LangChain 详述其内部智能体背后的共享框架
先了解这件事
LangChain 发布了其面向市场、销售和工程的内部智能体背后的五个共享构建模块:在 Slack 内运行、处理身份、双层记忆、沙箱化代码执行和定时后台运行。其 GTM Agent、OpenSWE 和 Content Studio 都运行在 Managed Deep Agents 上,后者构建于开源 Deep Agents 框架之上,提供渠道、定时任务、沙箱、记忆和身份。文章描述了每个智能体如何混合使用代表用户身份的凭证与固定凭证,并指出记忆是这五个领域中探索最少的一个。 在后续文章中,LangChain 表示其两个主动型智能体 GTM Agent 和 Robin 现在超过 70% 的运行来自定时调度而非人工提示。它认为,由种子上下文、用户反馈和结果构建的记忆,正是让智能体无需提示即可行动的关键,而检查提醒必须信号强、易于快速审阅,并投递到用户已经在使用的 Slack 中。LangChain 指出,保持记忆有用很难,原因在于显著性、过期和重复,而它称之为“dreaming”的定时后台任务是更新记忆的常见方式。
AI 根据报道生成 · 7 小时前更新
事件进展
2 个进展
- 11月18日 00:49 · 1 篇报道分享构建主动型智能体的经验LangChain Blog:LangChain 谈构建主动型智能体:来自 GTM Agent 和 Robin 的记忆与用户体验经验
- 11月17日 14:39 · 1 篇报道分享构建公司级框架的五个组件LangChain Blog:LangChain 概述构建公司内部智能体 harness 的五个组件
报道时间线
沿着报道,了解事件的不同侧面。
- LangChain BlogLangChain 谈构建主动型智能体:来自 GTM Agent 和 Robin 的记忆与用户体验经验
LangChain 总结了在 Managed Deep Agents 上运行两个内部主动型智能体 GTM Agent 和 Robin 的经验,目前超过 70% 的运行来自定时调度而非人工提示。文章认为,由种子上下文、用户反馈和结果构建的记忆,正是让智能体无需提示即可行动的关键;而检查必须信号强、易于快速审阅,并投递到用户已在使用的 Slack 中。文章还指出,保持记忆有用很难,原因在于显著性、过期和重复,而它称之为 dreaming 的定时后台任务,是更新记忆的常见方式。
- LangChain BlogLangChain 概述构建公司内部智能体 harness 的五个组件
LangChain 描述了其面向市场、销售和工程团队的内部智能体背后的五个共享原语:驻留在 Slack 中、处理身份、双层记忆、沙箱化代码执行和定时后台运行。其 GTM Agent、OpenSWE 和 Content Studio 均运行在 Managed Deep Agents 上,后者构建于开源 Deep Agents harness 之上,提供渠道、cron、沙箱、记忆和身份。文章详述了每个智能体如何混合使用代表用户身份和固定凭证,并指出记忆仍是探索最少的领域。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 1011月18日 01:00
- 近 24 小时变化
- –
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。