“LangSmith 让我们能够监控所有智能体、了解哪些功能有效、哪些无效、哪些工具调用失败了、哪个代码提交刚刚破坏了流水线，以及用户正在采用哪些功能。”

深入了解丰田如何从每6个月发布一个生产智能体，转变为利用深度智能体和 LangGraph 发布超过50个智能体。

丰田通过深度智能体与 LangSmith 扩展企业AI

来源：https://www.langchain.com/blog/how-toyota-north-america-put-enterprise-ai-on-the-balance-sheet-with-deep-agents-and-langsmith 丰田汽车北美公司（https://www.toyota.com/usa）是世界顶级的汽车制造商之一。其企业AI团队由工程师、架构师、产品经理和内部布道师组成，运作方式如同内部创业公司。这个约35人的团队为整个企业设定AI北极星，构建所有应用必须遵循的架构标准，并使用深度智能体（https://www.langchain.com/deep-agents）、LangGraph（https://docs.langchain.com/oss/python/langgraph/overview?utm_campaign=evergreen_langsmith_branded_cv&utm_campaign_id=23553472535&utm_ad_group_id=200117088360&utm_ad_id=813388343716&utm_network=g&utm_term=langgraph&utm_source=google&utm_medium=cpc&_gl=11qjuekh_gcl_awR0NMLjE3ODQ5MjY5MTguQ2p3S0NBandtb3pUQmhBZUVpd0FrRUdaemdQTm90S0VXa2xBZ0NybjNabTNNVmdtNzZnenlmNVllSEthdjZCUzBab1F6c2k1VS1qVnNSb0NBcWNRQXZEX0J3RQ.._gcl_auNzY2NjA2OTI3LjE3ODMzNjE1ODY._gaODA3MDk3NjY0LjE3NzUwNzA4NDY._ga_47WX3HKKY2*czE3ODQ5MjY5MTckbzc0JGcwJHQxNzg0OTI2OTE3JGo2MCRsMCRoMA..）和LangSmith（https://www.langchain.com/langsmith-platform）来构建最高优先级的AI产品。

使命覆盖全企业的精英小团队

丰田的企业AI团队服务于公司各个领域的用例：制造、供应链、金融服务、经销商、车载开发、研发等等。这支三十余人的团队无法为每个新应用从头构建工具。

丰田北美AI工程总监科尔代尔·弗朗斯表示：“我们曾经历过自行构建所有工具的痛苦。为了尝试自研解决方案，我们承受了大量艰辛，这耗费了大量人力和工程时间。”

在每个项目都必须达到七位数至八位数年度ROI门槛的要求下，团队需要一种能够满足大规模智能体交付需求的解决方案，这些智能体需要实质性提升制造产出和效率。

ToyotaGPT：从6个月6名工程师到4天1名工程师

丰田企业AI产品组合的核心是ToyotaGPT，这是团队的内部旗舰平台。它包含一个不断增长的、特定领域的定制智能体库。各部门员工使用ToyotaGPT获取基于丰田内部数据的回答——从制造文档到研发报告再到供应链记录。访问权限通过数据权限控制；例如，如果团队成员没有SharePoint数据集访问权限，智能体就不会显示该数据。

该平台目前已有超过50个生产级智能体。在团队基于深度智能体和LangGraph构建当前开发基础设施之前，发布一个新智能体需要6个月和6名工程师。如今仅需4天和1名工程师（https://www.youtube.com/watch?v=nUNuNxMhwug）。

智能体AI与产品研究总监拉维·钱杜·乌马迪塞蒂描述了基础架构：“LangChain的深度智能体是一个绝妙的概念。只需一条命令，create deep agent，你就能为每个新智能体获得一个强大的开发框架和完整的生态系统。”

企业AI团队没有将丰田领域知识编码在单个智能体中，而是构建了一个覆盖制造、供应链、研发、品牌等领域的可复用技能库。这些技能在运行时注入深度智能体，以可跨用例移植的形式直接为模型提供机构知识。

