LangChain为Managed Deep Agents新增表情回应API，用加载状态提升智能体交互可见性
LangChain博客介绍，Managed Deep Agents在v0.9版本中加入reactions属性，Slack频道可接收表情字符串或返回表情的可调用对象，并支持用决策模型动态选择回应表情。
AI解读：LangChain在Managed Deep Agents v0.9中新增了用于管理分布式智能体表情回应的API，并支持通过决策模型、前沿模型或if语句动态分配emoji回应。
该功能面向Slack频道，reactions属性可接受一个emoji字符串，或一个返回emoji的可调用对象；示例中当消息包含“broken”时返回🐛，否则默认👀。
LangChain称，智能体任务可能长时间运行，用户需要确认任务已收到，因此加载状态和等待模式对智能体交互设计很关键。
示例使用LangChain工具包中的TypeSafe Classifier与TypeSafe兼容的决策模型Jev，基于emoji词汇表选择回应；当模型置信度低于0.25时回退到👀。
LangChain指出，同一emoji含义取决于智能体场景，因此emoji描述比emoji名称更重要；描述过于宽泛会导致评分模型偏重某些回应。
用户可通过Slack shortcode添加自定义emoji；LangChain内部内容智能体已使用一组自定义emoji，例如lc-no-em-dash。
LangChain博客发布文章，介绍Managed Deep Agents的新功能：在v0.9版本中，Managed Deep Agents新增了一个管理分布式智能体表情回应的API，以及一套可根据所选工具动态分配emoji回应的系统，所用工具可以是决策模型、前沿模型或普通的if语句。
文章称，新reactions属性面向Slack频道，接受一个代表emoji的字符串，或一个返回emoji的可调用对象。示例代码中，默认回应为👀，如果消息文本包含“broken”一词，则返回🐛。
新API让Slack智能体动态选择表情回应
LangChain在博客中表示，用户在能看到智能体实际在做什么时才会信任智能体，因此加载状态是构建智能体用户体验时容易被忽视的设计环节。该文章将新reactions属性描述为构建愉悦界面和加载状态的工具。
示例代码显示，开发者可以向channels.slack传入name和reactions参数，reactions可以是一个异步函数。该函数接收context字典，根据context["text"]的内容返回字符串形式的emoji。
- Managed Deep Agents v0.9新增reactions属性，用于管理分布式智能体的表情回应。
- reactions可接受emoji字符串或返回emoji的可调用对象。
- 示例中默认返回👀，消息包含“broken”时返回🐛。
- 该功能面向Slack频道。
用决策模型和词汇表选择emoji，置信度低于0.25回退
博客进一步展示了用决策模型选择emoji的方式：使用LangChain工具包中的TypeSafe Classifier，对接TypeSafe兼容的决策模型Jev，在预定义的emoji词汇表中选择回应。文章称Jev支持最多255个选项，也可以把emoji按类别分组，通过多个问题构造决策矩阵，以覆盖更多emoji。
示例中定义了一个Choice对象，instructions为“哪个emoji最能确认这条消息”，criteria列出了bug、rotating_light、mag、hourglass、speech_balloon、wave、eyes及其对应描述。代码在模型置信度低于0.25时回退到👀，也可以选择不回退到任何表情。
LangChain还表示，可以使用其他具有相同端点的决策模型，例如托管在LangSmith LLM Gateway上的SemIf，或在不同模型之间切换进行实验。
- 示例使用TypeSafe Classifier和Jev决策模型，根据输入上下文从emoji词汇表中选择回应。
- Jev支持最多255个选项，可通过分组构造决策矩阵覆盖更多emoji。
- 置信度阈值设为0.25，低于该值回退到👀。
- 文章称也可使用SemIf等相同端点的决策模型，或在不同模型间切换。
LangChain强调emoji描述需贴合工作区含义
文章指出，同一个emoji在不同智能体场景下可能含义相反：on-call智能体发🔥可能表示生产环境着火、需要起床处理；growth智能体发🔥可能表示活动有效、可以继续睡觉。LangChain称，这正是criteria描述比emoji名称更重要的原因，模型匹配的是对情境的描述，同一个符号承载的是工作区已经赋予它的含义。
博客也提到这种设计可能存在“不诚实”之处：由另一个模型对回应模型打分，解读上可能有细微差异。LangChain建议为每个回应的预期用途写出有效描述，因为描述过于笼统会让评分模型过度偏向某些回应。
- 同一emoji在不同智能体场景中含义可能相反，描述比emoji名称更重要。
- LangChain承认由另一个模型评分可能带来解读差异。
- 描述过于笼统会让评分模型过度偏向某些回应。
支持Slack shortcode自定义表情
文章称，用户可以通过Slack shortcode向词汇表中添加自定义emoji。LangChain内部内容智能体已经创建了一组自定义emoji，可在回复中使用；文章作者特别提到lc-no-em-dash，智能体在被要求撰写内容时会选择该表情。
博客最后建议尝试不同描述或不同词汇表结构，并扩展或收缩智能体可用的emoji集合。文章还提供了文档链接，用于为现有Managed Deep Agents添加reactions，以及面向尚未构建过managed deep agent用户的快速入门链接。
- 可通过Slack shortcode添加自定义emoji。
- LangChain内部内容智能体使用一组自定义emoji，包括lc-no-em-dash。
- 文章建议尝试不同描述和词汇表结构，并调整可用emoji集合。