LangChain открыла Deep Life Sci — шаблон harness с суб-агентами

LangChain открыла Deep Life Sci , открытый шаблон агента на harness Deep Agents. Сотни суб-агентов параллельно разбирают документы, анализ крутится в песочнице LangSmith, каждый шаг остаётся в логе. Не универсальный чат, а каркас, который можно форкнуть и допилить под свой домен. Из коробки агент ходит в ClinicalTrials.gov , более 600 000 исследований, PubMed с 29 млн аннотаций и PubMed Central с 12 млн полнотекстовых статей. Свои файлы , PDF, таблицы, RIS, SMILES, FASTA , тоже подгружаются. Код открыт: свои модели, рамки безопасности, точки согласования и внутренние интеграции без закрытого harness. Что внутри каркаса Суб-агенты , параллельный обзор сотен документов вместо одного длинного контекста. Песочница , агент сам пишет и запускает код для анализа таблиц и скрининга по критериям. Кастомизация , frontier- и open source-модели, guardrails и approval gates под внутренние системы. Как это выглядит в работе Лабораторный сценарий: учёный заливает таблицу RNA-seq или протеомики, агент в песочнице находит дифференциально экспрессированные гены, проверяет каждый хит по литературе и возвращает ранжированную таблицу со ссылками на статьи. Клинический: команда собирает все испытания стандарта лечения в показании, вытаскивает endpoint, N и характеристики популяции в единую схему , на выходе таблица и сравнение в стиле forest plot. На этапе клинических испытаний тот же агент сверяет протоколы, формы и правки по референсным документам. Трассировка и evals Каждый прогон пишется в LangSmith: поиски в литературе, код в песочнице, документы каждого суб-агента и путь к ответу. В комплекте , набор evals: прогоняете до и после смены модели или промпта и видите, улучшилось или откатилось. LangChain называет это циклом ADLC , build, test, deploy, monitor, затем правки в следующую версию harness. Источник: Building an Agent Harness for Life Sciences: Introducing Deep Life Sci .