Ir al contenido
AI.info

The Pulse

LangChain describe una fábrica de conocimiento para mantener al día a los agentes de IA

LangChain afirma que utiliza un sistema en el que los agentes señalan lagunas de conocimiento y otro agente actualiza la información compartida. La empresa también está trabajando con algunos clientes para llevar este enfoque a sus agentes.

LangChain describe una fábrica de conocimiento para mantener al día a los agentes de IA

LangChain afirma que sus agentes internos de comercialización y del estudio de contenidos funcionan con lo que denomina una fábrica de conocimiento: un sistema para recopilar, seleccionar y mantener el conocimiento de la empresa que necesitan sus agentes. En una publicación del 21 de noviembre, Harrison Chase describió cómo la empresa la utiliza para el trabajo interno y en LangSmith Engine.

La empresa también está trabajando con algunos clientes para llevar este enfoque a sus agentes internos y externos, escribió Chase. LangSmith Engine, un agente que examina trazas y sugiere soluciones, mantiene una fábrica de conocimiento para cada agente, según la publicación.

Conocimiento para tareas futuras

Chase distingue entre el contexto disponible para un agente durante una tarea y el conocimiento reutilizable sobre el funcionamiento de una empresa. Ese conocimiento puede incluir el significado de una métrica, en qué fuente confiar o cómo abordar una situación concreta.

La fábrica de conocimiento está pensada para recopilar y mantener esa información, de modo que pueda proporcionarse como contexto para trabajos posteriores. Otro contexto que ya esté almacenado de forma fiable puede proporcionarse directamente a un agente, en lugar de mantenerse por separado en la fábrica.

Chase divide ese conocimiento en habilidades, conocimiento del dominio y orientación sobre el acceso a los datos. Las habilidades abarcan procedimientos, instrucciones y scripts para realizar el trabajo de la manera que espera la empresa.

El conocimiento del dominio abarca definiciones, políticas y datos sobre productos, clientes, competidores y la organización. La tercera categoría indica a los agentes qué fuentes utilizar, dónde se encuentra la información y cómo consultarla.

Un curador en segundo plano

Los agentes, mientras realizan su trabajo habitual, señalarían la información que no pueden encontrar o que descubren que es incorrecta, y podrían sugerir una corrección. Otro agente, encargado de la curaduría, revisaría periódicamente esas señales y actualizaría el almacén de conocimiento.

Chase sostiene que los agentes que utilizan el conocimiento no deberían ser los únicos responsables de mantenerlo: pedir a agentes que persiguen principalmente sus propios objetivos que lo mantengan «hará que se vuelva desordenado y esté lleno de contradicciones», escribió. En cambio, el agente curador tendría acceso a las fuentes subyacentes, así como a las trazas que muestran cómo utilizan las personas los agentes.

Entre esas fuentes podrían estar Notion y Slack. Las trazas podrían ayudar al agente curador a convertir las interacciones en habilidades, mientras que los informes de los agentes en funcionamiento señalarían el material que requiere atención.

Entre los posibles formatos de almacenamiento figuran las habilidades en GitHub, un archivo en Notion, el formato OKF en LangSmith Context Hub o un grafo de conocimiento en Neo4j. Chase escribió que la representación de la memoria semántica sigue siendo un área incipiente y sin un estándar establecido.

Un ejemplo de informe de ingresos

En su publicación, ilustra el proceso con un agente que prepara un informe de ingresos. En el ejemplo, las cifras brutas de ingresos están en BigQuery y Salesforce, mientras que las instrucciones para elaborar el informe se almacenan como habilidades en GitHub y el método de la empresa para calcular el ARR se conserva en una wiki.

Las instrucciones para acceder a los datos cambiantes se almacenan como habilidades en Context Hub. En ese ejemplo, el agente encargado del informe detecta que se ha cambiado el nombre de una columna de BigQuery, encuentra la correcta mientras trabaja y señala el problema con una actualización sugerida.

Una vez creado el informe, la persona responsable de finanzas trabaja con el agente en el formato, incluido un nuevo encabezado para los documentos de la empresa. Esa noche, el agente curador revisa la columna señalada y la traza del agente, y actualiza las habilidades pertinentes tanto para la consulta de datos como para el encabezado del informe.

Fuentes

  1. Fuente original · Entrada de blog LangChain langchain.com

Empresas en esta noticia

Noticias relacionadas

Explora

Más artículos