AI agent ve Slacku: co ti emoji řekne o přijatém úkolu

TL;DR

• Reakce pod zprávou může potvrdit, že agent úkol přijal, a naznačit, jak mu rozumí. Sama ale nedokládá postup práce ani dokončení.
• Managed Deep Agents v0.9 umožňují vybírat reakce ve Slacku pevně, podle jednoduchého pravidla nebo pomocí modelu.
• Začni několika reakcemi s jasným významem. Ověř hlavně to, zda si uživatel potvrzení přijetí neplete s hotovým výsledkem.

Zadáš agentovi ve Slacku přípravu podkladů a čekáš. Bez odpovědi nevíš, jestli zprávu přijal, pracuje na ní, nebo potřebuje něco doplnit. I obyčejná reakce očima může část této nejistoty odstranit. Záleží ale na tom, co přesně má znamenat.

LangChain v návodu z 9. října ukazuje, jak v Managed Deep Agents v0.9 nastavit reakce podle obsahu zprávy. Pro tým, který agenta používá, je podstatná jednoduchá zásada: potvrzení přijetí, výklad zadání a skutečný stav práce jsou různé informace. Rozhraní by je mělo rozlišovat.

Jak Managed Deep Agents vybírají reakci

Atribut reactions u kanálu Slack přijímá buď název emoji, nebo funkci, která ho vrátí. Můžeš tedy nastavit jednu stálou reakci, použít pravidlo nad textem zprávy, nebo výběr svěřit modelu.

Základní ukázka v návodu vrací brouka, pokud zpráva obsahuje slovo „broken“, a ve všech ostatních případech oči. Takové pravidlo je snadno srozumitelné, ale zachycuje jen konkrétní výraz. Nerozhoduje, zda skutečně nastala chyba.

Složitější příklad používá model Jev přes TypeSafe Classifier. Vybírá z předem popsaných možností pro závadu, výpadek, kontrolu kódu, čekání, otázku, pozdrav a ostatní zprávy. Vývojář tak určuje nejen dostupné symboly, ale také situace, ke kterým patří.

Význam reakce určuj podle situace

Samotný obrázek je nejednoznačný. Oheň může v kanálu technické pohotovosti znamenat vážný problém, zatímco v marketingovém týmu pochvalu kampaně. Při výběru modelem proto záleží na popisu situace u každé možnosti.

Pro vlastního agenta bychom doporučili malou sadu reakcí, kterým tým rozumí stejně. Například oči mohou znamenat „zprávu jsem přijal“. Pokud je chceš používat v tomto významu, nepřiděluj jim zároveň význam „právě ověřuji výsledek“.

Ukázka s Jev obsahuje i náhradní reakci: pokud model vrátí míru jistoty nižší než 0,25, použije obecné oči. Jde o nastavení konkrétního příkladu, nikoli o doloženou optimální hranici. Při návrhu vlastní sady si ověř, zda agent v nejasných případech raději zvolí obecné potvrzení, než aby uživateli naznačil chybný výklad zadání.

Potvrzení zprávy ještě neukazuje postup práce

Představ si, že marketingovému agentovi zadáš krátké video k novému produktu. Reakce může potvrdit přijetí zprávy. Krátká textová odpověď pak může upřesnit, že agent připraví návrh scénáře a čeká na podklady k produktu. To je náš ilustrační návrh komunikace, nikoli automatické chování popsaného API.

Rozdíl je důležitý: model, který v ukázce vybírá emoji, posuzuje vstupní zprávu. Z tohoto výběru neplyne, že agent už provedl konkrétní krok. Přesýpací hodiny vybrané podle textu o čekání samy nepotvrzují, že se probíhající úloha skutečně zastavila.

Pokud chceš zobrazovat průběh práce, doporučujeme odvozovat stavová hlášení od skutečných událostí při zpracování úkolu. Potvrzení přijetí může přijít hned; zpráva o dokončení má následovat až po vzniku výsledku. A když agent potřebuje rozhodnutí od tebe, měl by napsat, na co konkrétně čeká.

Vyzkoušej, co si pod reakcí představí kolega

Pro první zkoušku vyber jednu běžnou úlohu a několik typických zpráv včetně nejasného zadání. Sleduj, jaké reakce agent přiřadí, a nech kolegu popsat jejich význam bez vysvětlení od autora nastavení.

Pokud z reakce vyčte „hotovo“, přestože agent jen přijal požadavek, uprav význam nebo přidej stručnou textovou odpověď. Právě tento rozdíl má smysl vyřešit dřív, než rozšíříš nabídku emoji: uživatel by měl vědět, zda má čekat, něco doplnit, nebo si otevřít výsledek.

Zdroj

Nathan Drezner, LangChain: Build great out-of-the-box user experiences with Managed Deep Agents, 9. října 2026