Kensho 开发了 Grounding，这是一个基于 LangGraph 的多智能体框架，通过中央路由器和专门的数据检索智能体（Data Retrieval Agents），统一了碎片化的标普全球（S&P Global）金融数据。
📝 详细摘要
作为标普全球（S&P Global）的 AI 创新部门，Kensho 通过构建名为 Grounding 的多智能体系统，解决了碎片化且复杂的金融数据检索难题。该系统利用 LangGraph，配备了一个中央路由器，可将自然语言查询分解为子查询，并将其定向至特定领域的数据检索智能体（DRAs）。这种架构在保持路由与检索职责分离的同时，确保了高可信度、有据可查的回复。其成功的关键在于：实施了用于保证一致性的自定义数据检索协议、用于追踪的全面可观测性，以及在金融这一高风险领域确保准确性的多阶段评估框架。
💡 主要观点
- 基于 LangGraph 的集中式路由 Kensho 使用 LangGraph 构建了一个路由器，用于分解复杂的自然语言查询并聚合来自多个专用智能体的结果，从而解决了数据检索中的 Map-Reduce 问题。
💬 文章金句
- Grounding 确保每一个见解都直接源自经过验证的数据集。
- 我们的路由器没有将自然语言解析逻辑嵌入到各个智能体中，而是智能地将查询定向到专门的数据检索智能体（DRAs）。
- 在一致的系统之上构建智能体和产品，加快了我们的上市速度，使新创建的智能体能够立即访问标普全球（S&P Global）的全部数据。
- 金融行业对金融数据检索有着高信任度和确定性的要求。
📊 文章信息
AI 评分：88
来源：LangChain Blog
作者：LangChain Accounts
分类：人工智能
语言：英文
阅读时间：4 分钟
字数：976
标签： LangGraph, 多智能体系统, 金融数据, RAG, AI 架构