复制给 Agent
Harrison Chase 发长文拆解 LangChain 内部的知识工厂:三类知识、两个角色、一个收入报告闭环,让 agent 越用越顺手。评论区还追问了知识过期和权限控制的问题。
LangChain(做 AI agent 开发框架的那家公司)内部所有 AI agent 都在跑一个学习闭环。Harrison Chase,LangChain 的 CEO,在 11 月 22 日发了一篇长文,把这个闭环拆开讲了。文章标题是 How to build a knowledge factory。
Chase 的核心观点:AI 要真正在公司里干活,缺的往往不是更好模型,也不只是更多上下文。缺的是知识:公司怎么运转、操作标准是什么、数据在哪、怎么取。
最熟练的员工脑子里装着这些东西。他知道该问谁、数据在哪、为什么公司要这么做。但这些知识通常是隐性的,散落在文档和聊天记录里。agent 要做得好,同样需要这些知识。
Chase 把这套系统叫知识工厂(knowledge factory)。LangChain 内部已经在用:GTM(go-to-market)agent、内容 agent、LangSmith Engine(一个基于运行记录自动提修复建议的 agent),都有类似的学习闭环。
知识不是上下文
Chase 给了一个区分:上下文,是 agent 做任务时手头能拿到的信息。知识,是可复用的理解:某个指标是什么意思、哪个数据源可信、某类情况怎么处理。知识工厂把散落的文档和经验,变成以后能复用的上下文。
三类需要维护的知识
Skills:怎么干活。 公司要求的流程、脚本、规范。比如报告要按 LangChain 风格写。这类知识以前常常没写下来,靠同事之间口口相传。
Domain knowledge:业务怎么运转。 产品、客户、竞品、组织架构、指标定义。这类信息不太会频繁过期,但量大,写下来的经常不全或者过时。
Data access guidance:去哪拿最新数据。 数据落在哪个系统、用哪个源、怎么查。数据本身不需要复制一份维护,真正要维护的是访问它的指引。
工厂的两个角色
维护知识不能靠手工,太累。也不能让干活儿的 agent 直接改,会改出一堆矛盾。Chase 的安排是:
agent 在工作时,如果发现缺知识、或者知识是错的,用工具标记,最好带上修正建议。
curator agent(负责维护知识的管理员 agent)在后台定期跑,读标记、读 agent 的运行记录、读 Notion/Slack 这些原始来源,然后更新知识。相当于干活的人负责发现问题,curator 负责修改。
配图来自原推。
一个收入报告的例子
agent 要准备一份 revenue report。它需要 BigQuery(数据仓库)和 Salesforce(CRM 系统)里的原始数字作为上下文。还需要三类知识:写报告要用 LangChain 格式,ARR(年度经常性收入)怎么算,以及怎么取数。
第一步,agent 发现 BigQuery 里一个列名变了。它根据上下文推断出正确列名,然后用工具上报问题,附上建议。
第二步,报告写完后,财务负责人和 agent 一起改格式,比如要求所有 LangChain 文档用新页眉。
第三步,当晚 curator agent 看到标记,又查看 agent 的运行记录,发现它和财务负责人的对话。于是更新了两项技能:取数时用新列名,写报告时用新页眉。
第四步,财务负责人只提过一次要求,之后每份报告都自动使用新页眉。
对内容 agent 也一样:你在聊天里改了一版开头,当晚 curator 就会把这次修改写进写作技能。
Chase 在文章结尾说:目标不是一开始就把所有东西写成文档,而是建立一个系统,干活的过程会暴露缺什么知识,补上之后,下一次就更好。
评论区里的几个关键追问
有网友问:知识过期了谁来判定?闭环能不能只加不删?Chase 回:curator 应该能淘汰旧知识。
有网友问:怎么防止一个人的偏好变成公司政策?Chase 回:需要好的 curator。
有网友分享:他试过让子 agent 直接编辑知识,结果很快变得一团糟。他的做法是子 agent 只向 orchestrator(统一调度者)汇报,由 orchestrator 统一修改。这和 Chase 的 curator 设计是同一个思路。
还有一条评论说:这个学习闭环才是护城河,模型只是租来的。这个说法有点狠,但点出了知识工厂的价值:让 agent 越用越贴合公司的实际操作,而不是每次从零开始。
原始内容来自 Harrison Chase 的推文和文章:https://x.com/i/article/2124180107669766144
发布时间: 2026-11-23 05:10