Canyon Code获500万美元融资，为智能体应用工作流提供可见性管理

智能体人工智能初创公司Canyon Code今日宣布完成500万美元的pre-seed轮融资，正式走向台前。

该公司的使命是为企业提供精细化控制能力，以成功管理和优化新一代"多智能体"智能应用程序。

本轮融资由Cota Capital领投，Newbuild Ventures和Blackhorn Ventures参与跟投。这笔资金将用于加速该初创公司的研发工作，并构建其全新的"工作流智能层"——这是一个专门的软件堆栈，用于管理AI智能体之间以及智能体与驱动它们的模型之间的交互方式。

AI智能体与当今大多数人熟悉的生成式AI聊天机器人有很大不同。聊天机器人只能回答问题、生成图像和文本，而AI智能体则被设计为代表人类自主工作，让人们能够专注于更具创造性的工作。这些智能体可以对问题进行推理，使用第三方工具，并与其他智能体协作完成任务。但当企业试图超越实验性试点阶段，大规模部署更复杂的多智能体应用时，他们遇到了一些重大问题。

他们面临的最重大挑战之一是，智能体所部署的现有基础设施主要是为模型服务层构建的，而不是为实际的智能体工作流构建的。这意味着企业缺乏对智能体行为的可见性——无法了解智能体在做什么、采取了哪些行动、做出了什么决策等等。

这种缺乏透明度的问题是智能体AI成本飙升和智能体工作负载性能不稳定的主要原因。据Canyon Code联合创始人兼首席执行官Ravikiran Gopalan表示，企业需要的是一个特殊的工作流智能层，帮助他们查看和管理智能体应用的集体行为。

这正是Canyon Code所提供的。该公司构建了一个企业级编排层，位于模型服务层之上，为企业提供对智能体实际行为的洞察。这一层的关键组件是Canyon Code的依赖关系图，它帮助用户监控不同AI智能体之间的依赖关系和交互。

这个依赖关系图使企业能够实时跟踪每个AI智能体的进度，并提供急需的上下文信息反馈到模型服务层。利用这些洞察，团队可以更高效地编排和调度模型调用。

例如，如果一个智能体的输出是其他三个智能体的前置条件，系统会优先处理该智能体的调用以降低系统延迟。该智能体会首先完成工作，这样其他智能体就能获得完成自身任务所需的上下文。此外，Canyon Code还管理上下文记忆，确保每个智能体在需要时都能访问所需信息，而不会使提示词膨胀并增加成本。

Gopalan表示，有了这种优化水平，企业可以开始设置更具体的策略。例如，企业可以设置让面向客户的支持智能体优先考虑更低的延迟，而后台数据分析智能体则优先考虑输出的准确性和成本效益。即使这两个智能体运行在同一个底层模型上，也可以实现这种差异化配置。

Gopalan是一位三次创业的创始人，已经成功扩展了一家智能体AI初创公司，而他的联合创始人Aditya Akella是一位受人尊敬的研究员，此前曾发表过关于机器学习和操作系统主题的论文。

Gopalan说："企业正在跨越智能体系统的可靠性门槛，开始大规模部署越来越多的多智能体应用。然而，他们没有简便的方法为这些应用按应用和按角色设置行为策略。Canyon Code的技术将使他们能够做到这一点。"

Q&A

Q1：Canyon Code是什么公司？它解决什么问题？

A：Canyon Code是一家智能体人工智能初创公司，专注于为企业提供对多智能体应用的可见性管理和优化能力。它解决的核心问题是企业在大规模部署AI智能体时缺乏对智能体行为、决策和交互的透明度，导致成本飙升和性能不稳定。

Q2：AI智能体和普通的AI聊天机器人有什么区别？

A：AI智能体与聊天机器人有本质区别。聊天机器人只能回答问题、生成图像和文本，而AI智能体可以代表人类自主工作，能够对问题进行推理、使用第三方工具，并与其他智能体协作完成复杂任务，让人们专注于更具创造性的工作。

Q3：Canyon Code的工作流智能层是如何帮助企业优化智能体应用的？

A：Canyon Code构建了位于模型服务层之上的企业级编排层，通过依赖关系图实时监控智能体之间的交互和依赖关系。它能够智能调度模型调用，例如优先处理被其他智能体依赖的任务以降低延迟，同时管理上下文记忆避免提示词膨胀，从而帮助企业降低成本并提升性能。