AI代理长时间运行时，现在会用表情符号报告进度

LangChain 在 Managed Deep Agents v0.9 里加了 reactions API。它管理分布式代理的反应，能按你的选择动态分配表情符号。你可以用决策模型、前沿模型，或者直接写 if 语句。示例里默认返回 👀；消息出现 "broken“ 时，静态分析会换成 🐛。

为什么需要”正在干活"的信号

加载状态是构建代理体验时最被低估、也最常被遗忘的设计。代理任务常常要跑很久，用代理的人需要先确认一句：任务收到了。LangChain 最近做了一个内部营销代理，用来生成视频内容。等它回复的时候，能看到进展对等待的人很有用。数字加载状态——哪怕有时会骗人——对体验是否清晰可懂很关键。

人对代理的信任，来自能看见代理实际在做什么。这种信任正以拟物化界面的形式出现：数字对象模仿现实世界里的对应物。达美乐披萨追踪器是最典型的例子之一。Managed Deep Agents 的设计初衷，就是用简单、表达力强的 API 整合这类细节界面。它们很微妙，但对代理采用很关键。

同一个表情符号，含义可能相反

光有表情符号通常不够。代理还要说明自己怎么理解任务，这个上下文响应是代理设计里的关键部分。同一个表情符号在不同代理那里指向相反的意思。值班代理发来 🔥，可能意味着生产环境着火，该把人叫醒。增长代理发来 🔥，可能只是说明活动效果不错，可以继续睡。

描述比表情符号名称更重要。模型匹配的是对情境的描述，同一个符号承载工作区已经赋予它的含义。

技术选择、回退与自定义

Jev 支持最多 255 个选择。想覆盖更多表情符号，可以构建决策矩阵。先把表情符号分组，让 Jev 选类别，再选具体符号。示例用的是 LangChain 工具包里的 TypeSafe Classifier。这是与 TypeSafe 兼容的决策模型（如 Jev）交互的方式之一。也可以换用其他决策模型，比如 SemIf。它托管在 LangSmith LLM Gateway 上。或者切换模型做实验。

置信度阈值同样能设。决策模型对首选表情符号的置信度低于 25%，就回退到 👀。词汇表里没有合适的符号时，也可以不回应。

评分模型和实际回应的模型不是同一个，两者对表情符号的解释可能有细微差别。所以每个符号的预期用途要写清楚。描述太通用，评分模型会过度偏好某些反应。自定义表情符号可以通过 Slack 短代码加进词汇表。LangChain 的内部内容代理用了一批自定义表情符号。其中 lc-no-em-dash 会在代理被要求写内容时被选中。不同的描述和词汇结构会带来不同结果，表情符号集可以随时扩展或收缩。

表情符号反馈目前只有 Slack 渠道的例子。它不改变代理的能力，改的是等待期间的信息流。等待的人不再只有最终结果一个确认点，中间多了一层可观察的信号。