LangChain最新博客展示了三家公司如何从原型转向平台化运营，覆盖LLMOps、可观测性、评估与沙箱架构。
AI解读：这些案例表明，AI代理在原型阶段很容易构建，但真正的挑战在于规模化运营。Schneider Electric通过一个 350 人的内部AI Hub和LangSmith工具链，管理着 60 多个代理，重点解决了数据驻留、质量控制和评估流程的问题；Vodafone则利用LangGraph构建了面向工程师的助手，并通过全链路追踪定位多步流程中的故障；monday.com在发现工具过多反而降低性能后，将Sidekick重构为带有子代理、受限工具和沙箱的分层系统。对于正在规划AI代理的企业，这些案例提供了一个重要参考：尽早投资于可观测性和评估体系，并考虑采用集中式平台来避免重复建设。
LangChain发布博客，介绍欧洲与中东地区三家公司的AI代理规模化实践：施耐德电气（Schneider Electric）、沃达丰（Vodafone）和monday.com。文章称，该地区企业正从单一聊天机器人转向代理平台，35% 的受访组织将公司级代理平台或控制平面作为主要用例。
施耐德电气：以LLMOps支撑 60 多个代理
施耐德电气拥有约 16 万名员工，年收入约 400 亿欧元，其内部AI Hub由 350 名专家组成，已部署 60 多个代理，用于优化能源消耗、延长资产生命周期和提升开发者生产力。施耐德首席AI官Philippe Rambach表示，准确性、答案质量和防护措施是真实挑战，需要LangSmith等工具来理解系统行为。
施耐德在AWS EKS上自托管LangSmith，并为每个AI产品创建跨环境的单一工作空间，使得生产轨迹可回流至开发数据集用于离线评估。其内部AI助手One Jo服务 107 个国家的 16 万名员工，每次对话均被追踪。约 20% 的AI产品至少有一个活跃的标注队列，由领域专家审查生产示例。
在部署上，施耐德采用“构建者即运营者”模式，每个AI产品运行在独立的技术栈上。其数字能源部门的一个文档处理代理分析报价请求和规格，完成时间从原来的数小时或数天缩短至 15 分钟以上。
沃达丰：从工作流到可监控的生产系统
沃达丰为超过 3.4 亿客户提供服务，其数据和AI团队使用LangChain和LangGraph构建了两个内部助手。Insight Engine通过将自然语言查询转换为SQL来分析性能指标，恩igma则帮助工程师从SharePoint中检索数千份技术文档。
两个系统均使用LangGraph代理先对用户意图进行分类，再路由到相应处理链。沃达丰云解决方案、编排与智能高级经理Antonino Artale表示，LangChain组件是其从实验转向生产的关键推动者。所有对话均进行端到端追踪，以定位多步流程中的故障源头，例如意图分类错误、SQL生成错误或文档版本不匹配。
monday.com：从通用代理到分层系统
monday.com的AI助手Sidekick最初是单一通用代理，但随着工具数量增加，模型在工具选择上出现可靠性问题，且排错变得复杂。团队使用LangGraph和Deep Agents将系统重构为分层架构，包括上下文与权限层、主编排代理、子代理、工具和沙箱。
新架构中，子代理负责更专注的目标，工具按权限分级，沙箱用于处理需要迭代的文件操作等任务，例如将上传的CSV与项目数据对账。团队通过LangSmith对完整路径进行追踪，以判断故障是源于上下文检索、规划、委派还是工具执行。