配送与出行 / 网约车
Lyft：运营一个让一线人员自行构建乘客与司机客服AI智能体的平台
- 企业
- Lyft
- 国家
- 美国
- 实施阶段
- 运营中
- 资料发布
- 日期依据
- 资料发布的时间，可能与启用日期不同。
- 依据核验方式
- 阅读原文正文
业务问题
根据Lyft技术团队于2026年5月27日在LangChain博客发表的文章，Lyft的AI Assist处理乘客和司机的支持请求，例如账户访问、车辆损坏理赔、费用核查和收入争议。自2023年起步以来，每构建一个智能体都需要机器学习工程师投入数月，2026年随着新的用户群体、新的问题类型和自动驾驶车辆支持带来需求增长，最了解客户问题的一线人员必须经由工程师才能修改智能体的模式成为瓶颈。
使用的技术与数据
Lyft用LangGraph构建了路由式多智能体架构。上层智能体对收到的请求进行分类，并转交给乘客、司机、损坏理赔等专门的子智能体，每一轮对话中恶意意图检测和安全问题检测都会先于LLM推理并行运行。运营团队、客户之声负责人和产品经理只需按固定模板编写提示词并填写JSON配置即可定义新的智能体，而需要图像处理和欺诈检测的损坏理赔等高风险流程由工程师亲自构建。新智能体先只承接5%至10%的真实请求，所有运行都在LangSmith中追踪，并用LLM评审对真实对话样本自动打分，然后再全面推开。
成果
据Lyft团队介绍，首个司机智能体约需6个月的开发，新的配置型智能体缩短到约2周，生产环境中100%的智能体都配有对真实对话打分的自动评估。基于评估指标设置的防护措施使幻觉和矛盾回答的比例下降20%，通过自助平台上线几个智能体后，AI解决率提高了16%。许多非工程背景的团队成员已能自行构建和改进智能体。
局限与待解问题
原文没有给出AI解决率的基准值、处理的请求数量和成本变化。
来源
本案例根据公开资料整理，并非 ATF Works 客户的成果。