Goal Engineering: การออกแบบขอบเขตของเอเจนต์เพื่อรับฟีดแบ็กจากมนุษย์ที่ดีขึ้น

LangChain ให้เหตุผลว่าในการออกแบบเอเจนต์ที่มุ่งเป้าหมาย ควรเลือกขอบเขตให้มนุษย์สามารถให้ฟีดแบ็กคุณภาพสูงได้ง่าย เนื่องจากบริบทเชิงผู้เชี่ยวชาญที่ไม่ได้เขียนไว้เป็นสิ่งที่จัดหาได้ยากที่สุด กรณีศึกษาของ Actively AI แสดงให้เห็นว่าผู้สร้างเอเจนต์ด้านการขายเปลี่ยนจากเอเจนต์ต่อบัญชีมาเป็น "motions" — เอเจนต์ที่สร้างบน Deep Agents ซึ่งแต่ละตัวรับผิดชอบงานอย่างการออกไปติดต่อหลายบัญชี — ทำให้การตรวจทานและการเรียนรู้ข้ามงานง่ายขึ้น