做開源開發框架嘅 LangChain 喺本週一篇官網上公佈，佢哋內部建咗一個專管付費廣告（paid media）嘅 AI 代理（agent，即有能力調用工具、執行多步任務嘅 AI 系統），並已開源。呢個 agent 專負責分析跨平台廣告表現、提出優化建議，經人工審批後再執行。
點樣做嘅
LangChain 過去三年嘅銷售管道主要靠自然增長，靠開源、內容、YouTube 同社區活動。佢哋指年初決定開拓付費廣告，想喺六個月內開齊五個付費渠道，但市場團隊細，人手要同時跟住新campaign、不同創意與定向實驗同膨脹嘅數據，已經頂唔順。
佢哋列出嘅技術難題：每個廣告平台數據格式（schema）各不同，難以跨平台對帳；投放參數同最終關注嘅指標（如銷售諮詢、註冊、內容下載）對唔齊；產品發版速度加快令人工管理越加困難。
Agent 嘅設計分兩層：
- 模型負責判斷：解讀分析結果、建議下一步動作。
- 程式碼負責一致性：計算、source-of-truth 規則、安全護欄全部用程式碼處理。
佢哋稱呢個設計令 agent 更快、更平、更可靠，模型專注喺「睇完結果要點做」。System prompt 被設計做「地圖」，令 agent 揾得到所需嘅資料，而唔係把所有嘢塞入上下文。
審批流程
Agent 唔係自己亂改投放。佢哋指 agent 會跟住新產品發布草擬campaign、加關鍵字、做變體測試，並提出實驗建議俾團隊審批（human approval）。批完先執行，執行後仲要核對改動有冇正確反映。呢個被描述為一個持續學習循環：分析表現 → 做改動 → 觀察結果 → 記錄學習 → 應用喺未來campaign。
資料圖片：Pixabay
金主數字
佢哋列出嘅關鍵數據：
- 付費廣告喺六個月內由占營銷管道 0% 升到 20%。
- **CPL（Cost Per Qualified Lead，每個合格潛在客户成本）**由六月到八月跌 30%。
- 同期月均廣告支出升約 60%。
以上全部為 LangChain 單方公佈嘅內部數據，未經任何第三方核對。
阿調搞兩下
呢個 agent 唔係乜「AI 全自動代運營」，而係個「數據分析助理加審批流程」，呢個定位實際唔錯。CPL 跌三成同時支出升六成，表面上係好數，但讀者要記住：
- 這係單一家公司、單一時期、單一產品線嘅數據，唔代表全行業，更加唔代表其他公司用同樣方案就唔會出同樣效果。
- 「CPL 跌 30%」係由邊個算法同邊個時段計算？佢哋冇寫明。月支出升六成，分母已經變咗，CPL 跌三成嘅含金量要再估。
- Agent 嘅「學習循環」寫得好聽，但冇見佢話過邊度係人工介入、邊度係純自動化。呢個係用前必問嘅問題。
講到底，佢開源咗，技術細節睇得見，呢點抵讚。但「開源」同「效果可驗證」係兩碼事，唔好因為開源就當係實測數據。
參考來源： LangChain Blog（https://www.langchain.com/blog/paid-media-agent），2026年10月28日。
阿調｜深度調教
