如今，很多 AI 應(yīng)用程序都采用了常見的聊天模式（"chat" UX）。盡管這種模式實現(xiàn)起來比較簡單，但它會帶來額外的交互成本，限制了人類通過 AI 擴(kuò)展自身能力的潛力，也未能充分利用大型語言模型（LLMs）的優(yōu)勢。

在過去的六個月中，我們在 LangChain 一直在探索一種新方式：能夠響應(yīng)環(huán)境信號的代理（Ambient Agents）。這些代理只會在發(fā)現(xiàn)重要機(jī)會或需要用戶反饋時才與用戶互動，避免了頻繁打斷用戶。此外，用戶不再需要進(jìn)入新的聊天界面與代理互動，這幫助用戶專注于關(guān)鍵任務(wù)。

為支持這些新的交互模式，我們構(gòu)建了 LangGraph，簡化了環(huán)境型代理的實現(xiàn)。今天，我們發(fā)布了首個參考實現(xiàn)：一個展示關(guān)鍵環(huán)境型代理模式的 電子郵件助手。接下來幾天，我們還會發(fā)布更多示例和工具，幫助開發(fā)者輕松構(gòu)建屬于自己的環(huán)境型工作流程。

什么是環(huán)境型代理？

在 ChatGPT 或其他聊天機(jī)器人中，用戶需要主動發(fā)起對話，代理才能開始執(zhí)行任務(wù)。這種代理依賴于人類的輸入來啟動工作。

對于一些使用場景來說，這種方式有效，但它也存在局限：每當(dāng)需要代理幫忙時，用戶都必須進(jìn)入聊天界面并發(fā)送消息，這增加了操作的繁瑣性。

此外，聊天代理通常一次只能處理一個對話，這限制了代理的多任務(wù)處理能力，也讓用戶難以真正擴(kuò)展自己的能力。

為了解決這些問題，我們提出了一種新的用戶體驗（UX）模式，它應(yīng)具備以下兩個關(guān)鍵特征：

• 它不應(yīng)僅僅依賴人類消息觸發(fā)
• 它應(yīng)該能夠同時處理多個任務(wù)

具備這些特征的代理便是 環(huán)境型代理。

?? 環(huán)境型代理會監(jiān)聽一系列事件流，并根據(jù)這些事件采取行動，能夠同時處理多個任務(wù)。

不過，我們并不認(rèn)為環(huán)境型代理應(yīng)該完全自主。事實上，我們認(rèn)為它們的核心在于謹(jǐn)慎處理 何時 和 如何

人類在循環(huán)中：適時互動

“人類在循環(huán)中”意味著代理在關(guān)鍵時刻與人類互動。這里我們會先討論 何時 與人類互動，隨后再討論 如何

我們發(fā)現(xiàn)，環(huán)境型代理與人類互動時通常會有三種模式：通知、詢問和審查。

• 通知：代理通知用戶某個事件的重要性，但不執(zhí)行具體操作。這在一些代理無法自行處理但需要引起用戶注意的場景中尤為有用。以電子郵件助手為例，代理可能會標(biāo)記出收件箱中的一個 Docusign 文檔，雖然它不能自行簽署，但它能提醒我需要處理該文檔。
• 詢問：代理向用戶提問，以獲取信息，進(jìn)而解鎖下一步操作。當(dāng)代理需要更多信息才能完成任務(wù)時，它會直接向用戶詢問，而不是盲目推測。還是以電子郵件助手為例，代理可能會問我是否要參加某個會議。除非我明確告知代理我的會議偏好，否則代理不應(yīng)自行決定這些信息。
• 審查：對代理即將執(zhí)行的操作進(jìn)行審核。當(dāng)某些操作具有較高風(fēng)險時，代理應(yīng)該允許用戶對其操作進(jìn)行審查。人類用戶可以批準(zhǔn)操作、進(jìn)行修改，或向代理提供改進(jìn)建議。電子郵件助手中的審查任務(wù)可能就是郵件的發(fā)送，代理會先為我撰寫郵件草稿，但最終郵件必須經(jīng)過我批準(zhǔn)或修改后才能發(fā)送。

人類在循環(huán)中的重要性

讓人類在循環(huán)中參與互動，為環(huán)境型代理帶來了三個關(guān)鍵優(yōu)勢：

1. 降低風(fēng)險，便于代理投入生產(chǎn)使用
2. 模仿人類溝通方式，增強(qiáng)用戶信任與采納
3. 支持長期記憶與學(xué)習(xí)

