# LangChain descreve uma fábrica de conhecimento para manter agentes de IA atualizados

Published 2026-11-21 · AI.info Team · AI.info

> A LangChain diz que usa um sistema no qual os agentes apontam lacunas de conhecimento e um agente separado atualiza as informações compartilhadas. A empresa também está trabalhando com alguns clientes para levar a abordagem aos agentes deles.

A [LangChain](https://www.langchain.com/blog/knowledge-factory) diz que seus agentes internos de go-to-market e do estúdio de conteúdo operam com o que chama de fábrica de conhecimento: um sistema para coletar, selecionar e manter o conhecimento da empresa de que seus agentes precisam. Em uma publicação de 21 de novembro, Harrison Chase descreveu como a empresa a utiliza em trabalhos internos e no LangSmith Engine.

A empresa também está trabalhando com alguns clientes para levar a abordagem aos agentes internos e externos deles, escreveu Chase. O LangSmith Engine, um agente que examina traces e sugere correções, mantém uma fábrica de conhecimento para cada agente, segundo a publicação.

## Conhecimento para tarefas futuras

Chase distingue o contexto disponível para um agente durante uma tarefa do conhecimento reutilizável sobre como uma empresa opera. Esse conhecimento pode incluir o significado de uma métrica, em qual fonte confiar ou como lidar com uma situação específica.

A fábrica de conhecimento tem como objetivo coletar e manter essas informações para que possam ser fornecidas como contexto em trabalhos posteriores. Outros contextos já armazenados de forma confiável podem ser fornecidos diretamente a um agente, em vez de serem mantidos separadamente na fábrica.

Chase divide esse conhecimento em skills, conhecimento de domínio e orientações sobre como acessar dados. As skills abrangem procedimentos, instruções e scripts para realizar o trabalho da maneira esperada pela empresa.

O conhecimento de domínio abrange definições, políticas e fatos sobre produtos, clientes, concorrentes e a organização. A terceira categoria informa aos agentes quais fontes usar, onde as informações estão e como consultá-las.

## Um curador nos bastidores

Agentes realizando seu trabalho habitual apontariam informações que não conseguem encontrar ou que descobrem estar erradas, e poderiam sugerir uma correção. Um agente curador separado revisaria essas sinalizações periodicamente e atualizaria o repositório de conhecimento.

Chase argumenta que os agentes que usam o conhecimento não deveriam ser os únicos responsáveis por mantê-lo: pedir que agentes cujo principal objetivo é perseguir suas próprias metas o mantenham “fará com que ele se torne indisciplinado e cheio de contradições”, escreveu. Em vez disso, o curador teria acesso às fontes subjacentes, bem como a traces que mostram como as pessoas usam os agentes.

Essas fontes poderiam incluir Notion e Slack. Os traces poderiam ajudar o curador a transformar interações em skills, enquanto os relatórios dos agentes em operação identificariam o material que precisa de atenção.

Entre os possíveis formatos de armazenamento estão skills no GitHub, um arquivo no Notion, o formato OKF no LangSmith Context Hub ou um grafo de conhecimento no Neo4j. Chase escreveu que a representação da memória semântica continua sendo uma área incipiente, sem um padrão estabelecido.

## Um exemplo de relatório de receita

A publicação ilustra o processo com um agente que prepara um relatório de receita. No exemplo, os números brutos da receita estão no BigQuery e no Salesforce, enquanto as instruções para o relatório são armazenadas como skills no GitHub e o método da empresa para calcular ARR é mantido em um wiki.

As instruções para acessar os dados, que mudam, são armazenadas como skills no Context Hub. Nesse exemplo, o agente responsável pelo relatório percebe que uma coluna do BigQuery teve o nome alterado, encontra a coluna correta durante o trabalho e sinaliza o problema com uma atualização sugerida.

Depois que o relatório é criado, o responsável pela área financeira trabalha com o agente na formatação, incluindo um novo cabeçalho para os documentos da empresa. Naquela noite, o curador revisa a coluna sinalizada e o trace do agente, atualizando as skills relevantes tanto para a consulta aos dados quanto para o cabeçalho do relatório.

## Fontes

1. Fonte original · Post de blog [LangChain](https://www.langchain.com/blog/knowledge-factory) langchain.com

## Empresas nesta notícia

- [LangChain Inc.](https://ai.info/pt/companies/langchain-inc)

## Notícias relacionadas

- [AWS Quick adiciona respostas multiagentes e fluxos de negócios criados por chat](https://ai.info/pt/news/aws-quick-multi-agent-business-flows)
- [Cohere leva dados do Crunchbase ao North para clientes com licença](https://ai.info/pt/news/cohere-north-crunchbase-connector)
- [SOCi disponibiliza servidor MCP a todos os clientes](https://ai.info/pt/news/soci-mcp-server-integrations-agentic-workforce)
- [35Gates oferece ambientes dedicados de IA na nuvem por ¥ 64.000 ao mês, antes dos impostos](https://ai.info/pt/news/35gates-lmaas-dedicated-cloud-ai-platform)
- [Architect Labs diz que seus sistemas de IA projetaram a CPU Frostbite](https://ai.info/pt/news/architect-labs-frostbite-ai-designed-cpu)

## Explore

[Mais artigos](https://ai.info/pt/news)

---

Canonical: https://ai.info/pt/news/langchain-knowledge-factory-ai-agents
