目標工程：設計代理範圍以獲得更好的人類回饋

LangChain 主張，在設計目標導向的代理時，應選擇讓人類能輕鬆給出高品質回饋的範圍，因為未寫下來的專家背景知識是最難提供的。其對 Actively AI 的案例研究顯示，這家銷售代理建構商以「動作」（motions）取代了按帳戶逐一建置的代理——這些動作是建構於 Deep Agents 之上的代理，各自負責一項工作，例如跨多個帳戶進行外呼——使審查與跨任務學習變得更容易。