LangChain hướng dẫn xây dựng agent chủ động bằng Schedules SDK trong Managed Deep Agents
Bài viết trên blog LangChain giải thích cách dùng các lần chạy theo lịch để biến AI agent thành trợ lý chủ động, luôn hoạt động, thay vì chỉ phản hồi khi người dùng gửi yêu cầu. Trong Managed Deep Agents, lịch có thể kích hoạt agent bằng một prompt vào thời điểm định trước, đồng thời giữ lại thread và bộ nhớ của người dùng; LangChain cho biết hơn 70% lượt chạy Managed DeepAgent trên LangSmith đến từ các lần chạy theo lịch thay vì tin nhắn trực tiếp. Bài viết nêu nhiều ứng dụng: tác vụ nền chạy mỗi đêm có thể cô đọng các cuộc trò chuyện thành bộ nhớ dài hạn, các lần chạy hàng giờ có thể tìm hành động giúp hoàn thành mục tiêu, việc kiểm tra định kỳ có thể lọc bớt nhiễu từ Slack hoặc email, còn các lần đánh thức theo lịch có thể xử lý lời nhắc hoặc theo dõi tác vụ con. LangChain cho rằng cần hai thành phần chính: một máy chủ cron đáng tin cậy, hỗ trợ lịch linh hoạt và phân tán tải, cùng giao diện thân thiện với agent để tạo và chỉnh sửa lời nhắc theo cơ chế kiểm soát phù hợp. Managed Deep Agents hỗ trợ cả lịch cố định được khai báo trong mã, chẳng hạn bản tổng hợp doanh số vào các ngày trong tuần, và lịch động do người dùng tạo thông qua Schedules SDK. Về thực tế, cách tiếp cận này cung cấp cho nhà phát triển một nền tảng có cấu trúc để xây dựng agent biết ghi nhớ, theo dõi thông tin, chủ động nhắc việc và điều phối công việc mà không cần người dùng liên tục ra lệnh.
Các nhà phát triển có thể dùng Managed Deep Agents và Schedules SDK để xây dựng trợ lý tự chạy theo lịch: ghi nhớ thông tin, lọc email hoặc Slack, gửi nhắc nhở và theo dõi tác vụ. Người dùng cuối có thể yêu cầu agent tạo các tác vụ định kỳ nếu ứng dụng hỗ trợ cơ chế lịch động.
Đọc bài gốc