公司的未来
这篇文章标题是《公司的未来》，副标题提出一个问题：AI 可能以什么方式进入组织架构——在我们之下、在我们身旁，以及在我们之间。由于提供的内容只有这两句标题和副标题，正文和具体论据都没有给出，所以无法说明作者具体提出了哪些观点、引用了哪些案例或数据，也无法判断文章是否给出了可落地的方案，读者目前只能知道它讨论的是 AI 与公司组织结构的关系。
文中可用工具
提供的材料未提及具体可用工具。
展开详情收起详情：公司的未来
评论 · 分享第一个看法
内容浏览
资讯
搜索中文标题、仓库名或关键词，再用分类、来源和日期缩小范围。
全部内容
最近成功采集
当前筛选：2026-10-29 ×
OpenAI 与 ServiceNow 扩大合作，覆盖企业工作流
OpenAI 和 ServiceNow 宣布扩大双方的合作。之前的状况是两家的产品各自独立：OpenAI 的模型和 Agent 只能在自己的产品里使用，ServiceNow 的企业工作流也只能在 ServiceNow 内部运行。这次双方计划把 OpenAI 的模型和 Agent 接入 ServiceNow，同时把 ServiceNow 的工作流接入 ChatGPT 和 Codex，让两边可以互相调用。对使用企业软件的人来说，这意味着以后可能可以直接在 ChatGPT 或 ServiceNow 里跨平台完成任务。不过材料只提到“扩大合作”，具体的可用时间、功能范围和上线状态都没有说明。
文中可用工具
- ChatGPTOpenAI 的聊天产品，将接入 ServiceNow 的工作流
- CodexOpenAI 的编程产品，将接入 ServiceNow 的工作流
- ServiceNow企业工作流平台，将引入 OpenAI 的模型和 Agent
展开详情收起详情：OpenAI 与 ServiceNow 扩大合作，覆盖企业工作流
如何用 OpenWiki 和证据图谱构建有据可依的 Agent 记忆
LangChain 把自家开源工具 OpenWiki（一个把原始文档编译成带引用维基页面的命令行工具）当作 Agent 的长期记忆层，并额外用一张"证据图谱"把维基里的结论和它背后的原文段落连起来。原来的问题是：Agent 每次回答跨文档的问题都要临时检索、拼凑，既慢又容易答错。这次的做法是提前把 111 份模拟保险文档编译成约原体积十分之一的维基，再让 Agent 顺着图谱找到支撑证据。结果显示，涉及多来源关联的问题准确率比只用关键词搜索高约 5 倍；加上证据图谱后准确率再提升 27%，引用一致性翻倍，每个正确答案的成本降低 58%。不过对于简单的单段查找，带记忆反而更慢、准确率没提升，所以这套方案更适合需要反复跨来源推理的场景。该工具已开源，文中未说明证据图谱是否单独开放。
文中可用工具
- OpenWiki开源命令行工具，把原始文档编译成带引用、可随源文档变化自我更新的维基页面，用作 Agent 的持久记忆层
- Deep AgentsOpenWiki 构建所基于的框架，原文未详细说明其用途
- 证据图谱把维基中的结论与支撑原文段落、相关文档用边连接起来，供 Agent 追溯引用来源
展开详情收起详情：如何用 OpenWiki 和证据图谱构建有据可依的 Agent 记忆
如何在托管深度智能体中用 Schedules SDK 构建主动式常驻 Agent
LangChain 团队介绍了如何用“定时任务”（cron，就是让程序按固定时间自动跑一次的机制，类似手机闹钟）来构建主动式 Agent（能自己做事、不用人每次发指令的 AI 助手）。过去这类 Agent 大多只靠简单定时任务，现在他们发现定时任务还能解锁记忆整理、主动提醒、信息筛选、定时跟进和多 Agent 调度等能力。做法上需要两部分：一个方便的定时任务服务器，以及让 Agent 自己能创建和修改提醒的接口。托管深度智能体（MDA）内置了这样的服务器，支持写死在代码里的固定任务，也支持用户临时让 Agent 自己排期。官方称 LangSmith 上超过 70% 的托管深度智能体运行来自定时触发而非人工发消息。文中示例代码可用于参考，但未说明该功能的具体开放状态和限制。
文中可用工具
- Managed Deep Agents托管运行的深度智能体平台，内置定时任务服务器，可按计划触发 Agent 运行
- Schedules SDK用于定义和管理定时任务的开发工具包，支持固定与动态排期
- LangSmith Deployments托管部署环境，文中说明托管深度智能体运行于此
- LangChain提供 tool 装饰器等工具封装能力，用于把排期功能做成 Agent 可调用的工具
- Muse原文仅提及名称，未说明具体用途
- Instinct原文仅提及名称，未说明具体用途
- Dots原文仅提及名称，未说明具体用途
- Claude Duet原文仅提及名称，未说明具体用途
- Hone文中作为有明确目标的专用主动式 Agent 举例，会按小时检查并推进目标
展开详情收起详情：如何在托管深度智能体中用 Schedules SDK 构建主动式常驻 Agent
循环工程的艺术
LangChain 团队写了一篇博客，讲怎么让 AI 智能体（能自己调用工具干活的程序）更可靠。原来只靠一个好模型不够，还得给它配一套适合具体任务的“外挂”结构。他们把智能体拆成四层循环：最里面是模型反复调用工具干活；外面加一层检查，输出不合格就打回重做；再外面让智能体被事件自动触发，比如收到消息或定时任务；最外面一层分析每次运行的记录，自动改进提示词和工具配置。文章还强调人工审核该在哪些环节介入敏感操作，并用他们自家的 LangChain、LangSmith 等工具演示每一层怎么搭。目前是概念说明和产品能力介绍，不是新发布。
文中可用工具
- LangChain搭建智能体循环和中间件的开源框架
- create_agent快速创建一个模型调用工具的智能体循环
- RubricMiddleware按评分标准检查智能体输出并反馈重做
- LangSmith记录和分析智能体运行轨迹的平台
- LangSmith Deployment提供定时任务和 webhook 等触发基础设施
- Engine分析运行轨迹、发现问题的智能体
- Fleet无需写代码搭建智能体，支持频道和定时触发
- openclaw原文仅提及其“心跳”定时触发用法，未说明具体用途