Futures
Accédez à des centaines de contrats perpétuels
TradFi
Or
Une plateforme pour les actifs mondiaux
Options
Hot
Tradez des options classiques de style européen
Compte unifié
Maximiser l'efficacité de votre capital
Trading démo
Introduction au trading futures
Préparez-vous à trader des contrats futurs
Événements futures
Participez aux événements et gagnez
Demo Trading
Utiliser des fonds virtuels pour faire l'expérience du trading sans risque
Lancer
CandyDrop
Collecte des candies pour obtenir des airdrops
Launchpool
Staking rapide, Gagnez de potentiels nouveaux jetons
HODLer Airdrop
Conservez des GT et recevez d'énormes airdrops gratuitement
Pre-IPOs
Accédez à l'intégralité des introductions en bourse mondiales
Points Alpha
Tradez on-chain et gagnez des airdrops
Points Futures
Gagnez des points Futures et réclamez vos récompenses d’airdrop.
Investissement
Simple Earn
Gagner des intérêts avec des jetons inutilisés
Investissement automatique
Auto-invest régulier
Double investissement
Profitez de la volatilité du marché
Staking souple
Gagnez des récompenses grâce au staking flexible
Prêt Crypto
0 Fees
Mettre en gage un crypto pour en emprunter une autre
Centre de prêts
Centre de prêts intégré
L'équipe Cisco construit un cadre de coordination multi-agent basé sur LangSmith et LangGraph
ME News Actualités, le 18 avril (UTC+8), récemment, l’équipe de Cisco composée de Renuka Kumar et Prashanth Ramagopal a construit un cadre de coordination multi-agent basé sur LangSmith et LangGraph, dont le comportement vise à simuler la collaboration d’une équipe logicielle dans le monde réel. Ce cadre appartient à la catégorie “ingénierie d’agents”, avec pour objectif d’accélérer l’ensemble du processus, de la demande à la déploiement, en simulant la collaboration d’une équipe d’ingénierie, et pas seulement la génération de code. Le système comprend des agents de travail exécutant des tâches telles que le développement, les tests, le débogage, ainsi qu’un agent de leadership chargé de la coordination, de la gouvernance, et fournissant des ressources partagées ainsi qu’une mémoire à long terme. Les premières expérimentations montrent qu’avec plus de 20 pilotes de flux de travail de débogage, le temps de localisation des causes profondes a été réduit de 93 % par rapport à la ligne de base historique, économisant plus de 200 heures d’ingénierie pour 512 sessions mensuelles ; le temps d’exécution des flux de développement a été réduit de 65 %, principalement grâce à la compression de la phase de test en aval. (Source : InFoQ)