Workday用LangGraph与LangSmith搭建企业级智能体平台

摘要：Workday 介绍其如何利用 LangGraph 与 LangSmith 构建企业内部智能体平台，将原型开发周期从数月压缩至不足一天，并减少定制合规工作。其核心思路是把模型调用、状态管理、工具执行和人工审批组织为可观测、可评测的图式工作流，而不是为每个业务场景单独搭建应用。该案例展示了企业智能体平台在开发效率与治理能力上的潜力，但公开摘要尚未披露任务成功率、运行成本、权限模型及规模化指标，实际收益仍需结合生产数据验证。

---

从单点智能体到统一执行平台

Workday 使用 LangGraph 与 LangSmith 构建了面向企业内部场景的智能体平台。按照官方披露，该平台把智能体原型开发时间从数月缩短到不足一天，并减少了逐项目重复处理合规要求的负担。

这里的关键不是某个模型在单项基准上提高了多少分，而是 Workday 把智能体开发中的重复工程抽象成了共享基础设施：统一管理模型调用、工作流状态、工具执行、追踪记录和评测过程。每个新原型不再从零搭建编排层，而是基于经过验证的平台组件快速组装。

不过，现有摘要没有给出参与建设的智能体数量、覆盖的业务线、原型时间与工时的统计口径，以及合规工作减少的具体比例。因此，“不足一天”更适合被理解为厂商披露的开发效率信号，而非可直接横向复现的行业基准。

LangGraph承担有状态工作流编排

LangGraph 的核心价值是将智能体建模为一张状态图。节点可以对应模型推理、检索、工具调用或人工审批，边则描述状态转移条件。相比简单的 ReAct 循环，图式编排能够显式表达以下能力：

• 循环与重试：工具返回无效结果时，可回到指定节点重新规划；
• 条件分支：根据任务类型、权限或风险等级进入不同路径；
• 检查点与恢复：将中间状态持久化，失败后不必从头执行；
• 人工介入：在敏感操作前暂停工作流，等待授权后恢复；
• 有界执行：通过最大步数、预算或终止条件限制失控循环。

对生产系统而言，有界执行尤其重要。传统自主循环通常用最大迭代次数控制成本，但迭代次数并不能直接表示业务风险。更可靠的策略是同时限制 Token 消耗、工具调用次数、墙钟时间及单次操作影响范围，并为外部写操作设置独立的审批门。

LangGraph 并不会消除智能体的不确定性。它解决的是控制流与状态管理问题，而不是让模型输出天然可靠。工作流图只能保证某类操作按既定路径执行，不能替代输入验证、工具参数校验和结果审计。

LangSmith补齐追踪、评测与治理闭环

LangSmith 负责观测和评测层。对于企业智能体，单纯查看最终答案通常不足以定位问题。一次任务失败可能来自需求拆解错误、上下文缺失、检索召回偏移、工具选择错误、参数格式异常，甚至下游 API 的瞬时故障。

基于 LangSmith 的追踪机制可将一次执行拆分为可关联的运行轨迹，包括：

1. 每一步的输入与输出；
2. 模型、提示词和工具调用记录；
3. Token、延迟及错误信息；
4. 状态转换和分支选择；
5. 人工审批与最终结果。

评测闭环可以进一步把这些轨迹转化为可重复执行的测试集。开发者不仅能判断最终答案是否正确，还能分别检查工具调用序列、状态转换、引用证据、审批节点是否触发以及成本是否超出预算。这种方法适合企业常见的迭代方式：先定义任务级成功标准，再让提示词、模型、检索策略和编排图的修改接受回归测试。

需要注意，LLM-as-a-Judge 不能自动充当合规审计员。涉及工资、财务、员工数据或权限变更的场景，仍需使用确定性断言、规则检查、抽样人工复核和明确的失败处置流程。LangSmith 提供可观测性基础，但判定标准、数据留存范围与访问控制必须由企业自行设计。

企业落地的关键工程权衡

平台抽象与业务灵活性

统一平台能够减少重复开发，但底层抽象过度也可能限制业务团队表达复杂流程。较稳妥的设计是把身份认证、权限、状态持久化、模型网关、日志、评测和发布流程做成标准能力，同时允许业务团队通过受限节点扩展，而不是让每个团队自行创建不受治理的节点。

延迟与吞吐量

图式工作流通常需要多次模型和工具调用，端到端延迟会沿串行路径累积。平台应并行执行彼此独立的检索或验证任务，缓存稳定前缀，并对只读工具和写入工具采用不同调度策略。否则，节点数量越多，单次任务的模型成本与尾延迟越高。

状态与合规成本

检查点和人工审批需要持久化状态，这会引入存储、密钥管理、版本迁移及删除义务。对 HR 和财务场景而言，保留完整轨迹虽然有利于审计，却可能扩大敏感数据暴露面。应将最小化采集、字段脱敏、访问审计、分级保留和到期删除设计成平台默认能力。

共享平台与模型可替换性

将业务逻辑绑定到单一模型供应商，会增加升级和降本难度。更可维护的设计是通过模型网关统一调用接口，把结构化输出、工具调用、重试和成本策略放在网关层，将提示词与业务状态保留在编排层，从而允许按任务在模型之间路由。

开发者如何评估同类平台

企业采用这类智能体基础设施时，不应只衡量原型速度。建议建立四组指标：

• 效率指标：从需求确认到可测试原型的周期、重复基础设施代码量；
• 质量指标：任务成功率、工具调用准确率、人工接管率和失败恢复率；
• 经济指标：单次成功任务的 Token、工具调用和人工审核成本，而非单次模型调用价格；
• 治理指标：敏感数据暴露事件、越权工具调用、审批绕过率和审计追踪完整度。

评测集还应覆盖正常路径、空结果、工具超时、权限不足、提示注入、状态部分写入及人工拒绝等异常情况。只有在失败可定位、过程可审计、权限可撤销的前提下，原型开发提速才可能转化为稳定的生产效率。

工程启示

Workday 案例说明，LangGraph 与 LangSmith 的组合价值不在于提供单点模型能力，而在于将智能体从一次性脚本升级为企业级运行平台：通过图结构控制复杂流程，通过追踪和评测建立质量闭环，再以共享基础设施吸收合规与运维成本。

但官方案例目前缺少任务成功率、生产用户规模、运行成本和独立复现数据。对计划采用类似架构的团队，更现实的验证路径是选取一个边界清晰、包含工具调用与人工审批的流程，先比较“独立开发”和“平台化开发”的全生命周期成本，再以真实任务成功率、单位成功任务成本及审计完整性决定是否扩大部署。

---

消息来源：LangChain Blog (2026-11-10)

—— 完 ——

主题标签： #Workday 关注 #LangGraph 关注 #LangSmith 关注 #企业智能体 关注 #智能体可观测性 关注