LangChain 詳細說明其內部代理背後的共用框架
先了解這件事
LangChain 發表了其行銷、業務與工程內部代理背後的五個共用建構模組:在 Slack 中執行、處理身分識別、兩層記憶、沙箱化程式碼執行,以及排程背景執行。其 GTM Agent、OpenSWE 與 Content Studio 全都執行於 Managed Deep Agents 之上,而後者建構於開源的 Deep Agents 框架,並提供頻道、cron、沙箱、記憶與身分識別。文章描述每個代理如何混用代理人身分憑證與固定憑證,並指出記憶是這五個領域中最少被探索的一項。 在後續文章中,LangChain 表示其兩個主動式代理 GTM Agent 與 Robin 已有超過 70% 的執行來自排程,而非人類提示。它主張,由種子脈絡、使用者回饋與執行結果建構而成的記憶,正是讓代理無需提示即可行動的關鍵,而定期關懷必須具備高訊號且易於快速檢視,並透過使用者原本就在使用的 Slack 傳遞。LangChain 指出,要讓記憶保持有用並不容易,原因在於顯著性、時效與重複,而它稱為「dreaming」的排程背景工作,是更新記憶的常見方式。
AI 依報導生成 · 7 小時前更新
事件進展
2 個進展
- 11月18日 00:49 · 1 篇報導分享打造主動式代理的經驗LangChain Blog:LangChain 談打造主動式代理:來自 GTM Agent 與 Robin 的記憶與 UX 經驗
- 11月17日 14:39 · 1 篇報導分享打造公司框架的五個元件LangChain Blog:LangChain 提出建構公司內部代理 harness 的五個元件
報導時間線
沿著報導,了解事件的不同側面。
- LangChain BlogLangChain 談打造主動式代理:來自 GTM Agent 與 Robin 的記憶與 UX 經驗
LangChain 闡述他們在 Managed Deep Agents 上運行兩個內部主動式代理 GTM Agent 與 Robin 所學到的經驗,目前超過 70% 的執行來自排程,而非人類提示。文章主張,由種子脈絡、使用者回饋與結果所建立的記憶,正是讓代理無需提示就能行動的關鍵;而定期關懷必須訊號明確、易於快速檢視,並送到使用者原本就在用的 Slack。文章也指出,要讓記憶保持有用並不容易,因為存在顯著性、到期與重複等問題,而他們稱為 dreaming 的排程背景任務,是更新記憶的常見方式。
- LangChain BlogLangChain 提出建構公司內部代理 harness 的五個元件
LangChain 說明其行銷、業務與工程內部代理背後的五項共用基礎機制:常駐 Slack、處理身分、兩層記憶、沙箱化程式碼執行,以及排程背景執行。其 GTM Agent、OpenSWE 與 Content Studio 全都執行於 Managed Deep Agents 之上,而後者建構於開源 Deep Agents harness 之上,提供頻道、cron、沙箱、記憶與身分。文章詳細說明每個代理如何混用代理人身分與固定憑證,並指出記憶仍是最少被探索的領域。
本事件熱度走勢
- 可比範圍當前
- 8
- 可比範圍峰值
- 1011月18日 01:00
- 近 24 小時變化
- –
趨勢僅比較持續完整觀測到的相同主體,範圍可能小於當前熱度統計。移動指標或點擊圖表查看每小時熱度;鍵盤可用左右方向鍵切換。