هارمونیک چگونه با استفاده از LangGraph و LangSmith یک عامل سرمایه‌گذاری ساخت—تا سرمایه‌گذاران خطرپذیر بتوانند روی بنیان‌گذاران تمرکز کنند

هارمونیک موتور کشف استارتاپ‌ها است که شکل‌گیری و رشد شرکت‌ها را ردیابی می‌کند و در عین حال بینش‌های ارزشمند و ابزارهای گردش کار را در اختیار سرمایه‌گذاران خطرپذیر (VCs) قرار می‌دهد. هارمونیک با جمع‌آوری حجم عظیمی از داده‌های عمومی و داده‌های خصوصی جمع‌آوری‌شده از طریق مشارکت با بازیگران اکوسیستم سرمایه‌گذاری خطرپذیر، کاربران را قادر می‌سازد تا استارتاپ‌ها را بر اساس معیارهای مختلف کشف کنند و تلاش‌های منبع‌یابی خود را افزایش دهند. با استفاده از LangGraph و LangSmith، آن‌ها توانسته‌اند چندین مرحله بیشتر در خط لوله سرمایه‌گذاری حرکت کنند. با نقشه‌های بازار خودکار، گزارش‌های تحقیقاتی و تعاملات مکالمه‌ای، سرمایه‌گذاران خطرپذیر اکنون می‌توانند از Hamonic برای انتخاب و برنده شدن بهترین معاملات علاوه بر منبع‌یابی استفاده کنند.

پیمایش در چشم‌انداز پیچیده استارتاپ‌های مراحل اولیه برای سرمایه‌گذاران خطرپذیر و شرکت‌هایی که به دنبال ارتباط با کسب‌وکارهای نوظهور هستند، چالش‌برانگیز است. از نظر تاریخی، هارمونیک یک فهرست جستجوی عظیم با یک UI قدرتمند برای ساخت جستجو داشته است. برای کاربران، ترکیب فیلترها در صدها فیلد برای یافتن استارتاپ‌هایی که مطابق با علایق آن‌ها باشد، در بهترین حالت زمان‌بر بود و در بدترین حالت مانع از یافتن بهترین اهدافشان می‌شد.

هارمونیک نیاز به فعال کردن جستجوی بسیار ساده‌تر و مؤثرتر را دید. با پیاده‌سازی قابلیت‌های جستجو و پالایش زبان طبیعی در بالای داده‌های گسترده خود، آن‌ها قصد داشتند زمان لازم برای یافتن بهترین استارتاپ‌ها برای تز سرمایه‌گذاری خود را به طور قابل توجهی کاهش دهند.

تیم هارمونیک به دلیل رویکرد اکوسیستمی، LangGraph را برای ساخت انتخاب کرد. این امکان را برای یک پشته واحد فراهم کرد تا هارمونیک بتواند تمام اعلان‌های خود را در LangSmith میزبانی کند، مدل‌های هدف خود را با LangChain فراخوانی کند و گردش‌های کاری قابل ترکیب را در LangGraph با گره‌هایی که مستقیماً به ردیابی‌های اجرا پیوند دارند، بسازد.

LangGraph Studio ثابت کرد که یک تغییردهنده بازی برای فرآیند توسعه هارمونیک است. استودیوی بصری به مهندسان اجازه می‌داد تا وضعیت را ردیابی کنند و مستقیماً به هر LLM فراخوانی‌شده در حالت دقیق فراخوانی‌شده خود در هر گره در گردش‌های کاری عامل خود پیوند دهند و زمان اشکال‌زدایی را به طور قابل توجهی کاهش دهند.

به گفته مکس رودرمن، مدیرعامل: "این UI برای اشکال‌زدایی بسیار ارزشمند است—به جای اجرای مجدد هر گره، می‌توانیم مستقیماً وضعیت نمودار را در هر نقطه بررسی کنیم، تغییرات ایجاد کنیم، از آن نقطه دوباره اجرا کنیم و تفاوت را مشاهده کنیم. یا آن اجرا را در Playground باز کنیم، با تمام زمینه‌های زمانی اجرا که از قبل در آنجا هستند، بنابراین می‌توانید فوراً مدل‌ها یا دستورالعمل‌های مختلف را آزمایش کنید."

چارچوب مدولار LangGraph به هارمونیک این امکان را داد تا به سرعت گردش‌های کاری عامل را به سایر بخش‌های محصول خود بیاورد. به عنوان مثال، از آنجایی که گردش‌های کاری مستقل به زیرنمودارها مدولار شده بودند، آن‌ها توانستند یک "عامل تحقیق" (که در غیر این صورت یک زیرمجموعه از یک گردش کار پیچیده‌تر بود) را با تقریباً هیچ کار پشتیبان افزایشی به هر نمایه شرکت در پلتفرم خود بیاورند. این باعث صرفه‌جویی در وقت سرمایه‌گذاران در غربالگری، ارزیابی و بررسی می‌شود و به آن‌ها اجازه می‌دهد تا برای هر جلسه بنیان‌گذار آماده باشند.

