LaunchDarkly是一家专注于功能控制的平台公司,致力于帮助开发者和软件工程师发布并管理产品。近日,该公司正式宣布推出AgentControl——一项为生产环境中的AI智能体提供实时管理能力的全新解决方案。
随着越来越多的智能体被部署到生产环境中,企业逐渐发现,与普通代码不同,生成式AI具有概率性特征,其表现并不总与测试阶段完全一致。
模型虽然可以持续更新和迭代实验,但在面对意料之外的用户交互时,即便代码没有任何改动,输出质量也可能悄然下滑。一旦投入使用,智能体通常被赋予较大的自主空间,人工监督相对减少,目的是让它们能够高效完成任务。然而,这也使得异常状况不断累积时,智能体容易偏离预定任务轨道,而这一过程的发展速度往往超出团队的反应能力。
LaunchDarkly首席技术官Cameron Etezadi表示:"AI领域最棘手的问题,比如模型漂移、输出不稳定以及干预响应不够及时,恰恰正是我们平台所擅长解决的。我们不需要重新构建平台,只需将其延伸扩展,以适应AI软件开发生命周期和智能体驱动工作流的新需求。"
据LaunchDarkly介绍,其平台将即时运行时干预能力与团队可靠运行AI智能体所需的操作层深度融合。平台能够支持跨团队、跨框架的智能体行为配置,在变更影响线上流量之前完成质量基准评估,并通过渐进式发布实现受控上线。
上述功能均配备精细化的追踪级可见性,使团队能够基于真实生产数据持续迭代优化。这意味着IT团队、软件工程师、AI工程师,乃至使用无代码工具构建AI智能体的业务用户,都可以在无需重新部署的情况下,从容推进智能体的维护工作。
LaunchDarkly强调,在生产环境中管理智能体所需的控制能力,对响应速度有着极高要求。平台的配置变更可在200毫秒内完成传播,这一速度足以在对话进行过程中实时调整智能体行为、切换至备用模型或触发降级策略——全程在用户察觉到任何异常之前便已完成。
Cursor AI代码编辑器的开发商Anysphere Inc.全球营收与现场运营总裁Brian McCarthy表示:"随着越来越多的AI驱动产品和智能体能力进入生产阶段,运行时控制已成为与开发工作流和团队所信赖的管控机制同等重要的基础设施。"
LaunchDarkly在为软件工程团队构建强大的控制与管理界面方面积累了丰富经验。其核心用户群体主要集中在开发与运维(DevOps)领域,应用功能配置的调整一直是该公司业务发展的重要组成部分。
AgentControl正是将这些积累的专业能力延伸至智能体AI新时代,为企业提供了一种有效掌控智能体行为的强大手段。随着开发团队持续部署更多以机器速度运行、编写和交互的智能体,LaunchDarkly认为,相应的管控系统同样需要具备与之匹配的快速响应能力。
Q&A
Q1:AgentControl是什么?它能解决什么问题?
A:AgentControl是LaunchDarkly推出的一项新解决方案,专为生产环境中的AI智能体提供实时管理能力。它主要解决智能体在生产环境中面临的模型漂移、输出不稳定以及人工干预响应不及时等问题,支持跨团队配置智能体行为、发布前质量基准评估,以及渐进式受控上线,全程无需重新部署代码。
Q2:AgentControl的配置变更响应速度有多快?
A:AgentControl的配置变更可在200毫秒内完成传播。这意味着在一次对话进行的过程中,平台就能实时调整智能体行为、切换至不同模型或触发降级策略,整个过程在用户察觉到任何异常之前便已完成,极大保障了线上服务的稳定性与用户体验。
Q3:AgentControl适合哪些用户使用?
A:AgentControl面向广泛的用户群体,包括IT团队、软件工程师、AI工程师,以及使用无代码工具构建AI智能体的业务用户。无论技术背景深浅,用户都可以借助该平台在无需重新部署的情况下,对智能体进行维护和管理,降低了智能体运营的技术门槛。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。