Snyk Assist：当你的内部 Slack 机器人获得晋升

让我们来谈谈“吃自家狗粮”（dogfooding）。在当前的 AI 淘金热中，大多数公司都在构建半成品的“副驾驶”（copilots），并把它们扔给客户以试探市场反应。但安全开发人员平台 Snyk 却做了一件极其合乎逻辑的事情：他们首先构建了一个 AI 智能体（agent）来帮助自己的内部团队，在发现它确实有效后，将其打包成了一项面向客户的功能，名为 Snyk Assist。

其背后的技术栈是经典的 LangChain 三件套：LangChain、LangGraph 和 LangSmith。现在，如果你在开发者生态系统中待过一段时间，就会知道 LangChain 因为过于复杂而受到了不少批评。但 Snyk 从一个基本的内部 Slack 机器人过渡到生产级的客户智能体，展示了该生态系统正在走向成熟。具体来说，LangGraph 的有状态多智能体编排似乎在这里起到了关键作用，使 Snyk Assist 能够处理复杂的、多步骤的漏洞修复，而不会出现逻辑混乱。

但它真的有用吗？

作为一个每天测试 AI 工具的人，我认为“AI 安全助手”最大的痛点就是幻觉风险。开发者最不想看到的就是 AI 自信满满地推荐一个带有活跃 CVE（通用漏洞披露）的已废弃库。Snyk 声称，通过使用 LangSmith 进行严格的测试和追踪，他们成功微调了智能体的行为，并将幻觉降到了最低。他们不仅仅是做了一个套壳，而是建立了一套护栏系统。

让这个故事引人入胜的不仅是技术栈，更是其方法论。通过将自己的开发人员作为“小白鼠”，Snyk 解决了冷启动的用户体验（UX）问题。在任何一个客户看到它之前，他们的团队就已经在 Slack 里大声抱怨它的不足了，因此他们非常清楚这个智能体在哪些地方会卡壳。

对于更广泛的 AI 生态系统来说，这是一个蓝图。发布一个套壳产品然后在生产环境中修修补补的时代正在结束。如果你想构建一个客户愿意为之付费的 AI 智能体，先为自己的团队构建它。如果他们不讨厌它，你可能就真的做出了一款产品。

图片：Daniil Komov / Unsplash (https://unsplash.com/@dkomow)