El equipo de Cisco construye un marco de coordinación de múltiples agentes basado en LangSmith y LangGraph

robot
Generación de resúmenes en curso
NOTICIAS de ME, 18 de abril (UTC+8), recientemente, Renuka Kumar y Prashanth Ramagopal del equipo de Cisco construyeron un marco de coordinación de múltiples agentes basado en LangSmith y LangGraph, cuyo comportamiento está diseñado para simular la colaboración en equipos de software del mundo real.
Este marco pertenece a la categoría de "ingeniería de agentes", con el objetivo de acelerar todo el proceso desde los requisitos hasta la implementación del software mediante la simulación de la colaboración en equipos de ingeniería, no solo generando código.
El sistema incluye agentes de trabajo que realizan tareas de desarrollo, prueba y depuración, así como agentes líderes responsables de coordinar, gobernar y proporcionar recursos compartidos y memoria a largo plazo.
Las prácticas preliminares muestran que, en más de 20 pilotos de flujos de trabajo de depuración, el tiempo de localización de causas raíz se redujo en un 93% en comparación con la línea base histórica, ahorrando más de 200 horas de ingeniería en 512 sesiones mensuales;
el tiempo de ejecución del flujo de trabajo de desarrollo se redujo en un 65%, principalmente gracias a la compresión de la etapa de prueba aguas abajo.
(Fuente: InFoQ)
Ver original
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
  • Recompensa
  • 14
  • 1
  • Compartir
Comentar
Añadir un comentario
Añadir un comentario
GateUser-cbb8cdf5
· hace12h
La localización de la causa raíz con una reducción del 93% es más digna de atención que la reducción del 65% en la ejecución, lo que indica que el diagnóstico es más difícil de automatizar que la ejecución.
Ver originalResponder0
GlassDome
· hace14h
512 conversaciones ahorran 200 horas de trabajo, calculando que cada conversación ahorra 23 minutos, la eficiencia de depuración realmente mejora sustancialmente
Ver originalResponder0
PleaseReadTheWhitepaperFirst.
· hace18h
Los datos piloto son bonitos, pero la muestra de 20 flujos de trabajo es demasiado pequeña, se requiere validación a nivel de mil.
Ver originalResponder0
FoldedPrivateKey
· hace19h
El liderazgo actúa como gestor de memoria y gobernanza, esta estructura es como si le pusieran un CTO a la IA
Ver originalResponder0
GateUser-7df43e29
· hace19h
93% es un poco exagerado, pero LangGraph como capa de coordinación es ciertamente mucho más flexible que una máquina de estados codificada de forma rígida.
Ver originalResponder0
QuantitativeButNotPretentious
· hace19h
Los datos de un solo mes son atractivos, pero ¿el ROI calcula el tiempo de trabajo o el costo de mano de obra?
Ver originalResponder0
CandleLibrarian
· hace19h
LangSmith hace observabilidad, LangGraph hace orquestación, Cisco elige la pila de manera muy práctica
Ver originalResponder0
Post-RainCandlestickReflection
· hace19h
Espera una implementación de código abierto, quiero ver cómo escribe el prompt el representante de liderazgo.
Ver originalResponder0
0xLateComer
· hace19h
El tiempo de ejecución se ha reducido en un 65%, parece que el ciclo de generación de código por LLM + pruebas automatizadas ha comenzado a girar.
Ver originalResponder0
ResilientGoldfish
· hace19h
¿El proxy de depuración y el proxy de prueba se culparán mutuamente? ¿Cómo se arbitra el proxy de gobernanza?
Ver originalResponder0
Ver más
  • Fijado