Paradigm 利用 LangChain 和 LangSmith 制作先进的 AI 驱动电子表格

Paradigm (YC24) 正在通过整合人工智能 (AI) 来创建通用智能电子表格，从而彻底改变传统电子表格。据 LangChain 博客称，这款创新工具可以协调一群 AI 代理来收集数据、构建数据并以人类级别的精度执行任务。

使用 LangChain 构建 AI 驱动的电子表格以实现快速迭代

为了实现其雄心勃勃的目标，Paradigm 集成了 LangChain 的产品套件来构建和生产其智能电子表格。具体来说，LangSmith 提供了有关其代理思维过程和大型语言模型 (LLM) 使用情况的关键运营见解和情境感知。这使得 Paradigm 能够优化产品性能和定价模型，同时保持较低的计算成本。

Paradigm 的智能电子表格部署了许多特定任务的代理来处理数据，所有这些代理均由 LangChain 提供支持。除了数据生成之外，Paradigm 还在其产品中使用由 LangChain 提供支持的微代理来执行各种小任务。例如，Paradigm 使用 LangChain 开发了几个专门的代理：

• 架构代理： 生成列和列提示来指导电子表格代理进行数据收集。
• 片材命名剂： 根据提供的提示和工作表中的数据自动命名每个工作表。
• 方案代理： 将代理的任务组织成几个阶段，允许并行化研究任务，从而减少延迟而不牺牲准确性。
• 代理商联系方式： 从非结构化数据中查找联系信息。

LangChain 促进了这些代理的快速迭代周期，使 Paradigm 能够在将其部署到生产环境之前完善温度设置、模型选择和快速优化等元素。这些代理还利用 LangChain 的抽象来使用结构化输出以正确的模式生成信息。

在 LangSmith 中进行监控以获得运营洞察

Paradigm 的 AI 电子表格旨在处理大量数据处理任务，用户可以触发数百或数千个单独的代理以每个单元为单位执行任务。这些操作非常复杂，因此需要一个复杂的系统来监控和优化代理性能。LangSmith 在提供代理思维过程和 LLM 使用情况的完整背景信息方面发挥了重要作用。

这种精细的洞察水平使 Paradigm 团队能够跟踪代理的执行流程（包括令牌使用情况和成功率），并分析和改进用于生成列的依赖关系系统。通过优先处理需要较少背景信息的任务，然后再处理更复杂的作业，可以提高数据质量。例如，团队可以更改依赖关系系统的结构，重新运行相同的电子表格作业，并使用 LangSmith 评估哪个系统可以产生最清晰、最简洁的代理跟踪。

使用 LangSmith 优化基于使用情况的定价

LangSmith 的监控功能还使 Paradigm 能够执行和实施基于使用量的精确定价模型。LangSmith 提供了有关其代理操作的完美背景信息，包括所利用的特定工具、执行顺序以及每一步的代币使用情况。这使他们能够准确计算不同任务的成本。

例如，与候选人评级或投资备忘录等更复杂的输出相比，涉及简单数据（如姓名或链接）的任务成本更低。同样，检索私人数据（如筹款信息）比抓取公共数据更耗费资源。这证明了需要一个细致入微的定价模型的必要性，允许 Paradigm 支持不同类型的任务和不同的成本。通过深入了解他们的历史工具使用情况和每个作业的输入/输出令牌，他们可以更好地了解如何塑造未来的定价和工具结构。

结论

借助 LangSmith 和 LangChain，Paradigm 为其集成 AI 的工作区和智能代理电子表格解锁了各种数据处理任务。通过快速迭代、优化和运营洞察，Paradigm 为其用户提供了高性能、以用户为中心的产品。

图片来源：Shutterstock