Stripe 的 Kai 展示了深度代理如何加速 AI 生产力

Stripe 的 AI 平台团队仅用一周时间，利用 LangChain 开源的 Deep Agents 框架构建了全公司的知识 AI 平台 Kai，现已在超过 6 万次会话中被 83% 员工每周使用。

发生了什么

根据 LangChain 博客，Stripe 的知识 AI 平台（Kai）是一款可投入生产、始终在线的助手，可连接公司的数据仓库、Slack 和 Google 套件。得益于 Deep Agents 中间件，单个工程师在 一周 内构建了初始版本，该中间件提供了工具调用循环、流式传输和状态管理，否则需要数月才能完善。Kai 附带一套 基础技能，并根据用户画像加载额外的 分层技能（超过 1,000 项技能，由 100 多个团队 贡献），例如，销售运营用户看到的技能集与财务用户不同。

该平台目前服务 5,000+ 用户（四周内从 296 增至 5,000，增长 16 倍），并报告公司范围内 83% 的每周采纳率，其中 95% 的营销团队和 87% 的 GTM 团队在使用。用户启动聊天会话后，Kai 会迭代生成报告、仪表盘、文档等产物，这些产物与对话并存，实际上充当了“非工程师的编码代理”。

Deep Agents 解决了“非 Stripe 风格”的问题，使团队能够专注于“Stripe 风格”的挑战，正如 Sharadh Krishnamurthy 所述："你可以直接使用一堆现成的中间件。可组合的技能模式、复合后端提供了合适的结构，同时仍保持足够的灵活性。" 技能通过 allowedTools 列表动态加载；LLM 决定加载哪些工具，从而保持上下文大小可控。团队遇到了 1024 字符的前置材料限制，并注意到当系统提示中合并超过 150 项技能 时，质量会下降。

为什么对小型 AI 团队重要

对于小公司而言，这个案例证明生产级别的代理堆栈不必从零构建。通过采用像 Deep Agents 这样的开源框架，单个开发者即可在数天而非数月内原型出可用的助手，显著缩短 ROI。联邦技能模型让各产品或运营团队拥有自己的模块，减少瓶颈并保持核心代理轻量——这种方式无需庞大的工程组织即可扩展。此外，动态工具加载模式缓解了提示长度限制，这对任何希望向 LLM 暴露大量内部 API 的团队都是痛点。Stripe 的快速采纳指标（一个月内超过 5,000 名用户，83% 的每周使用率）表明，精心策划的技能库即使对非技术员工也能带来真实的生产力提升，任何小企业都可以效仿此模板。

本周该做什么

1. 启动 Deep Agents 沙盒：克隆 LangChain Deep Agents 仓库，运行入门模板，并使用简单的 OpenAI 模型验证工具调用循环是否工作。
2. 创建你的第一个技能：编写一个封装内部 API（例如销售报告端点）的 Python 模块，遵循 Deep Agents 技能接口，然后在代理的 allowedTools 列表中注册它。
3. 试点联邦技能所有者：指派团队成员维护新技能，搭建 CI 流水线进行代码检查和测试，并在共享的 markdown 文件中记录其使用方法，供全体成员参考。

来源

• How Stripe Built Kai on Deep Agents in 1 Week — LangChain Blog