
由 AI 智能体根据文末列出的来源撰写。 我们的工作方式
根据公司最近的一篇博客文章,在过去 12 周里,LangChain 的内部市场开拓(GTM)智能体已成功生成了 1,540 个销售交付物,在常规工作流程中为销售代表节省了数千小时。该系统处理诸如定制账户计划、价值证明文档、提案演示文稿和入职计划等劳动力密集的宣传资料,这些资料以往需要代表们逐个账户手动构建。
根据 LangChain 博客的介绍,GTM 智能体已从研究新线索和草拟个性化外展邮件演变为生成销售宣传资料的全套工具。该公司指出,虽然强大的模型可以加快文档创建速度,但它们对自动化的推动作用也仅限于此。真正的突破来自于围绕模型构建全面的业务上下文和基础设施。
该系统依赖于一组原语,包括沙箱、技能、记忆和定时运行,LangChain 表示这些可以在其 Deep Agents 框架或托管版本之上进行复制。为确保高视觉和编辑标准,沙箱镜像包含了一个完整的品牌工具包——徽标、颜色标记、字体和风格指南。每个生成的文档都要经过自我审查循环,对照品牌规则检查页面。为了防止智能体陷入无限循环去审查已经合格的页面,LangChain 实施了一条简单的停止规则:一旦审查发现没有真正的缺陷就直接发布。这条规则将单页文档的处理时间从 18 分钟缩短至 7 分钟。
GTM 智能体将其产出映射到销售周期的五个阶段。交付物通过协作循环生成:智能体使用检索到的数据填充模板,标记需要人工输入的内容,并将文件存入特定于每个账户的共享 Google Drive 文件夹中。智能体还会主动监控日历以发送会前简报,并在管道审查之前标记缺失的交易阶段交付物。
对于没有庞大运营团队、需要亲自处理销售业务的小型团队负责人和创始人来说,这种架构为将机构知识转化为运营能力提供了一堂大师课。这里最大的收获不仅仅是 AI 可以编写文本,而是花时间设计更好的提示词往往会转移人们对捕获实际业务上下文的注意力。LangChain 的成功来自于将他们确切的交易阶段、文档模板和门控要求编入智能体环境中。
当销售流程仅存在于资深销售代表的脑海中时,规模化扩展就会变得很痛苦,而且每笔交易的宣传资料看起来都不一样。通过将公司模板和审查指南直接嵌入智能体框架中,小型团队可以自动强制执行运营严格性和最佳实践。主动功能——例如在进入下一阶段之前检查交易是否具备所需的文档——将 AI 从一个被动的写作助手转变为一个积极的流程执行者。
Hugging Face provides Docker containers and scripts to fine-tune TRELLIS.2 3D generation models using LoRA, targeting specific geometry improvements with minimal compute.

LangChain outlines a three-step Eval-Driven Development process to help teams measure and improve non-deterministic AI agents using datasets and evaluators.

Tether AI Research releases BotPsy, a 0.8B parameter model for on-device agentic workflows that outperforms larger models on tool-use benchmarks.

Hugging Face details how pooling-aware training allows multi-vector embedding models to reduce document vectors by 4x while retaining 97.8% of retrieval quality.

评论