cv usk(@cv_usk):🔍 「実行を完了したと言いながら実は終わっていないエージェント」を自然言語で検索できたら便利ですよね。それを実現する機能がLangSmithに追加されました。タイトル: Search agent traces by behavior with AI Search in LangSmith URL: https://t.co/UBX10vqkDp 💡 概要エージェントのトレースは大規模でマルチモーダルな非構造化データで、従来のプラットフォームでは「個人情報が漏洩した会話はあったか」のような意味理解を要する質問に答えるのが困難でした。AI Searchはこれを自然言語クエリで解決します。 🧩 解決する課題埋め込みベクトルによる類似度検索では、情報が圧縮されてしまい「実際に作業を完了したエージェント」と「完了したと述べただけのエージェント」のような微妙な違いを区別できませんでした。 🛠 方法論と提案手法実際のテキストを読んで推論する「高速決定モデル」を採用。さらに異種ソースのトレースを「トラジェクトリー」という蒸留ビューに正規化し、固定のトークン予算内でユーザー発言とエージェント応答を最優先に配置する設計で、情報密度の高い検索を実現しています。 📊 ユースケース / 実験結果 Open SWEの150会話を分析したところ、会話あたり中央値約72,000トークン、最大100万トークン超という規模でしたが、ユーザー・エージェントのやり取り自体は全体の約2.8%に過ぎませんでした。この知見を活かし、PII漏洩検出やユーザー不満の特定、解約意図の検出などに活用できます。 #LangChain #AIエージェント

2026.10.20 08:40

🔍 「実行を完了したと言いながら実は終わっていないエージェント」を自然言語で検索できたら便利ですよね。それを実現する機能がLangSmithに追加されました。タイトル: Search agent traces by behavior with AI Search in LangSmith URL: 💡 概要エージェントのトレースは大規模でマルチモーダルな非構造化データで、従来のプラットフォームでは「個人情報が漏洩した会話はあったか」のような意味理解を要する質問に答えるのが困難でした。AI Searchはこれを自然言語クエリで解決します。 🧩 解決する課題埋め込みベクトルによる類似度検索では、情報が圧縮されてしまい「実際に作業を完了したエージェント」と「完了したと述べただけのエージェント」のような微妙な違いを区別できませんでした。 🛠 方法論と提案手法実際のテキストを読んで推論する「高速決定モデル」を採用。さらに異種ソースのトレースを「トラジェクトリー」という蒸留ビューに正規化し、固定のトークン予算内でユーザー発言とエージェント応答を最優先に配置する設計で、情報密度の高い検索を実現しています。 📊 ユースケース / 実験結果 Open SWEの150会話を分析したところ、会話あたり中央値約72,000トークン、最大100万トークン超という規模でしたが、ユーザー・エージェントのやり取り自体は全体の約2.8%に過ぎませんでした。この知見を活かし、PII漏洩検出やユーザー不満の特定、解約意図の検出などに活用できます。 #LangChain# #AIエージェント#

Forward to community