Beli Kripto
Bayar dengan
USD
USD
Beli & Jual
Hot
Mendukung Visa, Mastercard, SEPA, dll.
P2P
0 Fees
Perdagangan fleksibel, nol biaya
Gate Card
Gunakan kripto untuk pembayaran global
Market
Perdagangan
Dasar
Lanjutan
Futures
Futures
Akses ribuan kontrak perpetual
CFD
Emas
Satu platform aset tradisional global
Opsi
Hot
Perdagangkan Opsi Vanilla ala Eropa
Akun Terpadu
Memaksimalkan efisiensi modal Anda
Perdagangan Demo
Pengantar tentang Perdagangan Futures
Bersiap untuk perdagangan futures Anda
Acara Futures
Gabung acara & dapatkan hadiah
Perdagangan Demo
Gunakan dana virtual untuk merasakan perdagangan bebas risiko
Earn
Peluncuran
CandyDrop
tag
Koleksi permen untuk mendapatkan airdrop
Launchpool
Staking cepat, dapatkan token baru yang potensial
HODLer Airdrop
Pegang GT dan dapatkan airdrop besar secara gratis
Pre-IPOs
Buka akses penuh ke IPO saham global
Poin Alpha
Perdagangkan aset on-chain, raih airdrop
Poin Futures
Dapatkan poin futures dan klaim hadiah airdrop
Investasi
Square
Kotak
Temukan nilai dalam kripto
Live
moments live
Analisis live pasar kripto
Chat
Mengobrol dengan trader kripto
Berita
Apa yang terjadi di kripto
flower_head
Lainnya
Promosi
AI
Lainnya
TradFi
Gate Card
Hadiah
Square
Terbaru
Populer
Berita
Profil

Tim tim Cisco membangun kerangka kerja koordinasi multi-agen berbasis LangSmith dan LangGraph

MeNews
robot
Pembuatan abstrak sedang berlangsung
ME News Berita, 18 April (UTC+8), Baru-baru ini, tim Cisco yang dipimpin oleh Renuka Kumar dan Prashanth Ramagopal membangun kerangka kerja koordinasi multi-agen berbasis LangSmith dan LangGraph, yang bertujuan untuk mensimulasikan kolaborasi tim perangkat lunak dunia nyata. Kerangka kerja ini termasuk dalam kategori "rekayasa agen", dengan tujuan mempercepat seluruh proses dari kebutuhan hingga penerapan perangkat lunak melalui simulasi kolaborasi tim rekayasa, bukan hanya menghasilkan kode. Sistem ini mencakup agen kerja yang melakukan pengembangan, pengujian, debugging, dan lain-lain, serta agen pemimpin yang bertanggung jawab untuk koordinasi, tata kelola, serta menyediakan sumber daya bersama dan memori jangka panjang. Praktik awal menunjukkan bahwa dalam lebih dari 20 pilot alur kerja debugging, waktu identifikasi akar penyebab berkurang sebesar 93% dibandingkan baseline historis, menghemat lebih dari 200 jam kerja dalam 512 sesi per bulan; waktu pelaksanaan alur kerja pengembangan berkurang sebesar 65%, dengan manfaat utama berasal dari mempercepat tahap pengujian hilir. (Sumber: InFoQ)
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
  • Hadiah
  • 7
  • 2
  • Bagikan
Komentar
Tambahkan komentar
Tambahkan komentar
GateUser-1c5ab2b5
· 1jam yang lalu
Pengurangan waktu identifikasi akar penyebab sebesar 93% ini terlalu ekstrem, tim debug tradisional akan kehilangan pekerjaan.
Lihat AsliBalas0
BreadthHunter
· 10jam yang lalu
Ide tentang mensimulasikan kolaborasi tim perangkat lunak menarik, tetapi biaya komunikasi antara manusia dan agen belum dihitung, kan?
Lihat AsliBalas0
Stop-LossForBluePeony
· 10jam yang lalu
Istilah "rekayasa agen" cukup baru, apa bedanya dengan MLOps?
Lihat AsliBalas0
RugcheckRoommate
· 10jam yang lalu
20 alur kerja debugging berani mengirim data, apakah ukuran sampelnya agak kecil
Lihat AsliBalas0
GateUser-318a7dc8
· 10jam yang lalu
Root cause identification 93%... Teringat insiden P1 terakhir yang memakan waktu tiga jam untuk diselidiki, membuat saya ngiler.
Lihat AsliBalas0
FloatingTeacup
· 10jam yang lalu
Bagaimana cara mencegah pencemaran memori jangka panjang dari agen pimpinan? Sudah pernah mengalami masalah sebelumnya
Lihat AsliBalas0
ALampInMistyValley
· 10jam yang lalu
Penurunan sebesar 93% agak di luar nalar, apakah bisa direplikasi dalam skenario nyata?
Lihat AsliBalas0

  • Disematkan

peta situs