贝塔斯曼是世界上最大的媒体公司之一，创作了我们这个时代最具影响力的内容。从出版巴拉克·奥巴马和哈里王子畅销的自传以及普利策获奖小说，到制作《可怜的东西》和《年轻的教皇》等荣获艾美奖和奥斯卡奖的影视作品，该公司的创意团队遍布数十个品牌和平台，触达全球数百万受众。
但如此庞大的规模也带来了挑战：当贝塔斯曼的创意人员或研究人员提出一个看似简单的问题，比如“我们有哪些关于巴拉克·奥巴马的内容？”，答案可能会分散在数十个不同的系统、数据库和平台中。
内部的“贝塔斯曼内容搜索”改变了这一点。该系统由贝塔斯曼人工智能中心团队使用 LangGraph 构建，是一个多代理系统，已从早期原型发展为全面投入生产。它现在为公司范围内的内容搜索和发现提供支持，赋能整个组织的创造力。
挑战：统一搜索跨越媒体帝国
贝塔斯曼的创意团队面临着独特的内部挑战：驾驭一个庞大、分散的内容生态系统。在其各个部门，公司会制作和管理
- 书籍和有声读物
- 电视剧、电影和纪录片
- 新闻档案和新闻内容
- 第三方评论和网络趋势
贝塔斯曼的每个部门都在自己的系统、数据库和内容工作流程内运行。因此，如果制片人想了解围绕一个热门话题存在哪些内容，或者营销团队需要识别跨平台机会，他们就需要确切地知道该去哪里寻找，并需要访问每个相关系统。
这种碎片化导致了机会的错失、研究工作的重复，以及创意团队花费更多时间搜索信息而非创作。
解决方案：多代理内容发现
“贝塔斯曼内容搜索”采用了一种根本不同的方法。与其将所有数据集中到一个单一系统中——考虑到贝塔斯曼广泛的投资组合，这是一项艰巨的任务——该团队构建了一个多代理系统，该系统可以协调对现有平台和数据源的搜索。
工作原理如下：
自然语言界面：用户可以用自然语言提问，例如：“我们有哪些关于可再生能源的纪录片？”或“显示与新兴电子音乐艺术家相关的内容。”
智能路由：在后台，一个路由器会分析每个查询，并确定应该由哪些专用代理来处理搜索。一个代理可能会查询纪录片档案，另一个代理搜索相关图书目录，而第三个代理则检查内部新闻档案以获取新闻报道。
专用领域代理：每个代理都是为特定领域量身定制的——了解该系统特有的元数据、搜索模式和内容类型。
统一响应生成：单个代理的响应会被合成为一个单一的、连贯的答案。
灵活的代理部署：借助 LangGraph 的灵活架构，代理可以直接部署在拥有数据的系统中。例如，一个搜索专有新闻档案的代理可以作为一个独立的 API 部署，内部团队可以直接集成到他们现有的系统中。这意味着各部门可以在自己的平台内获得增强的代理搜索能力，同时更广泛的组织可以通过统一系统受益于跨平台搜索。
架构内部
“贝塔斯曼内容搜索”的核心是基于 LangGraph 的多代理架构，它在生产环境中协调复杂的跨领域内容发现。工作原理如下：
通过协调器进行智能查询路由
系统始于一个协调代理，它会分析用户问题并将其发送给相应的代理。这不仅仅是简单的关键词匹配——路由器会理解上下文、意图和领域相关性，以确保查询能够到达最合适的专家。
并行化的领域专业代理
这些查询然后被发送到一个中心化的并行节点，触发每个特定内容领域的相关代理。例如：
- 出版代理：搜索目录，了解图书元数据、作者信息和出版时间表。
- 广播代理：查询档案，了解节目格式、播出日期和内容分类。
- 新闻代理：浏览新闻档案，了解文章元数据、出版日期和内容分类。
- 网络情报代理：监控外部趋势和评论，提供贝塔斯曼自有内容之外的背景信息。
LangGraph 帮助贝塔斯曼以多种方式访问这些多样化的数据源。代理与以下系统进行了交互：
- 向量数据库（例如 Qdrant），用于快速语义搜索
- API，用于结构化查询。
- 图数据库，用于基于关系的查找
- 自定义工具，用于简化复杂交互并提高可靠性
响应综合
