Exa đã ra mắt một hệ thống nghiên cứu web đa tác nhân tiên tiến sử dụng LangGraph và LangSmith. Hệ thống này xử lý các truy vấn phức tạp với tốc độ và độ tin cậy ấn tượng.
Exa, một người chơi nổi bật trong ngành API tìm kiếm, đã công bố đổi mới mới nhất của mình: một hệ thống nghiên cứu web đa tác nhân tinh vi. Sự phát triển này được hỗ trợ bởi LangGraph và LangSmith, và nó nhằm cách mạng hóa cách xử lý các truy vấn nghiên cứu phức tạp, theo LangChain.
Sự Tiến Hóa Đến Tìm Kiếm Tác Nhân
Hành trình của Exa đến hệ thống tiên tiến này bắt đầu với một API tìm kiếm đơn giản. Theo thời gian, công ty đã phát triển các sản phẩm của mình để bao gồm một điểm cuối câu trả lời tích hợp khả năng suy reasoning của mô hình ngôn ngữ lớn (LLM) với các kết quả tìm kiếm. Phát triển mới nhất là đại lý nghiên cứu sâu của họ, đánh dấu sự gia nhập của họ vào các API tìm kiếm thực sự có khả năng tự hành. Điều này phản ánh một xu hướng rộng lớn hơn trong ngành công nghiệp hướng tới các ứng dụng LLM tự động và lâu dài hơn.
Sự chuyển đổi sang kiến trúc nghiên cứu sâu đã khiến Exa áp dụng LangGraph, trở thành một khung làm việc ưa thích cho việc xử lý các kiến trúc ngày càng phức tạp. Sự thay đổi này phù hợp với các xu hướng trong ngành, nơi mà các thiết lập đơn giản được nâng cấp để xử lý các nhiệm vụ phức tạp hơn, chẳng hạn như nghiên cứu và lập trình.
Thiết kế một Hệ thống Đa Tác nhân
Hệ thống của Exa có kiến trúc đa tác nhân được xây dựng trên LangGraph, bao gồm:
Planner: Phân tích các truy vấn và tạo ra các tác vụ song song.
Nhiệm vụ: Thực hiện nghiên cứu độc lập bằng cách sử dụng các công cụ chuyên biệt.
Người quan sát: Giám sát toàn bộ quá trình, duy trì bối cảnh và trích dẫn.
Kiến trúc này cho phép mở rộng động, điều chỉnh số lượng nhiệm vụ dựa trên độ phức tạp của truy vấn. Mỗi nhiệm vụ được cung cấp với hướng dẫn cụ thể, định dạng đầu ra cần thiết và quyền truy cập vào các công cụ API của Exa, đảm bảo xử lý hiệu quả từ các truy vấn đơn giản đến phức tạp.
Những hiểu biết thiết kế chính
Hệ thống của Exa nhấn mạnh đầu ra có cấu trúc và sử dụng tài nguyên hiệu quả. Bằng cách ưu tiên lý luận trên các đoạn trích tìm kiếm trước khi lấy toàn bộ nội dung, hệ thống giảm thiểu việc sử dụng token trong khi vẫn duy trì chất lượng nghiên cứu. Cách tiếp cận này rất quan trọng cho việc tiêu thụ API, nơi đầu ra JSON đáng tin cậy và có cấu trúc là rất cần thiết.
Các lựa chọn thiết kế của Exa lấy cảm hứng từ các nhà lãnh đạo ngành khác, chẳng hạn như hệ thống Nghiên cứu Sâu của Anthropic, kết hợp các phương pháp tốt nhất trong kỹ thuật ngữ cảnh và đầu ra dữ liệu có cấu trúc.
Sử dụng LangSmith cho khả năng quan sát
Các tính năng quan sát của LangSmith, đặc biệt trong việc theo dõi việc sử dụng token, đã đóng vai trò quan trọng trong việc phát triển hệ thống của Exa. Khả năng này cung cấp những thông tin thiết yếu về việc tiêu thụ tài nguyên, thông báo các mô hình giá cả và tối ưu hóa hiệu suất.
Mark Pekala, một kỹ sư phần mềm tại Exa, nhấn mạnh tầm quan trọng của việc thiết lập LangSmith dễ dàng và sự đóng góp của nó trong việc hiểu rõ việc sử dụng token, điều này rất quan trọng cho khả năng mở rộng tiết kiệm chi phí của hệ thống.
Kết luận
Việc Exa sử dụng sáng tạo LangGraph và LangSmith chứng tỏ tiềm năng của các hệ thống đa tác nhân trong việc xử lý hiệu quả các truy vấn nghiên cứu web phức tạp. Dự án này nêu bật những điểm quan trọng cho các nỗ lực tương tự, chẳng hạn như tầm quan trọng của khả năng quan sát, khả năng tái sử dụng, đầu ra có cấu trúc và việc tạo nhiệm vụ động.
