Перейти к содержимому
Экосистема AI Vibe

Новости

Проактивные агенты: цели вместо промпта, память и UX без спама

Редакция 17 ноября 2026 г.

Проактивный агент просыпается по событию или расписанию, обновляет память и присылает в Slack короткий запрос на ревью.

У LangChain на Managed Deep Agents больше 70% запусков идёт по расписанию, а не из разового сообщения в чате , Sydney Runkle разобрала, как вырастить проактивного агента без лишнего шума. Внутри так работают Robin (ревью pull request) и GTM Agent (лиды, брифы, черновики писем): сначала узкие задачи, потом цели на дни и недели, с редкими заходами за уточнением или подписью. Откуда агент берёт повод действовать Проактивный агент реагирует на три типа событий. Реальность , новое письмо или только что открытый PR. Ваше расписание , ночное обновление памяти или еженедельный проход по застоявшимся ревью. Своё расписание агент пишет сам: напоминание вернуться к треду или ежедневный бриф по вашей просьбе. У Robin ревью стартует с события в репозитории; ежедневный бриф GTM Agent крутится по таймеру, который агент завёл после запроса пользователя. Память вместо промпта «сделай вот это» Когда агент просыпается по таймеру, вы не диктуете задачу , остаются коннекторы к почте и календарю и накопленные предпочтения. Три типа сигналов: Seed , стартовый контекст до первого запуска, например стиль писем из папки «Отправленные». Feedback , ваша правка черновика или отказ с причиной. Outcomes , что случилось после действия агента, вроде ответа на отправленное письмо. Записать заметку просто; сложнее не дать памяти разъехаться , что сохранять, когда факты устарели, как не плодить противоречивые дубликаты. Многие команды ночной job «dreaming» прогоняет свежие трейсы и подчищает memory перед следующим циклом. Полезная метрика , какая доля check-in заканчивается вашим действием, а не игнором. Интерфейс под быстрый ревью Каждый неожиданный пинг съедает внимание, поэтому у продовых агентов LangChain три опоры: Только сигнал , не каждое письмо требует реакции; в UI GTM Agent потоки делятся на «ждут вас», «нужен черновик», «ответ не нужен». В Slack у Robin за решение «влезать в тред или молчать» отвечает модель Jev. Экран под просмотр , цели и формулировки заточены под быстрый accept или reject; правка снова уходит в память. Там, где вы уже сидите , агенты в Slack: DM, тег в канале, follow-up в том же треде. Robin в запросе на ревью даёт однострочный заголовок, размер диффа и кнопку claim. Собрать похожее можно на Managed Deep Agents (расписания, память, асинхронные субагенты) или в open-source Deep Agents для JavaScript. Автор связывает сдвиг с goal engineering: после эпохи context engineering узким местом становится не модель, а минуты человека на ревью. Источник: What We’ve Learned Building Proactive Agents .