Parabéns aos nossos amigos da @manusAI! Manus construiu um dos agentes mais disruptivos de 2025. Como o agente deles é construído de forma diferente? Recentemente, organizamos uma discussão com o cofundador da Manus, Yichao "Peak" Ji, sobre a abordagem de engenharia de contexto deles — incluindo estratégias para gerenciar janelas de contexto, otimização de desempenho e construção de agentes que escalem. Confira este vídeo + baixe slides sobre como Manus aborda a engenharia de contexto:

⚡ Construindo agentes empresariais na Coinbase com LangSmith ⚡ A Coinbase passou de zero para agentes de IA em produção em seis semanas, depois reduziu o tempo de construção futura de 12 semanas para menos de uma semana. A equipe Enterprise AI Tiger deles construiu uma "estrada pavimentada" para que qualquer equipe pudesse enviar agentes da mesma forma que enviam código. O que fez isso funcionar: → grafos Code-first com LangGraph & LangChain sobre ferramentas low-code. Interfaces tipadas e nós testáveis por unidade superavam a engenharia de prompts para os casos de uso que queriam escalar. → Observabilidade como requisito. Cada chamada e decisão de ferramenta é rastreada usando a LangSmith, nossa plataforma de engenharia de agentes. → Auditabilidade por design. Registros imutáveis dos dados usados, raciocínios seguidos e aprovações concedidas. Resultado: Dois agentes em produção economizando 25+ horas por semana. Mais quatro concluídos. Meia dúzia de engenheiros agora se autoatendem nos padrões. Agentes são uma disciplina de software. Quando você os hospeda corretamente, os torna observáveis de ponta a ponta e testa o que é determinístico, você obtém velocidade onde ajuda e rigor onde realmente importa. Leia mais:

🧠 Memória Persistente com o SDK zkStash Feito pela Comunidade LangChain zkStash é um SDK TypeScript para memória persistente em agentes de IA. Integra-se com o LangChain via ferramentas MCP ou middleware, usando esquemas Zod para armazenamento estruturado de preferências e conversas. 📚 Documentação: