Slack-агент не молчит: reactions в Managed Deep Agents v0.9

В Managed Deep Agents v0.9 для Slack-каналов появился атрибут reactions : бот может ставить эмодзи на сообщение сразу после приёма, ещё до длинного ответа. Пока задача идёт минутами, в чате видно и «запрос принят», и намёк, как его прочитали , по смыслу как трекер доставки: короткий жест вместо тишины. Строка, эвристика или модель Атрибут принимает либо строку с shortcode эмодзи, либо асинхронную функцию choose_emoji(context) , которая смотрит на context["text"] . В базовом примере SDK при слове «broken» в тексте возвращается bug , иначе , eyes (👀). Простой путь , эвристики и if без отдельной модели. Jev , decision model с vocabulary до 255 вариантов; в критериях описывают ситуацию, а не картинку. TypeSafeClassifier из LangChain toolkit , типизированный выбор по словарю; тот же контракт можно закрыть SemIf через LangSmith LLM Gateway. Порог уверенности и смысл эмодзи Если уверенность топ-ответа ниже 0.25, пример откатывается к eyes , чтобы не вешать случайную реакцию. Один и тот же символ в разных агентах значит разное: 🔥 у on-call , инцидент, у growth-бота , удачная кампания, поэтому scoring смотрит на описания сценариев, а не на имя символа. У внутреннего контент-агента LangChain в vocabulary есть кастомные shortcode Slack , в том числе шуточные вроде lc-no-em-dash , когда агенту запрещают em dash в тексте. Слишком общие формулировки критериев заставляют модель залипать на одной реакции , размер словаря и тексты критериев лучше подбирать экспериментально. Источник: How to build great out-of-the-box user experiences with Managed Deep Agents .