在蓬勃发展的电子商务领域，客户满意度可以成就或摧毁一个品牌。而 Minimal 正在利用 LangChain 生态系统来彻底改变支持问题的处理方式。Minimal 的 AI 智能体在各种电子商务商店中实现了 80% 以上的效率提升，同时提高了客户满意度。今年，Minimal 预计其客户的 90% 的支持工单将由其 AI 自主处理，只有 10% 会升级给人工客服。下面，您将看到这家新的电子商务支持提供商是如何构建一个多智能体系统，该系统能够与流行的帮助台工具无缝集成，自动化客户交互，甚至执行订单管理任务——同时又能严格控制业务流程。
概述：电子商务客户支持的自动化
Minimal 专注于为电子商务企业自动化重复性和复杂的客户服务工作流程。虽然基本支持工单（T1）很简单，但他们的核心优势在于通过与客户系统深度集成，可靠地解决复杂的 T2 和 T3 问题。公司由机器学习工程师 Titus Ex 和航空航天工程毕业生 Niek Hogenboom 创立，已在荷兰电子商务市场迅速取得成功。他们与 Zendesk、Front 和 Gorgias 等领先的支持平台集成，使用户能够在一个地方处理客户咨询。
他们的 AI 系统以草稿模式（协同驾驶）或完全自动化模式响应客户。当用户开启 AI 时，系统开始为收到的工单生成准确、丰富的回复。此外，由于与流行的电子商务服务的直接集成，它还可以采取实际行动——例如取消订单或更新送货地址。
这种方法为电子商务运营商节省了时间和精力，他们依赖于对客户最紧迫问题的持续、准确的回复。
采用多智能体架构以实现可扩展性
一个核心的差异化优势在于其多智能体架构，分为三个主要智能体：
- 规划智能体 (Planner Agent)：将每个收到的查询分解为子问题（例如，“退货政策”vs.“前端问题故障排除”）。与专门的研究智能体进行通信，这些智能体负责检索和重新排序相关的文档或客户协议。
- 研究智能体 (Research Agents)：通过搜索培训中心的知识库（例如退货指南或发货规则）来处理每个子问题。为规划智能体汇总相关信息。
- 工具调用智能体 (Tool-Calling Agent)：接收规划智能体的最终“工具计划”。执行决定性操作，例如通过 Shopify 退款或更新地址记录。将日志集中在一起进行事后处理和思维链验证。在这些智能体收集所有子结果后，系统的最后一步是生成一份精心推理的客户回复草稿——该回复会引用正确的协议，检查相关数据，并确保符合企业关于退款或退货的规定。
为什么选择多智能体？
团队发现，一个单体的语言模型提示经常会混淆多个任务，导致错误和昂贵的用量。将任务分解给不同的智能体可以减少提示的复杂性，提高可靠性，并允许他们在不干扰现有流程的情况下添加新的专业智能体。
使用 LangSmith 进行测试和基准测试
在开发过程中，Minimal 团队使用 LangSmith 对其系统进行了广泛测试。这使他们能够：
• 跟踪模型响应和性能随时间的变化。
• 运行不同提示（少样本 vs. 零样本 vs. 思维链变体）的并排比较。
• 记录每个子智能体的输出，以捕获意外的推理循环或工具调用。
每当他们发现错误时——比如，对政策的误解或遗漏的步骤——他们就会在 LangSmith 的跟踪日志中创建新的测试，添加更多少样本示例，或者进一步分解子问题。这个迭代过程帮助他们捕捉异常并改进提示，而不会降低速度。
他们选择 LangChain 和 LangGraph 的原因
• 模块化： Minimal 团队欣赏 LangGraph（LangChain 生态系统的组成部分）的设计是一个模块化框架。这种结构允许他们以灵活的方式有效地管理子智能体，避免了缺乏定制选项的笨重、“自带电池”方法的限制。通过采用模块化设计，团队可以量身定制功能，以更好地适应他们特定的需求和工作流程，从而提高他们在各种项目中的整体效率和适应性。这种定制水平使他们能够在不受不必要功能或限制的阻碍下进行创新和优化他们的流程。
• 集成钩子： 该系统的代码式设计使其易于为 Shopify、Monta Warehouse Management Services 和 Firmhouse（用于经常性电子商务）添加专有连接器。
• 面向未来： 添加新的智能体或过渡到下一代 LLM 非常简单。他们可以简单地为新任务扩展子图，并将它们重新连接到规划智能体。
结果和未来计划
这家初创公司已经从荷兰的电子商务客户那里赚取了收入，这些客户欣赏更快的工单解决速度和自动退款等高级功能。凭借一个精干但不断壮大的团队，他们旨在扩展到欧洲。
通过将多智能体工作流与 LangChain 的生态系统相结合——LangGraph 用于编排，LangSmith 用于测试，以及强大的电子商务集成——这家新创公司站在了自动化支持的最前沿。他们的愿景是让电子商务企业能够完全控制每一个极端情况，同时让 AI 承担繁重的工作，从而使公司能够无限扩展而无需增加额外的支持人员。