LangChain 总结构建公司级智能体的五个组件
LangChain 的 Harrison Chase 和 Caspar Broekhuizen 发文,总结其营销、销售、工程三个内部智能体共用的五个核心组件:智能体放在 Slack 等现有工作场所、区分代用户行事与固定身份、全局与用户两级记忆、沙箱内执行代码、大量运行为定时或事件触发。文中以 GTM Agent、OpenSWE、Content Studio 为例,说明各自在身份、记忆和代码执行上的具体处理方式,三者均构建在 Managed Deep Agents 之上。

一个主动、始终在线的智能体,协助 GTM 活动。监控并回复邮件、处理新的合格线索、发送每日简报、回答关于客户账户的问题、执行外呼动作 OpenSWE: 我们的工程智能体,可以处理并起草 PR,还会对所有 PR 运行代码审查 Content Studio: 我们的营销智能体,可以按照我们的风格并基于对我们定位的了解来起草素材(博客、图片、PowerPoint、视频) 所有这些智能体都以相同方式构建。我们认为这是构建公司级执行框架的通用配方。 问题:用户体验 我们所有的智能体都存在于人们已经工作的地方,对我们来说就是 Slack。它们各自有独立的 Slack 应用, 可以被私信或在频道中被 @。在频道中使用这些智能体的一个好处是,其他人可以看到人们如何使用它。 我们添加的一个不错的功能是“拆分”Slack 中对话的概念。通常,一场精彩的对话正在进行,你想把你的智能体加进来征求它的意见或让它做点什么。但如果它在该线程中运行,就会污染人类对话并造成干扰。因此我们添加了一种简单方式,让智能体“拆分”到频道中自己的线程。 有些用户体验最好不要在 Slack 中完成。例如,在审阅 GTM Agent
匹配字段正文
