这个智能体在约 90 秒内以 0.40 美元成本起草一份带引用的 VC 投资备忘录。

4 个 LangGraph 节点由 @Perplexity_AI Agent API 驱动，并行研究财务数据、产品和市场。 一个无工具的合成器仅根据这些研究结果撰写备忘录。

深度分析： http://langchain.com/blog/build-an-auditable-vc-research-agent-with-the-perplexity-agent-api-langgraph-and-langsmith…

使用 Perplexity Agent API 和 LangGraph 构建可审计的 VC 研究智能体

来源：https://www.langchain.com/blog/build-an-auditable-vc-research-agent-with-the-perplexity-agent-api-langgraph-and-langsmith 在一家风险投资基金开出支票之前，必须有人撰写备忘录。投资备忘录是分析师提交给投资委员会，用于辩论投资是否合理的内部文件。备忘录主题可能包括投资论点、市场规模、发展势头、团队、竞争、风险以及最终建议。这是合伙人实际投票表决的文件，一份典型的初稿可能需要数十小时的研究和撰写。

基金审查的机会远多于最终投资的，因此大部分初步研究都针对那些被放弃的公司。分析师仍然需要花费数小时在 Crunchbase、PitchBook、IR 页面、业绩报道和新闻中收集信息，然后逐一手动核对每个数字。

我们构建了一个智能体，能在大约 90 秒内以约 0.40 美元的 API 成本生成该备忘录的初稿版本，并且每项声明都追溯到原始来源。分析师可以从这份带有引用的草稿开始，在此基础上精炼，而不是从零开始，从而节省原本花费的数小时。它分两个阶段工作：研究节点并行收集证据，然后一个单独的合成器仅根据它们找到的内容撰写备忘录。

该智能体接收公司名称，生成一份包含七个部分的、基于引用的备忘录：概览、团队、财务、产品、市场、风险，以及以一句话建议结尾的投资论点。它运行在 Perplexity Agent API (https://docs.perplexity.ai/docs/agent-api/quickstart) 及其内置的 web_search 和 finance_search 工具上，使用 LangGraph (https://langchain-ai.github.io/langgraph/) 进行编排，并使用 LangSmith (https://docs.langchain.com/langsmith/home) 进行评估。

架构

*四个研究节点并行运行，然后一个无工具的合成器组装备忘录。*四个研究节点（团队、财务、产品、市场）从一开始就并行运行。每个节点都是 Perplexity Agent API 的一次调用，拥有各自的工具和搜索预算。财务节点额外使用 finance_search (https://docs.perplexity.ai/docs/agent-api/finance-search) 获取结构化财务数据；其他节点使用 web_search (https://docs.perplexity.ai/docs/agent-api/tools/web-search)。所有四个节点完成后，一个合成器节点组装备忘录。在 LangGraph 中，连线代码很短：

def build_graph():
    g = StateGraph(MemoState)
    g.add_node("team", team_node)
    g.add_node("financials", financials_node)
    g.add_node("product", product_node)
    g.add_node("market", market_node)
    g.add_node("synthesizer", synthesizer_node)

    for section in ("team", "financials", "product", "market"):
        g.add_edge(START, section)        # 从 START 扇出，并行执行
        g.add_edge(section, "synthesizer")  # ...然后汇入合成器

    g.add_edge("synthesizer", END)
    return g.compile()

状态管理在此很重要。每个研究节点只读取 state["company"]，不依赖其他节点的输出。它们的写入都落在同一个 research_output 键上，但在我们的完整代码中，该键使用了一个 reducer，该 reducer 按章节名称合并四个并发写入，而不是让它们发生冲突。如果没有这个 reducer，两个并行写入同一个键会引发 LangGraph 的 InvalidUpdateError (https://langchain-ai.github.io/langgraph/troubleshooting/errors/INVALID_CONCURRENT_GRAPH_UPDATE/)（参见 reducers 参考文档 (https://langchain-ai.github.io/langgraph/concepts/low_level/#reducers)了解该模式）。将每个节点限定在一个领域内也很有价值：团队、财务、产品和市场各自拥有自己的工具、搜索预算和提示，因此节点的上下文保持在其负责的领域内。

无工具的合成器

合成器没有工具。它仅根据四个节点的研究输出来组成所有七个备忘录章节，因此每个引用的声明都基于其中一个节点实际进行的研究。第 1-6 节均以 ### Citations 列表结尾，将每个来源 URL 与其支持的证据配对。投资论点是唯一一个纯分析章节，没有引用。

每个节点的工具调用和输出都记录在 LangSmith 中，因此您可以获取最终备忘录中的任何一行，并通过合成器追溯到产生该行的搜索结果。

在 LangSmith 中运行一次备忘录（查看追踪记录 (https://smith.langchain.com/public/cd9926c8-edc1-4d52-9bfa-b9642ebd267f/r)）。每项声明都可追溯到产生它的搜索结果。

选择搜索提供商

哪个搜索提供商最适合支撑该智能体？我们在 LangSmith 中针对十家公司对三家提供商进行了评分，使用了自定义评估器来衡量原始来源率和财务概念覆盖率，以及内置的成本和延迟。原始来源率是指备忘录引用中指向 IR 页面、SEC 文件和官方新闻的比例，而非 Wikipedia 或 Crunchbase 等聚合网站。

三家提供商，同一图表，在 LangSmith 中并排评分。

在十家公司上单次运行的结果，使用 openai/gpt-5.5

合适的提供商取决于您的使用场景。成本、延迟以及诸如原始来源率之类的搜索准确性衡量指标是很好的起点，但请使用 食谱 (https://docs.perplexity.ai/docs/cookbook/articles/langchain-vc-memo-agent/README) 来定义和评分您自己的指标。

输出内容

针对 Anthropic 运行的一个精简版投资论点章节：

在确认约 3800 亿美元的投后估值后，该公司已被定价为一代平台，而现有的财务证据仍为运行率而非审计后收入。在没有更深入尽职调查的情况下，我们不应在此估值下主导投资。建议：跟踪

章节列表和 PASS/TRACK/ADVANCE/LEAD 等级只是我们选择的格式；请替换为您团队使用的格式。

这是一份起始草稿，并非最终备忘录：对文档完善的公司效果最佳，对信息匮乏的私有公司则较弱，而投资论点是模型自身的分析，而非引用的章节。分析师在依赖它之前仍应进行检查。

要点

• **让 LangGraph 处理并发。**并行运行节点，并让共享状态上的 reducer 合并它们的并发写入，这样您就能获得并行加速，而无需自行协调这些写入。
• **将每项声明都基于检索到的证据。**当写作步骤只能利用早期搜索步骤发现的内容时，每项声明都追溯到真实来源，而非幻觉内容，从而保持结果从头到尾可审计。
• **将提供商选择视为一项实验。**自定义的 LangSmith 评估器将“选择哪个提供商？”转化为可在不同运行间比较的分数，因此答案取决于您的使用场景，而非供应商的宣称。

**后续步骤：**替换您公司的备忘录模板，添加一个您关心的指标的评估器，或者让智能体在您自己的投资组合上运行。

👉 打开完整食谱 (https://docs.perplexity.ai/docs/cookbook/articles/langchain-vc-memo-agent/README)：包含可运行代码、所有三个提供商配置文件以及 LangSmith 评估框架。相关内容： Perplexity Agent API 工具 (https://docs.perplexity.ai/docs/agent-api/tools)·LangChain Perplexity 提供商 (https://docs.langchain.com/oss/python/integrations/providers/perplexity)·LangSmith 评估 (https://docs.langchain.com/langsmith/evaluation)