Equipe Cisco constrói estrutura de coordenação multiagente baseada em LangSmith e LangGraph

robot
Geração do resumo em andamento
ME News Notícias, 18 de abril (UTC+8), recentemente, Renuka Kumar e Prashanth Ramagopal, da equipe da Cisco, construíram uma estrutura de coordenação de múltiplos agentes baseada em LangSmith e LangGraph, cujo comportamento visa simular a colaboração de equipes de software do mundo real.
A estrutura pertence à categoria de "engenharia de agentes", com o objetivo de acelerar todo o processo de software desde os requisitos até a implantação, através da simulação da colaboração de equipes de engenharia, e não apenas gerar código.
O sistema inclui agentes de trabalho responsáveis por executar tarefas de desenvolvimento, teste, depuração, entre outras, além de um agente líder encarregado de coordenar, governar e fornecer recursos compartilhados e memória de longo prazo.
Práticas iniciais mostram que, em mais de 20 pilotos de fluxo de trabalho de depuração, o tempo de identificação da causa raiz foi reduzido em 93% em relação à linha de base histórica, economizando mais de 200 horas de engenharia em 512 sessões mensais;
O tempo de execução do fluxo de trabalho de desenvolvimento foi reduzido em 65%, com os principais benefícios vindo da compressão da fase de testes downstream. (Fonte: InFoQ)
Ver original
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
  • Recompensa
  • 14
  • 1
  • Compartilhar
Comentário
Adicionar um comentário
Adicionar um comentário
GateUser-cbb8cdf5
· 3h atrás
A redução de 93% na localização da causa raiz é mais digna de atenção do que a redução de 65% na execução, indicando que o diagnóstico é mais difícil de automatizar do que a execução.
Ver originalResponder0
GlassDome
· 5h atrás
512 sessões economizam 200 horas de trabalho, resultando em uma economia de 23 minutos por sessão, a eficiência de depuração realmente melhora drasticamente
Ver originalResponder0
PleaseReadTheWhitepaperFirst.
· 10h atrás
Os dados do piloto estão bons, mas a amostra de 20 fluxos de trabalho é pequena demais, aguardando validação em milhares de casos.
Ver originalResponder0
FoldedPrivateKey
· 10h atrás
Liderança, substituição, gerenciamento, memória e governança, essa estrutura é como se tivesse equipado a IA com um CTO
Ver originalResponder0
GateUser-7df43e29
· 11h atrás
93% é um pouco exagerado, mas o LangGraph como camada de coordenação é realmente muito mais flexível do que uma máquina de estados codificada de forma rígida
Ver originalResponder0
QuantitativeButNotPretentious
· 11h atrás
Os dados de um mês parecem bons, mas o ROI está considerando o tempo de trabalho ou o custo de mão de obra?
Ver originalResponder0
CandleLibrarian
· 11h atrás
LangSmith faz observabilidade, LangGraph faz orquestração, a Cisco escolhe a pilha de forma muito pragmática
Ver originalResponder0
Post-RainCandlestickReflection
· 11h atrás
Aguardando uma implementação open source, quero ver como o líder escreve o prompt de proxy
Ver originalResponder0
0xLateComer
· 11h atrás
A redução de 65% no tempo de execução, parece que o ciclo de geração de código por LLM + testes automatizados começou a ganhar força
Ver originalResponder0
ResilientGoldfish
· 11h atrás
A代理 de depuração e a代理 de teste vão se culpar mutuamente, como a governança de代理 vai arbitrar?
Ver originalResponder0
Ver projetos
  • Fixado