Kỹ thuật mục tiêu: Thiết kế phạm vi tác nhân để phản hồi từ con người tốt hơn

LangChain lập luận rằng khi thiết kế các tác nhân hướng mục tiêu, nên chọn phạm vi sao cho con người có thể dễ dàng đưa ra phản hồi chất lượng cao, vì ngữ cảnh chuyên môn không được ghi lại là thứ khó cung cấp nhất. Nghiên cứu điển hình của họ về Actively AI cho thấy nhà xây dựng tác nhân bán hàng đã thay thế các tác nhân theo từng tài khoản bằng "motions" — các tác nhân được xây dựng trên Deep Agents, mỗi tác nhân đảm nhận một công việc như tiếp cận ra bên ngoài trên nhiều tài khoản — giúp việc đánh giá và học hỏi chéo nhiệm vụ trở nên dễ dàng hơn.