LangChain 日前發布 Managed Deep Agents v0.9 更新，核心賣點係新增嘅 reactions API。呢個 API 專為 Slack channel 設計，讓開發者可以為自己嘅 distributed agents 自動貼 emoji、建立加載狀態（loading states），甚至用決策模型（decision model）動態決定應該顯示咩回應。
Loading states 好多人忽略，但 LangChain 團隊話，用户要信任 agent，就必須知道佢喺度做緊乜。佢哋將呢個概念聯係到 skeuomorphic UI——數字介面模仿實體物件嘅設計理念，仲舉咗 Domino's Pizza Tracker 做例子。簡單講，就算係假嘅「處理緊」提示，都好重要，令用户唔會懷疑 agent 係咪掛咗。
v0.9 嘅 reactions 屬性接受兩樣嘢：一個靜態 emoji 字串，或者一個返回 emoji 嘅 callable 函數。例如你可以寫個簡單邏輯：如果訊息入面有「broken」呢個字，就自動貼 🐛；否則預設貼 👀。呢個只係最基礎嘅 if/else 示範。
更進一步，LangChain 仲介紹咗一個叫 Jev 嘅決策模型，可以喺 255 個 emoji 選擇中，根據輸入上下文自動揀選最合適嘅回應。開發者甚至可以構建多層決策矩陣（decision matrix），將 emoji 分組，先叫 Jev 揀類別，再揀具體 emoji，從而覆蓋更大範圍嘅情境。
LangChain 團隊同時分享咗佢哋內部嘅應用案例：一個用於製作影片及動態圖形內容嘅營銷 agent。由於呢類任務耗時較長，即時反饋對用户體驗至關重要。新 SDK 就係為咗讓開發者輕鬆套用呢類「用户滿意度」設計模式。
對於用 Slack 同 agent 協作嘅團隊嚟講，呢個 reactions API 提供咗一個低門檻嘅方法，讓 agent 嘅回應更有人味、更有脈絡。
（阿調搞兩下：一個 emoji 就真係代表 agent 有在聽？定係只係 UI 上面嘅煙花彈？用户真係要嘅，係唔係可以信賴、可預測、出錯可以執嘅系統，而唔係一個會講「收到，馬上處理」但永遠唔交貨嘅聊天機器？）
