LangChain का DeepAgents फ़्रेमवर्क

 (blog.langchain.com)
21 पॉइंट द्वारा GN⁺ 2025-08-07 | अभी कोई टिप्पणी नहीं है. | WhatsApp पर शेयर करें
  • मौजूदा LLM-आधारित एजेंट आम तौर पर सिर्फ टूल्स को बार-बार कॉल करने वाली 'shallow एजेंट' संरचना तक सीमित रहे हैं, लेकिन Deep Agents जटिल और दीर्घकालिक कार्यों को भी गहराई से हल करने वाले योजनाबद्ध और संरचित AI एजेंट हैं
  • Deep Research, Manus, Claude Code जैसे नवीनतम एजेंट ऐसे 'deep agents' को लागू करते हैं जो विषयों की अधिक गहरी पड़ताल और context management कर सकते हैं
    • विस्तृत system prompt, planning tools, sub-agents, और file system का उपयोग 'deep agent' की मुख्य विशेषताएँ हैं
  • LangChain ने ऐसा open source पैकेज deepagents जारी किया है जिससे कोई भी अपने vertical (domain) के अनुरूप deep agent आसानी से बना सके
    • custom prompt, tool, और sub-agent सेटिंग संभव है, और research, development आदि विभिन्न क्षेत्रों में लागू किया जा सकने वाला एक general-purpose framework प्रदान किया गया है

मौजूदा LLM एजेंटों की सीमाएँ और Deep Agents की विशेषताएँ

  • पारंपरिक एजेंट: LLM लूप में चलते हुए सिर्फ टूल कॉल करता है → छोटा context, केवल अल्पकालिक और सरल कार्यों के लिए उपयुक्त
  • Deep Agents: दीर्घकालिक लक्ष्य और जटिल tasks को भी स्वयं विभाजित, योजनाबद्ध, ट्रैक और collaborative तरीके से संभाल सकते हैं

Deep Agents को बनाने वाले 4 तत्व

  1. विस्तृत system prompt

    • Claude Code जैसे प्रमुख उदाहरणों की तरह, ऐसे prompts का उपयोग जो टूल उपयोग के तरीके और व्यवहार के उदाहरणों को विस्तार से बताते हैं
    • जटिल निर्देशों और few-shot उदाहरणों से अधिक 'deep' reasoning और execution को प्रेरित किया जाता है

  2. Planning tool

    • वास्तविक functionality न होने पर भी 'To-Do list' जैसे planning tools को routine में शामिल कर context management और execution क्षमता बनाए रखी जाती है
    • no-op (कोई कार्रवाई न करने वाला) होने पर भी prompt में context देने का प्रभाव रहता है

  3. Sub Agents

    • उप-कार्य के अनुसार sub-agent बनाए और विभाजित किए जाते हैं, और हर एजेंट अलग-अलग काम करने के बाद परिणामों को एकीकृत करता है
    • बड़े और जटिल problems को parallel और विभाजित कार्य संरचना में संभाला जा सकता है

  4. File system

    • सिर्फ वास्तविक file operations के लिए नहीं, बल्कि notes और context repository के रूप में भी उपयोग
    • कई एजेंट और sub-agents file system साझा करके collaboration और long-term context बनाए रखते हैं

LangChain का Deep Agents framework: deepagents

  • open source Python package (pip install deepagents), custom prompt, tool, और sub-agent configuration संभव
    • Claude Code से प्रेरित system prompt, जिसे अधिक general रूप में संशोधित किया गया है
    • no-op ToDo list planning tool (Claude Code जैसा)
    • sub-agent creation और custom specification संभव
    • LangGraph की अवधारणा का उपयोग करने वाला virtual file system (agent state का उपयोग)
  • उदाहरण के रूप में deep research agent sample दिया गया है, जिससे vertical-विशेष एजेंट आसानी से बनाए जा सकते हैं

उपयोग के उदाहरण और महत्व

  • research, development, code generation, research, जटिल automation जैसे दीर्घकालिक और बहु-स्तरीय AI कार्यों के लिए अनुकूलित
  • विस्तृत context design और विभाजित कार्य संरचना के माध्यम से अधिक गहरे परिणाम उत्पन्न किए जा सकते हैं
  • कोई भी अपने domain के अनुसार 'deep agent' बना सकता है—यह AI उपयोग के अगले चरण का संकेत देता है

संबंधित पढ़ाई

अभी कोई टिप्पणी नहीं है.

अभी कोई टिप्पणी नहीं है.