目标工程：设计智能体范围以改善人类反馈

LangChain 认为，在设计目标导向的智能体时，应当选择这样的范围：人类能够轻松给出高质量反馈，因为未写下来的专家背景是最难提供的东西。其对 Actively AI 的案例研究显示，这家销售智能体构建公司用“motions”取代了按账户划分的智能体——motions 是构建在 Deep Agents 之上的智能体，每个都负责一项工作，比如跨多个账户进行外呼——从而使审核和跨任务学习更容易。