最后一层将各个代理的响应整合成连贯、可操作的见解。系统会理解不同内容类型之间的关系，并能识别跨平台的机会。用户还可以通过直接与单个代理聊天来深入了解任何内容。
通过模块化 API 提升代理使用效率
LangGraph 最强大的功能之一在于其能够轻松地将单个代理部署为独立的 API，这非常适合贝塔斯曼的用例。这种架构灵活性使团队能够直接为拥有底层数据源的部门提供与其跨平台搜索相同的代理。例如，各部门可以将他们的专业新闻代理直接集成到其内容管理系统中，同时保持这些代理对更广泛的统一搜索平台的可用性。
因此，多代理系统可以一石二鸟：业务部门可以采用并使用部署在“内容搜索”中的数据源的智能代理搜索。他们可以使用这些代理来帮助自己的团队，并将它们直接集成到人们的工作流程中，例如在新闻档案 UI 中。
选择 LangGraph 的原因：先行者，至今仍是最先进的
贝塔斯曼人工智能中心团队在 LangGraph 发布的第一周就开始合作——那是在 2024 年，当时“代理”远非如今的热门词汇。这种早期采用被证明至关重要，他们的多代理系统如今已投入生产。
“我们在 2023 年底开始探索多代理方法，以增强创意发现，”贝塔斯曼数据服务数据科学主管 Moritz Glauner 表示。“最初只是一个探索早期代理技术潜力的试点项目，但鉴于 LangGraph 和代理技术所展现出的可能性，它已经发展成为一个成熟的内部产品开发项目，”贝塔斯曼人工智能中心负责人 Carsten Mönning 补充道。“回顾过去，我们开始研究市场上许多当时的研究框架，”贝塔斯曼人工智能中心机器学习主管 Lion Schulz 指出。“我们很快意识到 LangGraph 正是我们要找的，因为它为我们的生产系统提供了可靠性和可预测性——因此我们决定在此基础上构建我们的多代理系统，并且从未后悔。”
特别是，贝塔斯曼团队受益于 LangGraph 及其
- 模块化设计：基于节点的架构使团队能够为每个内容领域构建专用代理，同时保持组件之间的清晰接口。
- 生产级基础设施：LangChain 生态系统的成熟提供了将系统从原型提升到生产所需的可见性和调试功能，并大规模维护复杂的、多代理系统。
- 可扩展的编排：随着贝塔斯曼的内容宇宙不断扩大，该系统可以轻松地适应新的代理和数据源，而无需进行架构更改。
影响：规模化赋能创意
基于 LangGraph 构建的“贝塔斯曼内容搜索”改变了创意团队在整个组织中查找信息的方式：
更快的內容发现：过去需要花费 **数小时** 在多个系统之间搜索的内容，现在只需 **几秒钟** 即可完成。创意团队花费更少的时间查找信息，而将更多时间用于创作。
跨平台洞察：该系统揭示了在孤立地搜索单个系统时可能错失的联系和机会。纪录片制片人可能会发现可能为其研究提供信息的相关书籍，或者图书编辑可能会从新闻档案中获得灵感。
民主化的访问：团队不再需要知道哪个系统包含什么信息，或者需要访问每个数据库。“统一界面”使授权用户能够访问整个贝塔斯曼的内容宇宙。
增强的协作：通过展示跨部门的内容，该系统鼓励协作并识别跨品牌合作的机会。
结果是形成了一个更敏捷、更具信息化的创意组织，该组织能够快速响应趋势和机会，同时最大限度地利用贝塔斯曼庞大的内容组合。
展望未来：代理内容系统的未来
“贝塔斯曼内容搜索”不仅仅是一个成功的部署——它是媒体和创意产业中人工智能未来的一个证明。通过早期采用 LangGraph 并从第一天起就专注于生产可靠性，该团队构建了一个能够随着组织需求不断发展的系统。
随着多代理系统越来越主流，“贝塔斯曼内容搜索”成为了前沿技术与周密工程和现实世界创意需求相结合的可能性的一个典范。甚至在“内容搜索”之外，贝塔斯曼人工智能中心团队现在也在其代理开发中使用 LangGraph，例如支持构思或故事板创作。