主要来源shao__meng
查看原文事件专题 ·多源确认
LangChain 谈主动式 Agent:超七成运行靠日程触发,关键是记忆与评审体验
LangChain 团队成员 Sydney Runkle 总结了构建主动式 Agent 的实践经验:以内部 GTM 销售Agent 和工程Agent Robin(前身 Open SWE)为例,两者均基于 Managed Deep Agents 构建,超过 70% 的运行由日程触发而非人工输入。触发来源分三类:现实事件、开发者设定日程、以及 Agent 自行创建的日程(如次日跟进、每日简报)。 文中将「主动」拆成两项能力:一是没有新提示时仍能持续推进数天、数周的目标,靠事件与日程解决;二是少占用人的注意力,靠记忆与评审体验解决。记忆分三类来源——已有资料、当下反馈、行动结果,并通过「dreaming」后台任务定期回看执行记录、清理过期与矛盾信息;衡量标准是草稿获批速度、邮件回复率等业务指标,而非存储量。 评审体验上有三个具体设计:GTM Agent 把对话分为待人工处理、需起草回复、无需回复三档;为邮件草稿做专门评审界面而非在 Slack 逐条处理;每日简报回到同一线程,PR 审查附一行摘要、改动规模和认领按钮。对正在搭建长期运行 Agent 的开发者来说,这套经验把「自主性」从减少确认步骤,重新定义为让每次问询更准、每次评审更轻。
当前结论
LangChain 用自家销售 Agent 和工程 Agent Robin 跑出来的实战经验:70% 运行靠日程触发,记忆靠后台「dreaming」定期整理,评审界面专门设计而不是塞进 Slack。做长周期 Agent 的开发者该看看,比单纯堆模型能力的文章落地得多。
4 个信源46° AI 热度最后更新 2026/11/18 10:08:00
证据链
4 个信源冲突核查
现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。