How Capital One Delivers Multi-Agent Systems with Rashmi Shetty - #765

摘要

Capital One 的 Rashmi Shetty 探討了該公司在高監管環境下如何設計、部署與擴展多代理系統。她介紹了 Chat Concierge 自動銀行的多代理聊天體驗，並說明平台如何將設計與 runtime 治理分離，嵌入政策與防護機制。團隊也分享了開發者體驗、可觀察性、評估方法以及模型專化策略。

Capital One's Rashmi Shetty explores how the company designs, deploys, and scales multi-agent systems in a highly regulated environment. She walks through Chat Concierge, a multi-agent chat experience for auto dealerships that handles intent disambiguation, tool invocation, and human handoffs. The T…

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• Capital One 在高監管環境下設計多代理系統，平台分離設計與 runtime 治理。
• Chat Concierge 是自動銀行的多代理聊天體驗，解決客戶需求匹配問題。
• 團隊使用平台政策與防護機制確保代理行為符合法規與安全標準。

章節

依話題轉折切分，標題由 AI 產生

1. 00:00從決策系統到多智慧體：Capital One 的演進
2. 04:40Chat Concierge：多智慧體架構的落地應用
3. 09:17監管框架下的安全與合規
4. 11:57開發者工具鏈：安全部署的基石
5. 16:30閉環觀察：從設計到生產的實時監控
6. 21:10多智慧體評估：端到端與經典 ML 的差異
7. 25:42Capital One 風險優先策略的評估優勢
8. 28:47Capital One 採用開放式基礎模型最佳化模型效能
9. 33:20平台如何將人類介入融入多代理系統架構
10. 36:26隱藏複雜性：平台如何為新使用者提供預製藍圖
11. 40:59透過 SDK 與 API 實現推理最佳化與閉環管理
12. 43:46從傳統金資料集到動態閉環：平台如何支援閉環
13. 47:55建立嚴謹框架以整合法規與現代技術架構
14. 52:29定義昇級閾值以應對執行環境中的代理治理挑戰

適合誰看

企業 AI 架構師、銀行科技團隊、希望學習多代理系統開發與治理的技術人員。

摘要依據

講者

Sam Charrington

依據

語音轉文字

為什麼排在這裡

人氣

0.50

新鮮

0.52

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• 一起学多 AI 智能体系统（双语字幕）- 6. 实战：搭建一个多智能体客户支持系统影片 ・ 宝玉的技术分享 ・ 18 分鐘（在新分頁開啟原站）
• System Design for AI Agents – Building a Multi-Agent PR Reviewer影片 ・ freeCodeCamp.org ・ 3 小時 11 分（在新分頁開啟原站）
• Beyond the Chatbot: Practical Frameworks for Agentic Capabilities in SaaSPodcast ・ AI Engineering Podcast ・ 54 分鐘
• How we built our multi-agent research system文章 ・ Anthropic Engineering Blog
• My FULL Hermes Agent Setup (HermesOS)影片 ・ Tina Huang ・ 16 分鐘（在新分頁開啟原站）
• 愛好 AI Engineer 電子報 🚀 新型態代理人 OpenClaw 正夯，電子報改版 #35文章 ・ ihower（張文鈿）