Pregel
PulseAugur coverage of Pregel — every cluster mentioning Pregel across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新论文详细介绍了代理工作流的递归能力组合
一篇新研究论文提出“递归能力组合”来增强复杂的基于 LLM 的代理应用程序的协调和管理。该方法将业务流程模型和符号 (BPMN) 与代理和企业知识相结合，将显式的 BPMN 模型转换为可执行的工作流。通过为开发人员提供工作流结构和执行进度的共享视图，同时通过流程模型和知识图谱整合特定于组织的上下文，该方法旨在使多代理系统更易于理解和管理。
-
LangChain 发布 LangGraph 以实现高级 AI 代理编排
LangGraph 是 LangChain 团队开发的一个新的编排框架，用于构建复杂的、有状态的 AI 代理和工作流。它将执行建模为在共享的、类型化的状态上运行的节点和边的图，支持循环、条件分支和人工干预等功能。LangGraph 借鉴了 Google 的 Pregel 和 Apache Beam 等系统的思想，专注于管理执行流程、状态持久化和多代理协调，为长期运行或重要的代理任务提供了比简单线性链更强大的解决方案。
-
Microsoft Agent Framework 按 Python 类型路由消息，使用 Pregel 引擎
Microsoft 发布了其 Agent Framework 的 1.12.0 版本，这是一个合并了 AutoGen 和 Semantic Kernel 的项目。该框架根据 Python 类型在代理之间路由消息，确保消息被传递给正确的处理程序。底层引擎运行在类似 Pregel 的超级步循环上，以一种不同于传统函数调用的方式处理工作流。
-
LangGraph 框架强调复杂 AI 代理的状态和恢复
LangGraph 被呈现为一种用于构建具有状态工作流的复杂 AI 代理的独立框架，而不是 LangChain 的扩展。其核心理念强调在执行前定义状态模式、中断和恢复机制，而不是将其视为简单的顺序链。强调的关键方面包括通过 reducers 进行状态管理的重要性，通过 `compile()` 实现图描述和运行时的分离，以及将人工审批整合为安全性和可靠性的关键执行契约。