Klarna 基于 LangGraph 构建 AI 客服代理:处理 250 万对话并覆盖 8500 万用户
金融科技巨头 Klarna 利用 LangChain 的 LangGraph 和 LangSmith 构建了大规模 AI 客服代理,已处理超过 250 万次对话。该代理不仅限于聊天机器人,而是能够自主执行退款、支付升级等复杂任务,服务于其 8500 万活跃用户。这一案例展示了智能体在高频交易场景下的实际落地能力与规模化效应。
报道正文
本文目录6 个章节
LangChain 团队 | 2025年2月12日 | 3分钟阅读 返回博客 创建智能体 创建智能体
Klarna 凭借其以消费者为中心、由 AI 驱动的支付与购物解决方案,重塑了全球商业格局。作为金融科技领域的领导者,Klarna 拥有超过 8500 万活跃用户和每日 250 万笔平台交易,在简化购物体验的同时,通过更智能、更灵活的金融方案赋能消费者。
Klarna 的旗舰产品 AI Assistant 正在彻底革新购物与支付体验。该助手基于 LangGraph 构建,并由 LangSmith 提供支持,能够处理从客户付款、退款到其他支付升级等各类任务。
迄今为止已处理 250 万次对话,AI Assistant 不仅仅是一个聊天机器人;它是一个变革性的 智能体,其工作量相当于 700 名全职员工,能够快速交付成果并提升公司效率。
挑战:扩展客户支持与处理升级请求
克服升级请求过载
Klarna 在管理跨部门升级请求方面面临着日益严峻的挑战。为了满足不断增长的消费者期望,Klarna 需要一个能够在速度、准确性和可访问性之间取得平衡,并能跨越全球市场进行扩展的解决方案。
"LangChain 是我们实现 AI 驱动助手愿景的优秀合作伙伴,帮助我们在全球范围内扩展支持服务并提供卓越的客户体验。" — Sebastian Siemiatkowski, Klarna CEO 兼联合创始人
解决方案:由 LangGraph 和 LangSmith 提供支持
推动精准度与性能的合作关系
Klarna 选择 LangGraph 和 LangSmith,将其 AI Assistant 演进为一个可靠、可扩展的 多智能体 系统。主要改进包括:
- 可控的 Agent 架构:Klarna 的 AI 助手利用 LangGraph 框架路由请求并处理不同任务。这有助于降低延迟、提高可靠性并削减运营成本。
- 情境感知智能:通过动态定制提示词以适配特定场景,Klarna 确保其 AI 助手始终提供相关且具备情境感知的回复,同时降低了 Token 成本和延迟。
- 测试驱动开发:借助 LangSmith,Klarna 能够通过逐步观察 AI 助手的行为来精准定位出现的问题。利用 LangSmith,Klarna 对其 AI 助手的关键用例进行了严格测试,随后通过 LLM 评估和提示词迭代来验证并优化 Agent 性能。
- 提示词优化:Klarna 的洞察反过来提升了 LangSmith 的提示词工程功能——值得注意的是,Klarna 协助启发并设计了诸如元提示(meta-prompting)等高级能力。元提示允许用户通过向提示词发出指令来提出具体的改进建议,并观察优化后的提示词如何影响回复质量。
实际成效
基于 LangGraph 构建并通过 LangSmith 持续打磨,Klarna 的 AI 助手赋能其团队更高效地处理客户升级问题。在过去 9 个月中,他们取得了以下成果:
- 更快的解决速度:平均客户查询解决时间缩短了 80%,实现了对用户查询的快速响应,并为分析师和工程师每周节省了数小时的调查时间。
- 聊天处理自动化率提升:约 70% 的重复性支持任务实现了自动化,从而释放客服人力去处理复杂且高价值的交互。
- 准确率提高:拒单的根本原因识别能力得到改善,显著减少了客户升级案例。