Onnittelut ystävillemme @manusAI! Manus on rakentanut yhden vuoden 2025 häiritsevimmistä tekijöistä. Miten heidän agenttinsa on rakennettu eri tavalla? Isännöimme äskettäin keskustelua Manusin perustajan Yichao "Peak" Jin kanssa heidän kontekstisuunnittelun lähestymistavastaan – mukaan lukien strategiat kontekstiikkunoiden hallintaan, suorituskyvyn optimointiin ja skaalautuvien agenttien rakentamiseen. Katso tämä video + lataa dioja siitä, miten Manus lähestyy kontekstitekniikkaa:

⚡ Yritysagenttien rakentaminen Coinbasessa LangSmithin ⚡ kanssa Coinbase siirtyi nollasta tuotanto-AI-agentteihin kuudessa viikossa, ja sitten tuleva rakennusaika lyhensi 12 viikosta alle viikkoon. Heidän Enterprise AI Tiger -tiiminsä rakensi "päällystetyn tien", jotta kuka tahansa tiimi voisi lähettää agentteja samalla tavalla kuin koodit. Mikä sai tämän toimimaan: → Koodilähtöiset graafit LangGraphilla ja LangChainilla low-code-työkalujen kautta. Tyypitetyt rajapinnat ja yksikkötestattavat solmut päihittävät prompt-engineeringin niissä käyttötapauksissa, joita ne halusivat skaalata. → Havaittavuus vaatimuksena. Jokainen työkalukutsu ja päätös jäljitetään LangSmithin, agenttitekniikan alustamme, avulla. → Auditoitavuus suunnittelun mukaan. Muuttumattomat tiedot käytetyistä tiedoista, seuratuista päättelyistä ja annetuista hyväksynnöistä. Tulos: Kaksi tuotantoagenttia säästää 25+ tuntia viikossa. Neljä lisää suoritettu. Puoli tusinaa insinööriä palvelee nyt itse näitä kuvioita. Agentit ovat ohjelmistoalan ala. Kun isännöit ne oikein, teet niistä havaittavia päästä päähän ja testaat, mikä on determinististä, saat nopeuden sinne missä se auttaa, ja tarkkuutta siellä missä sillä on merkitystä. Lue lisää:

🧠 Pysyvä muisti zkStash SDK:lla Valmistanut LangChain-yhteisö zkStash on TypeScript-SDK pysyvälle muistille tekoälyagenteissa. Integroituu LangChainiin MCP-työkalujen tai middleware-ohjelmiston kautta, käyttäen Zod-skeemoja rakenteelliseen mieltymysten ja keskustelujen tallentamiseen. 📚 Dokumentit: