Candidly 实战复盘:状态感知让 AI 对话解决率从 30% 提到 78%
LangChain · x · 2026-09-08
LangChain 发布 Candidly 团队的客座案例文章,介绍其如何基于 LangSmith 为 AI 财务规划对话助手 Cait 构建「状态感知」的 agent harness。
核心问题:大多数对话助手只能事后评判对话是否成功,而 agent 是逐轮行动的。团队的做法是:
- 读取部分对话轨迹,实时推断用户当前状态
- 基于历史相似对话中哪些干预有效,选择本轮的响应策略
关键数据:Candidly 的 state model 发现,对话顺利时的解决率约 78%,而用户开始脱离对话时仅 30%。模型实时监测这一差距,通过在合适的轮次插入一句镜像用户措辞的 prompt,就能把正在流失的对话拉回来。
文章基于一篇正式研究论文和数月的生产对话分析,目标是把对话分析转化为 harness 可实际执行的策略面。产品场景为债务还款、储蓄、退休金、学生贷款等高风险财务决策。
所属事件:Candidly状态感知方案助AI对话解决率从30%升至78%(2 条相关)→
「编程与Agent」频道最新
- GUI 打磨最佳的编程智能体：国外 Codex、国内 ZCode — vista8 · 2026-09-09
- 网友给 kool-brushez 写了音频波形笔刷，repo 已开源 — dbreunig · 2026-09-09
- Greg Kamradt:AGI 的「通用」在于模型能用自建工具持续做事 — GregKamradt · 2026-09-09
- 开发者用 Git 做多 Agent 共享记忆层：历史、diff、冲突全免费 — DJIRNMAN · 2026-09-09
- Meta Muse Spark 1.3 用量在 opencode 上超 DeepSeek V4 Flash，达 23T tokens — jack_w_rae · 2026-09-09
- agent-browser 支持 60fps 录屏,直指 AI 编程新瓶颈 QA — moeinteractive · 2026-09-09