هارمونیک با استفاده از LLM‌ها برای ترکیب میلیون‌ها نقطه داده استارتاپ هارمونیک با داده‌های زنده وب، امیدوار بود که بینش‌ها و سیگنال‌های رشد را که می‌توانند برای شرکت‌های مراحل اولیه ارائه دهند، تقویت کند. اما قبل از LangGraph، ایجاد یک خط لوله قابل اعتماد برای تحقیق بلادرنگ در مورد جریان استعداد استارتاپ، نقشه‌برداری بازار و فعالیت‌های رسانه‌ای یک شاهکار خسته‌کننده بود. بدون چارچوبی برای توسعه قابل ترکیب و تجسم نمودار، تنظیم اجراها یک فرآیند آزمون و خطا کند و تکراری بود. تغییر به LangGraph به تیم کمک کرد تا اطمینان حاصل کند که چندین مهندس می‌توانند به سرعت در ساخت این گردش‌های کاری بدون معرفی رگرسیون همکاری کنند.

هارمونیک همچنین از قابلیت‌های LangGraph برای توسعه سریع زیرنمودارها برای پالایش قصد کاربر و ساختاردهی پرسش‌های جستجو استفاده کرد. این به آن‌ها اجازه داد تا یک عامل جستجوی پیچیده ایجاد کنند که قادر به اجرای پرسش‌های پیچیده مانند: "شرکت‌های هوش مصنوعی در SF یا NY را که در سال گذشته از سرمایه‌گذاران برتر تأمین مالی کرده‌اند و ارتباطی با شخصی در تیم من دارند، نشان دهید، اما هیچ‌کس در تیم در سال گذشته با آن‌ها در تماس نبوده است."

اکنون، سرمایه‌گذاران می‌توانند به سادگی آنچه را که به دنبالش هستند توصیف کنند—چه یک فضای مشکل، صنعت، محصولی که باید وجود داشته باشد، یا یک سابقه بنیان‌گذار خاص—و هارمونیک پرسش‌های زبان طبیعی آن‌ها را به نتایج جستجوی دقیق و عملی تبدیل می‌کند.

با LangSmith، تیم هارمونیک می‌توانست هر فراخوانی مدل را با ادغام یکپارچه در یک محیط زمین بازی ردیابی کند. این به تیم دیدی نسبت به عملکرد مدل و تعاملات کاربر داد، چیزی که آن‌ها برای دستیابی به آن با سیستم‌های پراکنده قبلی تلاش کرده بودند.

یکی از ویژگی‌های کلیدی که هارمونیک را به LangSmith جذب کرد، سیستم نسخه‌بندی اعلان قوی آن بود. تیم هارمونیک یک رویکرد مشارکتی برای مهندسی اعلان دارد، به طوری که یک مهندس بیشتر به نوشتن مدل و تنظیم اعلان می‌پردازد و دیگران برای همکاری در پالایش اعلان وارد می‌شوند. این محیط مشارکتی به تلاش‌های تنظیم دقیق آن‌ها برای مدل‌های سفارشی گسترش یافت، جایی که قابلیت‌های ردیابی LangSmith داده‌های ضروری را برای بهینه‌سازی ارائه می‌دهد.

ادغام LangSmith با LangGraph یک اکوسیستم توسعه قدرتمند ایجاد کرد که چرخه‌های تکرار هارمونیک را تسریع کرد. توانایی پیوند دادن ردیابی‌های اجرا به اعلان‌های خاص، توسعه‌دهندگان را قادر می‌سازد تا الگوهای عملکرد را تجزیه و تحلیل کنند و تنظیمات مبتنی بر داده‌ها را انجام دهند. هنگامی که مشکلاتی در عامل جستجوی آن‌ها ایجاد می‌شد، تیم می‌توانست به سرعت تشخیص دهد که آیا مشکل از طراحی اعلان، محدودیت‌های مدل یا ساختار نمودار ناشی می‌شود.

به طور مهمی، LangSmith مدیریت و مشاهده مجموعه‌داده‌ها و ارزیابی‌ها را فوق‌العاده آسان کرد، که سرعت توسعه هارمونیک را تا حد زیادی افزایش داد. این ارزیابی‌ها اطمینان حاصل کردند که هر تغییری در اعلان‌ها یا پیکربندی‌های نمودار عامل می‌تواند در برابر مجموعه‌ای از معیارهای از پیش تعریف‌شده، چه در سطح گره‌های فردی و چه کل نمودار، آزمایش شود. این به تیم اجازه داد تا به سرعت و با اطمینان تکرار کنند، حتی زمانی که اغلب مدل‌های LLM زیربنایی را برای همگام شدن با آخرین پیشرفت‌ها تغییر می‌دادند.

پیاده‌سازی LangSmith و LangGraph LangChain به طور قابل توجهی قابلیت‌های جستجو و تحقیق هارمونیک را بهبود بخشیده است. کاربران سریع‌تر به "لحظه آها" خود می‌رسند، با جستجوهایی که نتایج مرتبط‌تری ارائه می‌دهند—به‌ویژه برای خلاقانه‌ترین پرسش‌ها. زمان رسیدن به ارزش از ساعت‌ها به کمتر از یک دقیقه کاهش یافت و نتایج جستجوی مثبت 30٪ افزایش یافت.

هارمونیک همچنین توانست قابلیت‌های جدیدی را اضافه کند و اهرمی را که در طول قیف سرمایه‌گذاری به کاربران ارائه می‌دهد، با ارائه نقشه‌های بازار فوری و توانایی انجام تحقیقاتی که داده‌های منحصر به فرد هارمونیک را با بینش‌های سنتز شده از وب عمومی، داده‌های CRM کاربر و شبکه ترکیب می‌کند، افزایش دهد. اکنون، سرمایه‌گذاران پیشرو می‌توانند برای یافتن، انتخاب و برنده شدن بهترین معاملات در آنجا به هارمونیک تکیه کنند.