LangChain trình bày chi tiết về harness dùng chung đằng sau các agent nội bộ của mình
Bắt đầu từ đây
LangChain công bố năm khối xây dựng dùng chung đằng sau các agent nội bộ của mình cho marketing, bán hàng và kỹ thuật: chạy bên trong Slack, xử lý danh tính, bộ nhớ hai tầng, thực thi mã trong sandbox và các lần chạy nền theo lịch. GTM Agent, OpenSWE và Content Studio của họ đều chạy trên Managed Deep Agents, vốn nằm trên harness Deep Agents mã nguồn mở và cung cấp kênh, cron, sandbox, bộ nhớ và danh tính. Bài viết mô tả cách mỗi agent kết hợp thông tin xác thực thay mặt với thông tin xác thực cố định, và nêu rằng bộ nhớ là lĩnh vực ít được khám phá nhất trong năm lĩnh vực. Trong một bài tiếp theo, LangChain cho biết hơn 70% số lần chạy của hai agent chủ động GTM Agent và Robin hiện đến từ lịch trình thay vì lời nhắc của con người. Họ lập luận rằng bộ nhớ được xây dựng từ ngữ cảnh hạt giống, phản hồi của người dùng và kết quả chính là thứ cho phép agent hành động mà không cần lời nhắc, và rằng các lần kiểm tra phải có tín hiệu cao và nhanh chóng để xem xét, được gửi trong Slack nơi người dùng đã làm việc. LangChain lưu ý rằng việc giữ bộ nhớ hữu ích là khó khăn do độ nổi bật, thời hạn và trùng lặp, và rằng các công việc nền theo lịch mà họ gọi là "dreaming" là một cách phổ biến để cập nhật nó.
Tạo từ các bài viết · cập nhật 7 giờ trước
Diễn biến
2 diễn biến
- 18 tháng 11 00:49 · 1 bài viếtChia sẻ bài học từ việc xây dựng các agent chủ độngLangChain Blog:LangChain về việc xây dựng các agent chủ động: bài học về bộ nhớ và UX từ GTM Agent và Robin
- 17 tháng 11 14:39 · 1 bài viếtChia sẻ năm thành phần của việc xây dựng harness công tyLangChain Blog:LangChain phác thảo năm thành phần để xây dựng bộ khung agent nội bộ cho công ty
Dòng thời gian bài viết
Theo các bài viết để thấy sự việc từ nhiều phía.
- LangChain BlogLangChain về việc xây dựng các agent chủ động: bài học về bộ nhớ và UX từ GTM Agent và Robin
LangChain trình bày những gì họ học được khi vận hành hai agent chủ động nội bộ là GTM Agent và Robin trên Managed Deep Agents, nơi hơn 70% lượt chạy hiện đến từ lịch trình thay vì lời nhắc của con người. Bài viết lập luận rằng bộ nhớ được xây dựng từ ngữ cảnh hạt giống, phản hồi của người dùng và kết quả chính là thứ cho phép agent hành động mà không cần lời nhắc, và rằng các buổi check-in phải có tín hiệu cao và nhanh để xem xét, được gửi đến nơi người dùng vốn đã làm việc trong Slack. Bài viết cũng lưu ý rằng việc giữ bộ nhớ hữu ích là khó vì tính nổi bật, thời hạn và trùng lặp, và rằng các công việc nền theo lịch mà họ gọi là dreaming là một cách phổ biến để cập nhật nó.
- LangChain BlogLangChain phác thảo năm thành phần để xây dựng bộ khung agent nội bộ cho công ty
LangChain mô tả năm nguyên thủy dùng chung đằng sau các agent nội bộ của mình cho marketing, sales và engineering: sống trong Slack, xử lý danh tính, bộ nhớ hai tầng, thực thi mã trong sandbox và các lượt chạy nền theo lịch. GTM Agent, OpenSWE và Content Studio của họ đều chạy trên Managed Deep Agents, nền tảng này nằm trên bộ khung Deep Agents mã nguồn mở và cung cấp channels, crons, sandboxes, memory và identity. Bài viết trình bày chi tiết cách mỗi agent kết hợp thông tin xác thực on-behalf-of và cố định, đồng thời lưu ý rằng bộ nhớ vẫn là lĩnh vực ít được khám phá nhất.
Độ nóng của sự việc này
- Hiện tại, trong khoảng so sánh được
- 8
- Đỉnh, trong khoảng so sánh được
- 1018 tháng 11 01:00
- Thay đổi trong 24 giờ
- –
Xu hướng so sánh cùng một nhóm người tham gia trong những giờ được quan sát liên tục, nên khoảng của nó có thể hẹp hơn số độ nóng hiện tại. Rê chuột hoặc chạm vào biểu đồ để xem độ nóng theo giờ; các phím mũi tên di chuyển qua biểu đồ.