Vizient，作为医疗绩效改进领域的领导者，正在革新医疗服务提供者访问和分析数据的方式。如今，许多医疗服务提供者依赖于分散的数据源，需要挖掘数据才能产生关于患者护理的可操作性见解——这是一个漫长而耗时的过程。Vizient的GenAI平台使各种规模的系统能够查询和统一孤立的数据集，从而在供应链管理和临床成果方面做出更好的决策。
Vizient的GenAI平台有助于回答诸如“我的门诊投资有效吗？”或“我们是否提供了最具成本效益的护理？”等问题，并立即获得数据支持的答案。目标是提高运营效率，并为资源有限的医疗机构普及数据分析——同时保持其成员之间的高度信任和数据隐私。
通过LangGraph实现可靠的AI代理工作流
在采用LangGraph之前，Vizient的多代理系统面临着一些挑战。每个代理都被设计用来处理特定的任务，例如分析历史数据或生成可视化。然而，协调它们很棘手。这些代理在孤岛中工作，导致响应不一致且缺乏可靠性。一些底层的API工作流还涉及管理每次调用的数百个参数，这使得维护和更新应用程序逻辑变得困难。
为了协调其多代理系统并确保其平台达到高可靠性标准，Vizient选择了LangGraph来协调其代理系统。借助LangGraph的图形结构和完全描述性的基本原语，Vizient的工程团队能够以编程方式控制和规划其工作流，并将代理应执行的步骤表示为工具或节点，以提高可靠性。如今，它们的层次化代理结构（工人代理向主管代理汇报）极大地简化了将请求路由到适当API的过程。
随着Vizient继续扩展和增强其GenAI平台，LangGraph仍然是其战略的基石，使团队能够自信地适应和扩展其系统。
通过LangSmith进行LLM可观测性和提示管理
为了确保其GenAI平台顺利运行，Vizient需要对其性能有可见性。这时LangSmith就派上了用场。通过利用LangSmith的跟踪功能，Vizient的工程师能够快速定位和解决问题，即使在高风险的实时演示中也是如此。例如，它们轻松地解决了Azure OpenAI的内容过滤器和外部速率限制错误引起的问题。
LangSmith的Prompt Hub也证明了其价值。通过隔离提示逻辑，Vizient的团队获得了轻松版本化和迭代提示的灵活性——这是一种更灵活的方法。随着GenAI开发团队数量的增长，将此逻辑分离出来将有助于团队快速处理和迭代提示。
展望未来
Vizient正专注于完善评估，以确保输出的一致性和信任度。主要举措包括
- 评估跨数据域的一致性：将生成的答案与Q&A计分卡等既定工具对齐。
- 快速数据上载：团队旨在快速上载产品数据，利用各种现有产品API和其他数据源来驱动其代理系统。
Vizient正在构建一个变革性的GenAI平台，赋能医疗服务提供者。它使非专家也能提出复杂的问题并获得可操作的见解，同时保持最高标准的信任、安全和创新。凭借LangGraph和LangSmith作为基础技术，Vizient有望继续提高医疗绩效改进的标准。