Harmonic 是初创公司发掘引擎，追踪公司成立和增长情况，同时为风险投资家（VC）提供有价值的见解和工作流工具。通过整合大量公共数据以及与风险投资生态系统参与者合作收集的私有数据，Harmonic 使用户能够根据各种标准发现初创公司，从而加强他们的发掘工作。利用 LangGraph 和 LangSmith，他们已经能够在大力投资的后续阶段取得进展。通过自动化的市场地图、研究报告和对话交互，风投现在可以借助 Hamonic 来挑选并赢得最佳交易，而不仅仅是发掘。

问题：发掘最令人兴奋的初创公司

对于风投和希望与新兴企业建立联系的公司来说，驾驭早期初创公司的复杂格局极具挑战性。历史上，Harmonic 拥有庞大的搜索索引和强大的搜索构建用户界面。对于用户来说，将数百个字段的过滤器结合起来以找到符合他们兴趣的初创公司，充其量是耗时的，最坏的情况下会阻碍他们找到最佳目标。

Harmonic 认识到需要实现更简单、更有效的搜索。通过在其海量数据之上实现自然语言搜索和优化功能，他们旨在显著减少用户查找最适合其投资理念的初创公司所需的时间。

LangGraph Studio 用于调试代理和模块化工作流

Harmonic 团队选择构建 LangGraph 是因为它提供的生态系统方法。这允许统一的堆栈，因此 Harmonic 可以将所有提示托管在 LangSmith 中，使用 LangChain 调用目标模型，并在 LangGraph 中构建可组合的工作流，节点直接链接到执行跟踪。

LangGraph Studio 证明是 Harmonic 开发过程中的游戏规则改变者。可视化工作室允许工程师跟踪状态，并直接链接到其代理工作流中每个节点的精确调用状态的任何 LLM，显著缩短了调试时间。

正如首席执行官 Max Ruderman 所指出的：“这个用户界面对于调试来说非常宝贵——我们不必重新运行每个节点，就可以直接检查任何点的图状态，进行更改，从该点重新运行，并观察差异。或者在 Playground 中打开该执行，其中包含来自执行时的所有上下文，这样您就可以立即尝试不同的模型或指令。”

LangGraph 的模块化框架使 Harmonic 能够快速将代理工作流引入其产品的其他部分。例如，由于独立的流程被模块化为子图，他们能够几乎零成本地将“研究代理”（本质上是更复杂流程的子组件）引入其平台上的每个公司资料。这为投资者节省了数小时的筛选、评估和尽职调查时间，使他们能够准备好参加每一次创始人会议。

通过使用 LLM 将 Harmonic 的数百万个初创公司数据点与实时网络数据相结合，Harmonic 希望能够提升他们为早期公司提供的见解和增长信号。但在 LangGraph 之前，构建一个可靠的实时研究流程，用于初创公司人才流动、市场映射和媒体活动，被证明是一项繁琐的任务。没有可组合开发和图形可视化的框架，调整运行是一个缓慢的、反复的试错过程。切换到 LangGraph 帮助团队获得了信心，即多位工程师可以快速协作构建这些工作流，而不会引入回归。

Harmonic 还利用 LangGraph 的功能来快速开发子图，以优化用户意图和结构化搜索查询。这使他们能够创建一个复杂的搜索代理，能够执行复杂的查询，例如：“给我展示旧金山或纽约的 AI 公司，它们在去年从顶级投资者那里获得了融资，并且与我的团队中的某个人有联系，但一年内团队中的没有人与他们联系过。”

现在，投资者只需描述他们正在寻找的内容——无论是问题领域、行业、应该存在的产品，还是特定的创始人背景——Harmonic 就能将他们的自然语言查询转化为精确、可操作的搜索结果。

LangSmith 用于评估和协作式提示迭代

有了 LangSmith，Harmonic 团队能够跟踪每一次模型调用，并无缝集成到 Playground 环境中。这使团队能够了解其模型性能和用户交互，这是他们之前使用不同的零散系统难以实现的。

吸引 Harmonic 选择 LangSmith 的一个关键功能是其强大的提示版本控制系统。Harmonic 团队采用协作方式进行提示工程，一名工程师负责模型编写和提示调整，其他工程师则协作进行提示优化。这种协作环境扩展到他们用于自定义模型的微调工作，LangSmith 的跟踪功能为优化提供了关键数据。

LangSmith 与 LangGraph 的集成创建了一个强大的开发生态系统，加速了 Harmonic 的迭代周期。将执行跟踪链接到特定提示的能力使开发人员能够分析性能模式并进行数据驱动的调整。当他们的搜索代理出现问题时，团队可以快速确定问题是源于提示设计、模型限制还是图结构。

至关重要的是，LangSmith 使管理和查看数据集和评估变得异常容易，这极大地加快了 Harmonic 的开发速度。这些评估确保了对提示或代理图配置的任何更改都可以根据一套预定义的指标进行测试，无论是单个节点的级别还是整个图的级别。这使得团队能够快速而自信地迭代，即使他们频繁地切换底层 LLM 模型以跟上最新的进展。