进行中
LangChain 谈主动型 Agent 的记忆与 UX
- 报道
- 2
- 信源
- 2
- 首次报道
- 11/18 00:49
- 最近更新
- 11/18 04:00
LangChain 分享构建主动型 Agent 的经验,称记忆与 UX 是让这类在后台按目标运行的智能体不变成打扰的两个关键。 LangChain 以内部销售智能体 GTM Agent 和工程智能体 Robin 为例,说明触发来自真实事件、开发者设定的计划和智能体自建的计划;LangChain 称在 Managed Deep Agents 上超过 70% 的运行来自计划而非人工提示。 LangChain 还展示了基于 Managed Deep Agents 构建的销售智能体内部架构:带 Office 工具和品牌套件的沙盒、面向销售阶段和模板的技能、跨每笔交易的记忆,以及为会前简报安排的定时运行。
热度48 小时内每个独立信源只算一次,24 小时减半
- 48 小时参与信源
- 2
- 6 小时新加入
- 0
- 24 小时新报道
- 2
- 热点排名
- —
热度曲线会在事件持续一段时间后出现。
事件进展2 个阶段
LangChain展示基于Managed Deep Agents的销售Agent架构
LangChain 等 1 篇报道
LangChain Blog 等 1 篇报道
官方一手信息1 篇
LangChain 分享构建主动型 Agent 的经验:记忆与 UX 是关键
LangChain 总结其构建主动型 Agent 的经验,认为记忆与 UX 是让这类后台运行、按目标工作的智能体不变成打扰的两个关键。文章以内部销售智能体 GTM Agent 和工程智能体 Robin 为例,说明触发来自真实事件、开发者设定的计划和智能体自建的计划,在 Managed Deep Agents 上超过 70% 的运行来自计划而非人工提示。
LangChain Blog一手
全部报道2 篇
深入内部: ✅ 一个带 Office 工具和我们品牌套件的沙盒 ✅ 面向销售阶段和模板的技能 ✅ 跨每笔交易的记忆 ✅ 为会前简报安排的定时运行 构建于 Managed Deep Agents 之上。
LangChain
LangChain 分享构建主动型 Agent 的经验:记忆与 UX 是关键
LangChain 总结其构建主动型 Agent 的经验,认为记忆与 UX 是让这类后台运行、按目标工作的智能体不变成打扰的两个关键。文章以内部销售智能体 GTM Agent 和工程智能体 Robin 为例,说明触发来自真实事件、开发者设定的计划和智能体自建的计划,在 Managed Deep Agents 上超过 70% 的运行来自计划而非人工提示。
LangChain Blog一手
