Moda è una piattaforma di design basata sull'intelligenza artificiale pensata per chi non ha competenze specifiche nel settore, come marketer e imprenditori. L'obiettivo è creare presentazioni, post per social media e brochure di livello professionale.

Architettura di Moda

Al cuore di Moda c'è un sistema multi-agente costruito con Deep Agents, con LangSmith che fornisce l'osservabilità necessaria per iterare rapidamente. Il sistema è composto da tre agenti principali:

  1. Design Agent: gestisce la creazione e l'iterazione del design.
  2. Research Agent: recupera e memorizza contenuti strutturati da fonti esterne.
  3. Brand Kit Agent: acquisisce elementi del brand (colori, font, loghi) da siti web o documenti esistenti.

Gli agenti Research Agent e Brand Kit Agent utilizzano Deep Agents. Il Design Agent, inizialmente basato su un loop LangGraph custom, è in fase di migrazione.

Context Engineering: i dettagli che contano

Per ottenere risultati di alta qualità, Moda ha implementato un sistema di context engineering che include:

  • DSL custom: invece di utilizzare un grafo di scena raw, Moda ha sviluppato un DSL (Domain Specific Language) che offre una rappresentazione più pulita e compatta del canvas, riducendo i costi e migliorando la qualità dell'output.
  • Triage → Skills → Main Loop: ogni richiesta passa attraverso un nodo di triage che classifica il formato dell'output e carica le skills rilevanti (documenti Markdown con best practice e linee guida). Le skills vengono iniettate come messaggi umani, con prompt caching per ottimizzare le performance.
  • Dynamic Tool Loading: l'agente di design utilizza un set di tool di base, con la possibilità di attivare tool aggiuntivi on demand.
  • Scaling Context to Canvas Size: Moda gestisce dinamicamente la quantità di contesto fornita all'agente, offrendo una panoramica completa per canvas piccoli e un riepilogo di alto livello per progetti più grandi.

UX: collaborazione uomo-AI

L'interfaccia utente di Moda è progettata per favorire la collaborazione tra utente e AI. Invece di un flusso di lavoro basato sulla generazione e sostituzione, l'AI lavora direttamente su un canvas vettoriale 2D completamente modificabile.

Osservabilità con LangSmith

LangSmith offre visibilità completa sull'esecuzione degli agenti, facilitando l'iterazione su prompt e tool, il tracciamento dei costi, l'analisi della cache e la diagnosi degli errori.

Moda sta valutando l'implementazione di eval formali, ma per ora i trace di LangSmith sono il principale strumento di feedback.