LangChain 介绍用 Schedules SDK 构建常驻主动型智能体
先了解这件事
2026年11月18日,LangChain 发布两篇博文,介绍在 Managed Deep Agents 中构建常驻主动型智能体的做法。第一篇分享构建主动式智能体的经验,称记忆与 UX 是两大关键:其内部 GTM Agent 和 Robin 基于 Managed Deep Agents 构建,记忆来自种子、反馈和结果三类信号,但需解决显著性、过期和重复问题。第二篇介绍用 Schedules SDK 实现主动型常驻智能体,核心机制是把智能体运行当作 cron 定时任务,并给出静态 schedules/ 文件与用工具动态创建、列出、删除调度的代码示例。两篇均称 LangSmith 上超过 70% 的 Managed Deepagent 运行来自定时调度而非人工输入。
AI 根据报道生成 · 3 天前更新
报道时间线
沿着报道,了解事件的不同侧面。
- LangChain BlogLangChain 介绍如何用 Schedules SDK 在 Managed Deep Agents 中构建常驻主动型智能体
LangChain 发文介绍如何用 Managed Deep Agents 的 Schedules SDK 构建主动型常驻智能体,其核心机制是把智能体运行当作 cron 定时任务。文中称 LangSmith 上超过 70% 的 Managed Deepagent 运行来自定时调度而非人工输入,并给出静态 schedules/ 文件与用工具动态创建、列出、删除调度的代码示例。
- LangChain BlogLangChain 构建主动式智能体的经验:记忆与 UX 是关键
LangChain 分享构建主动式智能体的经验,认为记忆与 UX 是两大关键。其内部 GTM Agent 和 Robin 基于 Managed Deep Agents 构建,目前超过 70% 的运行来自调度而非人工提示。记忆来自种子、反馈和结果三类信号,但需解决显著性、过期和重复问题。
本事件热度走势
当前热度 3·可比范围峰值 4(11月19日 17:00)·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。