GearPal：让生产线上的每一台机器保持运转

生产线是丰田最核心的产品。它生产丰田销售的每一辆车，也是让丰田成为世界级制造商的关键系统——一个能持续适应新技术的自进化体系。生产线任何环节的意外停机都会导致丰田每分钟损失数十万至数百万美元，具体取决于停机位置。

为最小化停机时间，企业AI团队构建了GearPal应用，它为任何机器技术员提供自然语言接口，用于诊断生产线上的任何制造机器人或资产问题。技术员可以走近设备，询问机器故障原因及修复方法，GearPal会呈现相关诊断信息、历史维修记录和修复指南。原本需要5-6小时的诊断过程现在2-3分钟即可解决。

GearPal还解决了代际知识转移问题；随着资深技术员退休，新员工需要能够呈现机构专业知识的工具。技能库在此同样发挥作用，将机械知识编码化以帮助新老员工快速解决问题。团队还添加了LLM网关来处理供应商服务中断时的LLM故障转移，确保GearPal足够可靠以部署在实际生产线上。

R&D GPT：将数年研究压缩至数月

在研发方面，拉维的团队正在解决另一个同样高风险的问题。丰田的研究资料量庞大、技术性极高，分散在数十个文档库中。开发看似简单的丰田车辆油漆涉及多年的配方研发，包括极端冷热条件测试、耐腐蚀分析以及机器人喷涂精度验证。

基于深度智能体构建的R&D GPT智能体允许研究人员查询丰田所有内部研发材料，呈现原本需要数周人工审查才能发现的细节。自推出该智能体以来，研究周期已从约3年压缩至1年。

一个关键技术挑战是跨重叠领域（油漆、腐蚀、座椅材料、皮革等）的检索精度。例如早期关于油漆的查询有时会错误地从腐蚀数据库提取数据。为此，团队构建了基于LangGraph的并行工具调用系统。当智能体在主工具中找不到文档时，会同时查询辅助工具并合并结果后再响应。

LangSmith：AI的安灯系统

安灯系统是丰田基础制造原则之一，让工厂车间所有人能实时查看运行状态、故障位置和资源调配需求。用科尔代尔的话说，LangSmith就是丰田AI应用的安灯系统。

“LangSmith让我们能够监控所有智能体、了解哪些功能有效、哪些无效、哪些工具调用失败了、哪个代码提交刚刚破坏了流水线，以及用户正在采用哪些功能，”科尔代尔解释道。“这种可观测性不仅对我们构建更好产品至关重要，也是说服利益相关者我们构建的每个工具都安全可靠的关键。”

通过LangSmith，团队可以追踪单个智能体交互、识别检索失败，并量化用户群体中的行为模式——这对于弥合工程团队信心与高管审批之间的鸿沟至关重要。*“LangSmith可观测性可能是我们从整个LangChain生态中获得的最大资产，”*科尔代尔表示。

团队还在平台层面将LangSmith洞察智能体应用于ToyotaGPT，用以了解不同部门如何采用该系统，并识别哪些新定制智能体值得优先开发。

向八位数节省迈进

每个制造用例预计在每条产线、每个车间、每个工厂实现至少六位数的年度节省。按丰田北美制造足迹推算，科尔代尔预测随着产品组合成熟，每个设施将实现数百万美元的年度节省。

*“希望明年我们再交流时，我能说我们的节省规模已达到七到八位数。这是我们未来几年的预测，”*科尔代尔表示。

更直接的是，4天的智能体交付周期意味着团队现在能够跟上企业内部的需求信号。随着50多个生产级智能体和可扩展平台的建立，企业AI团队的目标十分明确：“AI将出现在资产负债表上，而这将归功于LangChain。我们将看到成效，也将看到投资回报。”

了解更多关于**深度智能体 (https://www.langchain.com/deep-agents)和**LangSmith (https://www.langchain.com/langsmith-platform)如何加速智能体开发。