自主排程、按次配置与 Slack 即时响应

LangChain 发布的 Managed Deep Agents v0.9 围绕三个方向展开：让智能体能够自主安排后续工作、在每次运行时灵活重新配置自身，以及在 Slack 中给出即时的视觉反馈。这些能力的组合，使得在企业内部频道中部署「像队友一样工作」的智能体变得更加可行，也减少了因场景差异而需要维护多套部署的工程负担。

新引入的 Schedules SDK 是本次更新的亮点之一。智能体可以在对话中途调用 schedules.create() 接口，传入 cron 表达式、时区和提示词，从而创建周期性或一次性的定时任务。任务以发起用户的权限和连接运行，结果自动回传至原始频道——例如在 Slack 某个对话中发起的工作日提醒，每次触发时都会在同一对话中发布新消息。一次性任务（使用 at 参数）则会在原始线程中回复，适合「一小时后检查这次部署」之类的跟进需求。

按次配置功能让单一部署实例具备了服务多个团队或场景的能力。开发者将智能体定义为一个可调用函数，该函数在每次运行开始时接收运行时上下文，并据此返回包含模型、指令、技能和 MCP 服务器的完整配置。这种方式的关键在于：配置在模型运行之前就已确定，智能体永远不会看到当前配置范围之外的工具，既压缩了上下文窗口，也天然形成了访问控制边界，避免了让模型自行决定工具集时可能出现的非确定性输出。

以一个服务多个代码仓库的编程智能体为例：payments-service 仓库使用 GPT-5 和 Python 专属技能，storefront 仓库则使用更轻量的 GPT-5-mini 和 TypeScript 技能集。调用方只需在创建运行时传入不同的 context 参数，同一套部署即可按需切换配置。这种模式同样适用于内部 Slack 智能体：财务团队的频道自动加载账单相关技能，平台团队的频道则挂载事故响应 MCP 服务器，逻辑清晰且易于维护。

Slack 消息反应功能解决了一个实际体验问题：智能体在推理和调用工具期间往往需要较长时间，用户无法判断消息是否已被接收。新版本默认在收到消息后立即添加 👀 表情，开发者也可以通过传入异步函数来动态选择表情——例如当消息包含「broken」时返回 🐛，否则返回 👀。官方建议使用轻量决策模型来处理表情选择逻辑，以保持响应速度和成本可控。

Managed Deep Agents v0.9 目前已进入公测阶段，开发者可通过 uvx 命令行工具快速初始化并部署智能体。此前的 v0.8 版本已引入按用户记忆、自定义 HTTP 频道触发和内置网络搜索等能力，v0.9 在此基础上进一步完善了智能体的自主性与多场景适配能力，整体产品形态正逐步向可在企业内部独立运转的「AI 团队成员」方向演进。

要点

• Schedules SDK 允许智能体在对话中自主创建 cron 定时任务或一次性跟进，任务以发起用户权限运行并回传至原始频道
• 按次动态配置让单一部署实例可根据运行上下文（频道、用户、仓库等）自动选择模型和工具集，兼具灵活性与访问控制
• 配置在模型运行前确定，智能体无法看到配置范围外的工具，有效避免非确定性工具选择问题
• Slack 消息反应功能默认以 👀 即时确认消息接收，支持通过函数动态选择表情，改善用户等待体验
• v0.9 已进入公测，可通过 uvx 命令行一键初始化部署，延续 v0.8 的记忆与多频道能力基础