人類參與互動降低了風(fēng)險。 如果代理完全自主運作，那么任何錯誤都將無法避免。在沒有高信任度的情況下，您可能不會允許代理直接修改數(shù)據(jù)庫或向重要客戶發(fā)送電子郵件。而通過讓人類參與，代理的操作可以得到人類的審查，避免了重大失誤。

人類參與互動模仿了人類間的溝通方式。 與他人協(xié)作時，提問與信息分享是不可或缺的。當(dāng)不確定如何操作時，代理也應(yīng)該向用戶提問并尋求指導(dǎo)。像 Devin 這樣的產(chǎn)品設(shè)計就是基于此理念的，它們選擇在 Slack 這樣的聊天平臺與用戶互動，因為這與人類同事間的互動方式相似，能增強(qiáng)用戶的信任與采納。

人類參與互動支持代理的長期學(xué)習(xí)與記憶。 我們相信 AI 代理的重要功能之一就是能夠隨著時間的推移學(xué)習(xí)并與用戶更加契合。而通過讓人類提供反饋，代理可以逐漸提高任務(wù)執(zhí)行的準(zhǔn)確性。

代理收件箱：便捷互動新方式

我們剛才討論了代理應(yīng)該 何時 與人類互動（通知、詢問、審查），但它們 如何

最初我們嘗試了通過 Slack 進(jìn)行互動，因為它方便用戶在工作時同時處理代理任務(wù)。但 Slack 的缺點是容易遺漏通知，如果沒能及時回復(fù)，消息就會堆積。因此，我們提出了“代理收件箱”的概念。

代理收件箱類似于電子郵件收件箱或客服工單系統(tǒng)，專為環(huán)境型代理設(shè)計。它可以顯示所有未處理的代理任務(wù)，方便用戶跟蹤進(jìn)展。這個收件箱是一個獨立的用戶界面 (UI)，可以輕松集成面板、按鈕等功能來捕捉用戶反饋。目前任務(wù)是按時間排序的，未來可能會增加按優(yōu)先級排序的功能。此外，未來還計劃支持多人協(xié)作，顯示哪些任務(wù)分配給了用戶，哪些分配給了其他人。

img

注意：代理收件箱的開源實現(xiàn)將于本周四發(fā)布。

為什么 LangGraph 適合環(huán)境型代理

在構(gòu)建環(huán)境型代理的過程中，我們確保 LangGraph 可以很好地支持這類代理。LangGraph 以及 LangGraph 平臺 具備以下幾個關(guān)鍵功能，能夠避免您從零開始構(gòu)建：

• 內(nèi)置的持久化層。LangGraph 通過持久化層在代理每次操作（或圖中的節(jié)點）之間保存狀態(tài)。這意味著代理可以“暫?！辈僮?，等待用戶反饋，非常適合人類在循環(huán)中的交互模式和短期記憶需求。
• 內(nèi)置的人類在循環(huán)中的支持。LangGraph 具備內(nèi)置的支持，幫助實現(xiàn)代理與人類的互動模式。除了持久化層外，最近還添加了 "interrupt" 功能，用于更方便地與終端用戶溝通。
• 內(nèi)置的長期記憶功能：LangGraph 自帶長期記憶功能，實際上是一個支持語義搜索的命名空間鍵值存儲。這讓代理在每次與用戶交互后，能夠輕松更新“記憶”。
• 內(nèi)置的定時任務(wù)：許多環(huán)境型代理是根據(jù)時間計劃運行的，以便檢查新事件。LangGraph 平臺自帶定時任務(wù)功能，支持此類操作。

構(gòu)建 AI 電子郵件助手

我們通過每天使用環(huán)境型代理，使 LangGraph 成為了構(gòu)建此類代理的理想平臺。其中一個主要的應(yīng)用就是 電子郵件助手。如果你在過去六個月內(nèi)給我發(fā)過郵件，很有可能是 AI 代理幫我撰寫了回復(fù)（如果我忽略了你的郵件——那肯定是 AI 代理的錯）。

今天我們正式發(fā)布該電子郵件助手，不僅作為一個免費試用的托管代理，還作為一個 開源項目。我們希望托管版本能夠讓用戶輕松體驗環(huán)境型代理，而開源版本則作為這一新設(shè)計范式的參考實現(xiàn)。

本文轉(zhuǎn)載自 ??AI小智??，作者： AI小智