🧑 ⚖️ Asisten Hukum Multi-Agen — RUG yang sangat cepat. Didukung oleh CrewAI, demo ini menanyakan 50 juta+ vektor dalam <30 ms menggunakan Kuantisasi Biner untuk memberikan jawaban hukum yang dikutip. Dibangun oleh @akshay_pachaar.

Kami sangat senang menyambut @joaomdmoura, CEO @crewAIInc, ke ODSC West 2025! 🤖🚀 Jika Anda ingin memahami bagaimana agen AI, ML yang dapat diskalakan, dan rekayasa dunia nyata bersatu, perspektif Joe adalah perspektif yang tidak ingin Anda lewatkan. Daftar sekarang →

Saya baru saja menerbitkan buku catatan Jupyter langkah demi langkah yang ringkas yang menunjukkan cara membangun LLM khusus untuk @crewAIInc yang memanggil Messages API @AnthropicAI dan mengimplementasikan penembolokan prompt. Nah, apa itu Prompt Caching dan kapan Anda harus menggunakannya di kru Anda? Ini adalah cara untuk menyimpan cache bagian prompt Anda yang panjang dan berulang (biasanya konteks sistem) di antara panggilan API. Anda mengirimkannya sekali, lalu panggilan berikutnya menggunakannya kembali; Memotong biaya input sebesar ~90% dan mempercepat waktu-ke-token pertama sebesar ~85% untuk perintah yang panjang, selama konten sistem + model + header tetap sama dan Anda berada dalam TTL (default 5M, beta 1 jam). Ini sangat cocok untuk kru multi-giliran yang cerewet. Juga berguna setiap kali kru Anda menggunakan kembali konteks sistem yang panjang dan stabil di seluruh tugas (pikirkan: buku pedoman, spesifikasi, ringkasan basis kode). Jika sistem/konteks Anda mengubah setiap panggilan, caching tidak akan banyak membantu. buku masak menggunakan "Frankenstein" dari Project Gutenberg untuk mendemonstrasikan caching dengan konteks yang nyata dan panjang. diagram di bawah ini: Lari pertama menulis ke cache; eksekusi berikutnya dibaca dari cache ketika konten sistem, model, dan header cocok dalam TTL. Repo + Notebook di komentar.

🧠 Dari ide → alur kerja agen yang diterapkan. Tidak perlu kode. Kami baru saja merilis panduan lengkap CrewAI Studio — platform baru kami yang memungkinkan Anda membangun, menjalankan, dan menerapkan otomatisasi multi-agen langsung dari bahasa alami. 💬 Ingin mengetik "Bangun agen yang menemukan rumah di bawah $1 juta dan mengirim email kepada saya laporan"? Studio akan: ✅ Mengurai prompt ✅ Putar agen + alat yang tepat (misalnya Serper, Gmail) ✅ Hasilkan seluruh alur Crew secara otomatis — langsung di editor visual 🎯 Dalam demo, kami membangun asisten peneliti real estat yang: • Mencari daftar berdasarkan kota + harga • Mengkompilasi laporan HTML yang cerdas • Mengirim hasil melalui email ke pengguna • Semua hanya dengan input satu baris ⚙️ Anda juga dapat membuat secara manual: • Agen seret dan lepas, tugas, alat • Konfigurasikan LLM, tambahkan memori, aktifkan penalaran • Observabilitas mendalam dan pelacakan eksekusi langsung Setelah selesai? Tekan "Terbitkan" dan terapkan sebagai: → titik akhir API → Komponen React yang disematkan → Aplikasi obrolan khusus → server MCP (stdio)

saat ini kami menjalankan @crewAIInc Studio baru kami dalam versi beta tetapi akan segera menjadi GA! Sejauh ini, sangat menakjubkan melihat reaksi orang-orang ketika mereka melihatnya beraksi untuk pertama kalinya. Saya telah merekam cuplikan singkat tentang Vibe yang mengkodekan agen melalui platform kami dan menjalankannya tanpa menulis satu baris kode pun dan semuanya dalam beberapa menit yang singkat.

Kecepatan untuk nilai dan kecepatan iterasi membuat perbedaan besar dalam Agen AI saat ini. Perusahaan yang bereksperimen lebih cepat mendapatkan lebih banyak ide, yang mengulangi lebih cepat mendapatkan nilai dan keandalan lebih cepat. Ini adalah pola yang kita lihat di semua perusahaan yang membunuh menggunakan CrewAI!

🧾 Intelijen peraturan, didukung oleh agen. @tonykipkemboi baru saja menerbitkan tutorial langkah demi langkah yang menunjukkan cara membangun sistem multi-agen yang: ✅ Memantau perubahan peraturan ✅ Menganalisis >320k pengajuan SEC ✅ Menghasilkan laporan dampak yang dipoles 🧠 CrewAI mengatur agen ❄️ @Snowflake MCP membuka data SEC nyata 🔍 @serperapi menangani pencarian web + wawasan Dibuat untuk tim fintech, kepatuhan, dan manajemen aset yang membutuhkan otomatisasi dengan konteks dan presisi. 📦 Kode lengkap + tutorial di 🧵

Lihat ini! @crewAIInc 🤝 @googledevs

pagar pembatas agen AI.

Kampanye Google Ads lengkap — mulai dari riset hingga aset dan iklan — dibuat dan dipublikasikan menggunakan dua kru CrewAI hanya dalam 10 menit. 🎬 @crewAIInc @joaomdmoura @adsliaison 🎥👇 #AgenticAI #AIAgent #crewai