LangChain เผยแพร่บทแนะนำการสร้าง proactive agents ด้วย Schedules SDK
เริ่มตรงนี้
LangChain เผยแพร่บทแนะนำการสร้าง proactive, always-on agents ใน Managed Deep Agents โดยใช้ cron server ที่มีมาให้และ Schedules SDK โดย LangChain ระบุว่ากว่า 70% ของการรัน Managed Deep Agent บน LangSmith มาจากการรันตามกำหนดเวลา ไม่ใช่จากข้อความของมนุษย์ Schedules สามารถกำหนดแบบ static ได้ในไฟล์ schedules/ หรือสร้างตอน runtime ผ่านเครื่องมือที่ห่อ Schedules SDK เช่น set_schedule, list_schedules และ delete_schedule บทความเชื่อม cron เข้ากับ memory consolidation, proactive outreach, triage, follow-ups และ fleet orchestration พร้อมชี้ผู้อ่านไปที่ langch.in/mda สำหรับการตั้งค่า
สร้างจากรายงาน · อัปเดต 4 ชม. ที่แล้ว
ไทม์ไลน์รายงาน
ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน
- LangChain BlogLangChain อธิบายวิธีสร้าง proactive always-on agent ด้วย Schedules SDK ใน Managed Deep Agents
LangChain ให้รายละเอียดวิธีสร้าง proactive always-on agent ใน Managed Deep Agents โดยใช้ cron server ที่มีมาให้และ Schedules SDK พร้อมระบุว่ากว่า 70% ของการรัน Managed Deep Agent บน LangSmith มาจากการรันตามกำหนดเวลา ไม่ใช่จากข้อความของมนุษย์ Schedules สามารถกำหนดแบบ static ได้ในไฟล์ schedules/ หรือสร้างตอน runtime ผ่านเครื่องมือที่ห่อ Schedules SDK เช่น set_schedule, list_schedules และ delete_schedule โพสต์นี้เชื่อม cron เข้ากับ memory consolidation, proactive outreach, triage, follow-ups และ fleet orchestration และชี้ไปที่ langch.in/mda สำหรับการตั้งค่า
ความร้อนแรงของเหตุการณ์นี้
- ช่วงปัจจุบันที่เทียบได้
- 9
- จุดสูงสุดในช่วงที่เทียบได้
- 1018 พฤศจิกายน 04:00
- การเปลี่ยนแปลงใน 24 ชั่วโมง
- –
แนวโน้มนี้เปรียบเทียบผู้ร่วมพูดถึงชุดเดียวกันในช่วงเวลาที่เฝ้าดูต่อเนื่อง ช่วงจึงอาจแคบกว่าคะแนนความร้อนปัจจุบัน วางเมาส์หรือแตะกราฟเพื่อดูความร้อนรายชั่วโมง กดลูกศรเพื่อเลื่อนดู