贝塔斯曼：AI多智能体系统赋能内容统一发现，解锁创意潜能

全球最大的媒体集团之一贝塔斯曼，已开发出一套复杂的AI多智能体系统，以简化其庞大创意团队网络的内容发现流程。这个名为“贝塔斯曼内容搜索”的内部工具，利用LangGraph解决了在庞大、分散的内容生态系统中导航的挑战，使创意人员能够更快、更全面地获取信息。

挑战：驾驭分散的媒体帝国

贝塔斯曼的业务组合涵盖畅销书籍、获奖电影、纪录片、新闻档案和网络情报，其内容分布在数十个不同的系统、数据库和平台中。对于创意专业人士或研究人员来说，一个看似简单的查询，比如“我们有哪些关于巴拉克·奥巴马的内容？”，可能需要花费数小时在无数内部信息孤岛中进行搜索。这种碎片化常常导致重复的研究工作、错失跨平台合作的机会，以及宝贵的创意时间被浪费在信息检索而非内容创作上。

解决方案：内容发现的多智能体方法

贝塔斯曼的AI中心团队没有尝试集中所有数据的艰巨任务，而是选择了一种根本不同的策略：一个多智能体系统，负责协调对现有分布式数据源的搜索。“贝塔斯曼内容搜索”充当智能中介，提供统一的访问点。

该系统通过一系列相互关联的步骤运行：

• 自然语言界面：用户可以用日常语言提出问题，例如“我们有哪些关于可再生能源的纪录片？”或“给我看与电子音乐新兴艺术家相关的内容。”

• 智能路由：一个中央协调智能体分析每个查询，理解其上下文和意图。然后，它智能地将请求路由到最合适的专业智能体。

• 专业领域智能体：每个智能体都是为特定内容领域量身定制的，拥有其元数据、搜索模式和内容类型的独特知识。例如，“出版智能体”了解图书目录和作者信息，而“新闻智能体”则浏览新闻档案。

• 统一响应生成：这些专业智能体各自的响应随后被合成为一个单一、连贯的答案，通常会揭示出孤立搜索会错过的联系和机会。

一个关键的架构优势是智能体部署的灵活性。在LangGraph的支持下，单个智能体可以直接部署在拥有数据的系统中。这意味着各个部门可以利用专业的搜索能力增强自己的平台，而整个组织则通过统一系统从跨平台发现中受益。

架构内部：LangGraph是核心

“贝塔斯曼内容搜索”的核心是基于LangGraph的多智能体架构。协调智能体将查询智能地路由到并行化的领域特定智能体网络：

• 出版智能体：查询图书和有声书目录，理解元数据、作者和时间线。

• 广播智能体：搜索电视、电影和纪录片档案，熟悉节目格式、播出日期和内容分类。

• 新闻智能体：浏览新闻档案，解释文章元数据和出版详情。

• 网络情报智能体：监控外部趋势和评论，提供超越贝塔斯曼自有内容的更广泛背景。

这些智能体与各种数据源交互，包括用于语义搜索的向量数据库、用于结构化查询的API、用于基于关系的查找的图数据库以及用于复杂交互的自定义工具。最后一层将这些多样化的响应合成为可操作的见解，允许用户通过直接与单个智能体交互来深入了解特定内容。

为何选择LangGraph？可靠性和可扩展性

贝塔斯曼的AI中心团队在LangGraph于2024年发布后不久就开始使用它，这种早期采用被证明至关重要。“我们于2023年末开始探索一种多智能体方法，以赋能创意发现，”贝塔斯曼数据服务的数据科学主管Moritz Glauner表示。贝塔斯曼AI中心负责人Carsten Mönning补充道：“最初被指定为探索尚处于早期阶段的智能体技术潜力的试点项目，鉴于LangGraph所展现的可能性，它发展成为一个成熟的内部产品开发。”

贝塔斯曼AI中心机器学习主管Lion Schulz指出：“我们很快意识到LangGraph正是我们所寻找的，因为它为我们的生产系统提供了可靠性和可预测性——所以我们致力于在其上构建我们的多智能体系统，并且从未后悔。”该团队特别受益于LangGraph的模块化设计、生产就绪的基础设施和可扩展的编排能力，这使他们能够从原型阶段过渡到稳健的企业级解决方案。

影响：大规模赋能创造力

“贝塔斯曼内容搜索”从根本上改变了创意团队获取信息的方式，带来了显著的益处：

• 更快的内容发现：过去需要数小时在多个系统中搜索的任务，现在只需几秒钟，从而解放了创意团队，使其能够专注于核心工作。

• 跨平台洞察：该系统揭示了以前未曾发现的联系，允许纪录片制作人发现相关的书籍，或图书编辑从新闻档案中寻找灵感。

• 民主化访问：用户不再需要知道哪个特定系统保存了信息，也不需要直接访问每个数据库。统一的界面使整个贝塔斯曼内容宇宙对授权人员开放。

• 增强协作：通过跨部门呈现内容，该系统自然地促进了协作，并发现了跨品牌合作的机会。

这使得创意组织更加敏捷、信息更灵通，能够更好地应对趋势并最大限度地发挥贝塔斯曼庞大内容组合的价值。

展望：智能体内容系统的未来

“贝塔斯曼内容搜索”是AI在媒体和创意产业中潜力的一个典范。通过拥抱尖端技术并优先考虑生产可靠性，AI中心团队构建了一个随着组织需求不断发展的系统。除了内容搜索，该团队现在还将LangGraph应用于其他智能体开发，包括创意构思和故事板支持，这表明他们致力于将先进AI集成到核心创意工作流程中。