Snyk چطور ایجنت پشتیبانی داخلیش رو به یه فیچر برای مشتری‌ها تبدیل کرد
هوش مصنوعیخلاصهٔ کامل‌تر
Snyk یه پلتفرم امنیتیه که آسیب‌پذیری‌ها رو تو کد، وابستگی‌های open source، کانتینرها و تنظیمات کلود پیدا می‌کنه. تیمش تو این مقالهٔ وبلاگ LangChain می‌گه مشتری‌هاشون سؤال‌های سخت و دقیق دارن و جوابشون بین مستندات، مقاله‌های پشتیبانی، release noteها و اطلاعات حساب پخش بود. برای همین Snyk Assist رو ساختن: یه ایجنت روی LangChain و LangGraph که به زبان ساده جواب می‌ده و می‌تونه issueهای باز رو ببینه، یه پکیج رو برای آسیب‌پذیری چک کنه، تیکت باز کنه یا درخواست فیچر ثبت کنه.
چون Snyk محصول امنیتی می‌سازه، به گفتهٔ تیم باید سه چیز ثابت می‌شد: ایجنت درست جواب بده، چیزهایی که باید رد کنه رو رد کنه و هیچ‌وقت داده‌ای که کاربر اجازهٔ دیدنش رو نداره برنگردونه. پس سه مرحله جلو رفتن. اول حدود یه سال ابزار داخلی تیم پشتیبانی بود، هم برای دسته‌بندی کیس‌ها و هم به‌عنوان ایجنت مجازی. آوریل ۲۰۲۶ رفت تو پورتال پشتیبانی و از ۱ سپتامبر ۲۰۲۶ به‌شکل یه پنل بالای همهٔ صفحه‌های محصول برای همهٔ مشتری‌های پولی فعال شد. تو هر سه مرحله همون runtime موند و فقط ظاهر جلوش عوض شد.
یه ایجنت LangGraph پشت چند تا رابط نشسته: اپ Slack، وب‌اپ و API مستقیم. تیم چهار تصمیم طراحی رو کلیدی می‌دونه. ابزارها (tools) موقع هر درخواست بر اساس دسترسی‌های همون کاربر وصل می‌شن، یعنی ایجنت فقط به داده‌ای می‌رسه که کاربر خودش هم می‌تونست ببینه. context، guardrailها و fallback مدل از طریق middleware (یعنی نقطه‌های ثابتی تو چرخهٔ اجرای ایجنت) اضافه می‌شن و تغییرشون یه خط تو یه لیسته. تاریخچهٔ گفتگو با checkpointer تو PostgreSQL ذخیره میشه. یه factory مشترک هم گراف رو می‌سازه و هر تیم فقط کانفیگ خودش رو می‌ده.
برای ارزیابی، از روز اول همهٔ فراخوانی‌های مدل و ابزار تو LangSmith ثبت (trace) شدن. ارزیابی آفلاین دو بخش داره: سؤال‌های واقعی با جواب درست که یه مدل دوم نمره می‌ده، و red-teaming خودکار که سعی می‌کنه ایجنت رو گول بزنه تا دستورها رو نادیده بگیره یا اطلاعات محرمانه لو بده. هر pull request تو CI روی همین مجموعه‌ها اجرا میشه و اگه به آستانه‌های تعیین‌شده نرسه، merge نمی‌شه. یه job زمان‌بندی‌شده هم همهٔ اجراهای production رو نمره می‌ده تا نرخ واقعی حل بدون تیکت معلوم بشه.
به گفتهٔ تیم، از آوریل ۲۰۲۶ تا الان ایجنت بیش از ۶۰ هزار سؤال از بیش از ۵۰۰ حساب مشتری جواب داده، بیش از ۸۵٪ جلسه‌ها بدون تیکت حل شدن و بیش از ۲۵۰ کیس رو خودش تشخیص داده و مستقیم به تیم درست فرستاده. دسته‌بندی سؤال‌ها هم به مدیرهای محصول نشون می‌ده مشتری‌ها کجای محصول بیشتر گیج می‌شن.
نکات کلیدی:
- Snyk Assist روی LangChain و LangGraph ساخته شده و observability و ارزیابیش با LangSmith هست
- مسیر انتشار: حدود یه سال داخلی، آوریل ۲۰۲۶ پورتال پشتیبانی، ۱ سپتامبر ۲۰۲۶ داخل محصول
- ابزارها بر اساس دسترسی کاربر لاگین‌شده موقع هر درخواست وصل می‌شن
- حافظهٔ گفتگو با checkpointer تو PostgreSQL و بر اساس session ذخیره میشه
- هر pull request تو CI جلوی ارزیابی‌ها و red-teaming قرار می‌گیره و زیر آستانه merge نمی‌شه
- آمار: بیش از ۶۰ هزار سؤال، بیش از ۵۰۰ حساب، بیش از ۸۵٪ حل بدون تیکت