Khi Exa tiếp tục hoàn thiện đại lý nghiên cứu sâu của mình, sự phát triển này phục vụ như một mô hình để xây dựng các hệ thống đại lý mạnh mẽ, sẵn sàng cho sản xuất, mang lại giá trị kinh doanh đáng kể.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Exa Đổi mới với Hệ thống Nghiên cứu Web Đa tác nhân Sử dụng LangGraph
Zach Anderson
Ngày 01 tháng 7 năm 2025 04:38
Exa đã ra mắt một hệ thống nghiên cứu web đa tác nhân tiên tiến sử dụng LangGraph và LangSmith. Hệ thống này xử lý các truy vấn phức tạp với tốc độ và độ tin cậy ấn tượng.
Exa, một người chơi nổi bật trong ngành API tìm kiếm, đã công bố đổi mới mới nhất của mình: một hệ thống nghiên cứu web đa tác nhân tinh vi. Sự phát triển này được hỗ trợ bởi LangGraph và LangSmith, và nó nhằm cách mạng hóa cách xử lý các truy vấn nghiên cứu phức tạp, theo LangChain.
Sự Tiến Hóa Đến Tìm Kiếm Tác Nhân
Hành trình của Exa đến hệ thống tiên tiến này bắt đầu với một API tìm kiếm đơn giản. Theo thời gian, công ty đã phát triển các sản phẩm của mình để bao gồm một điểm cuối câu trả lời tích hợp khả năng suy reasoning của mô hình ngôn ngữ lớn (LLM) với các kết quả tìm kiếm. Phát triển mới nhất là đại lý nghiên cứu sâu của họ, đánh dấu sự gia nhập của họ vào các API tìm kiếm thực sự có khả năng tự hành. Điều này phản ánh một xu hướng rộng lớn hơn trong ngành công nghiệp hướng tới các ứng dụng LLM tự động và lâu dài hơn.
Sự chuyển đổi sang kiến trúc nghiên cứu sâu đã khiến Exa áp dụng LangGraph, trở thành một khung làm việc ưa thích cho việc xử lý các kiến trúc ngày càng phức tạp. Sự thay đổi này phù hợp với các xu hướng trong ngành, nơi mà các thiết lập đơn giản được nâng cấp để xử lý các nhiệm vụ phức tạp hơn, chẳng hạn như nghiên cứu và lập trình.
Thiết kế một Hệ thống Đa Tác nhân
Hệ thống của Exa có kiến trúc đa tác nhân được xây dựng trên LangGraph, bao gồm:
Kiến trúc này cho phép mở rộng động, điều chỉnh số lượng nhiệm vụ dựa trên độ phức tạp của truy vấn. Mỗi nhiệm vụ được cung cấp với hướng dẫn cụ thể, định dạng đầu ra cần thiết và quyền truy cập vào các công cụ API của Exa, đảm bảo xử lý hiệu quả từ các truy vấn đơn giản đến phức tạp.
Những hiểu biết thiết kế chính
Hệ thống của Exa nhấn mạnh đầu ra có cấu trúc và sử dụng tài nguyên hiệu quả. Bằng cách ưu tiên lý luận trên các đoạn trích tìm kiếm trước khi lấy toàn bộ nội dung, hệ thống giảm thiểu việc sử dụng token trong khi vẫn duy trì chất lượng nghiên cứu. Cách tiếp cận này rất quan trọng cho việc tiêu thụ API, nơi đầu ra JSON đáng tin cậy và có cấu trúc là rất cần thiết.
Các lựa chọn thiết kế của Exa lấy cảm hứng từ các nhà lãnh đạo ngành khác, chẳng hạn như hệ thống Nghiên cứu Sâu của Anthropic, kết hợp các phương pháp tốt nhất trong kỹ thuật ngữ cảnh và đầu ra dữ liệu có cấu trúc.
Sử dụng LangSmith cho khả năng quan sát
Các tính năng quan sát của LangSmith, đặc biệt trong việc theo dõi việc sử dụng token, đã đóng vai trò quan trọng trong việc phát triển hệ thống của Exa. Khả năng này cung cấp những thông tin thiết yếu về việc tiêu thụ tài nguyên, thông báo các mô hình giá cả và tối ưu hóa hiệu suất.
Mark Pekala, một kỹ sư phần mềm tại Exa, nhấn mạnh tầm quan trọng của việc thiết lập LangSmith dễ dàng và sự đóng góp của nó trong việc hiểu rõ việc sử dụng token, điều này rất quan trọng cho khả năng mở rộng tiết kiệm chi phí của hệ thống.
Kết luận
Việc Exa sử dụng sáng tạo LangGraph và LangSmith chứng tỏ tiềm năng của các hệ thống đa tác nhân trong việc xử lý hiệu quả các truy vấn nghiên cứu web phức tạp. Dự án này nêu bật những điểm quan trọng cho các nỗ lực tương tự, chẳng hạn như tầm quan trọng của khả năng quan sát, khả năng tái sử dụng, đầu ra có cấu trúc và việc tạo nhiệm vụ động.
Khi Exa tiếp tục hoàn thiện đại lý nghiên cứu sâu của mình, sự phát triển này phục vụ như một mô hình để xây dựng các hệ thống đại lý mạnh mẽ, sẵn sàng cho sản xuất, mang lại giá trị kinh doanh đáng kể.
Nguồn hình ảnh: Shutterstock