Atualização do LangBot 4.10.2 explicada: Sandbox, Skills, plug-ins RAG e recursos do framework de bots de IA para empresas

O Sandbox, também chamado de Box Runtime, fornece ao Agent integrado um ambiente de execução isolado. Em termos simples, o Agent pode trabalhar mais como um desenvolvedor: pode executar comandos, ler e gravar arquivos, editar arquivos e pesquisar no conteúdo do projeto sem tocar diretamente no ambiente do host.

O conjunto nativo de ferramentas inclui seis ferramentas principais:

O backend de sandbox é plugável. Dependendo do ambiente de implantação, o LangBot pode usar Docker, nsjail ou E2B como backend de isolamento. O sistema pode escolher automaticamente uma opção adequada.

O autor original também destaca uma vantagem arquitetônica: o LangBot já separa o runtime de plugins do sistema principal. Isso torna o design mais fácil de estender. Por exemplo, a WebUI pode ser executada em uma máquina, o backend do LangBot pode ser executado em um NAS, e o Plugin Runtime pode ser implantado em outro lugar, como em um Raspberry Pi.

O Box Runtime também pode hospedar servidores MCP no modo stdio, oferecendo ao LangBot uma forma mais segura e flexível de expandir as capacidades das ferramentas.

Para ativar o perfil completo em uma implantação com Docker, use:

docker compose --profile all up

Para desativar o sandbox, defina:

box:
  enabled: false

Sistema de Skills

Skills são pacotes de instruções sob demanda. Uma skill pode incluir prompts, scripts, procedimentos, modelos ou arquivos de referência. O ponto principal é que o Agent não precisa carregar todas as skills no contexto o tempo todo.

Em vez disso, o Agente geralmente vê apenas uma lista de habilidades disponíveis. Quando uma tarefa exige uma habilidade específica, o conteúdo completo dessa habilidade é carregado apenas naquele momento. Isso reduz o desperdício de contexto e torna conversas longas ou complexas mais fáceis de gerenciar.

Esse design é útil quando um Agente precisa de capacidades especializadas, mas não deve carregar todas as instruções no prompt do sistema. Ele mantém o contexto padrão mais leve, ao mesmo tempo que ainda permite uma capacidade mais profunda quando necessário.

Recursos que já chegaram na v4.9.x

LangBot v4.9.0: Pluginização da Base de Conhecimento

O LangBot v4.9.0 concentrou-se em reestruturar a capacidade de base de conhecimento, ou RAG, em uma arquitetura baseada em plugins. O autor observa que esta foi uma atualização profunda planejada há muito tempo, especialmente para uma melhor integração com plataformas como o Dify.

No novo design, o LangBot não trata mais as bases de conhecimento integradas e as bases de conhecimento externas como duas categorias separadas. Em vez disso, todas as bases de conhecimento são gerenciadas de forma unificada. Diferentes mecanismos de conhecimento são fornecidos por meio de plugins.

As principais mudanças incluem:

1. Gerenciamento unificado: as bases de conhecimento integradas e externas são tratadas sob um único modelo de gerenciamento.

Novo tipo de componente: foi introduzido o componente de plugin KnowledgeEngine.

• Formulários dinâmicos: ao criar uma base de conhecimento, o formulário pode ser renderizado de forma diferente dependendo do motor selecionado.

• Capacidades centrais baseadas em API: as chamadas de embedding e as operações de banco de dados vetorial são encapsuladas dentro de RAGRuntimeService, para que os plugins possam chamá-las por meio de APIs.

• Migração automática: bases de conhecimento criadas em versões mais antigas podem ser migradas automaticamente após a atualização para a v4.9.0.

A captura de tela mostra vários plugins de mecanismo de conhecimento relacionados a RAG. A publicação original menciona cinco opções de RAG, incluindo o próprio trabalho de pesquisa da equipe do LangBot.

Outras Atualizações Importantes

O LangBot Cloud também foi lançado oficialmente. Usuários que não desejam fazer auto-hospedagem podem experimentar o LangBot por meio do serviço oficial em nuvem.

Esta linha de lançamento também inclui várias correções, abrangendo áreas como análise de saída do Dify, envio de mensagens via WebSocket e conversão de tipos de configuração.

Depois que a base de conhecimento se tornou modular por meio de plugins, os desenvolvedores passaram a ter uma forma mais limpa de conectar mecanismos de conhecimento personalizados ao LangBot. Isso é especialmente útil para equipes com requisitos de negócios mais complexos.

Atualizações que já tinham sido adicionadas, mas raramente eram mencionadas por escrito

O autor original então vai além das notas públicas de lançamento e lista vários recursos que já haviam mudado, mas não tinham sido plenamente explicados em artigos anteriores.

O Mercado de Plugins do LangBot já ultrapassou 400 itens

De acordo com a publicação original, o Mercado de Plugins do LangBot já ultrapassou 400 itens. O autor também observa que a equipe analisa os plugins e que os plugins voltados apenas para entretenimento são relativamente limitados, com baixa duplicação.

Esse ponto é importante porque os ecossistemas de plugins costumam ser mais importantes do que uma única lista de recursos integrados. Um ecossistema maior significa que os usuários podem expandir o LangBot para diferentes fluxos de trabalho, em vez de esperar que cada capacidade passe a fazer parte do produto principal.

A compatibilidade com plataformas externas de aplicações de IA já ultrapassou sete plataformas

O LangBot continuou a expandir a compatibilidade com plataformas externas de desenvolvimento de aplicações de IA. O artigo original menciona atualizações recentes relacionadas ao Weknora e ao Deerflow, enfatizando que o LangBot dá grande atenção à extensibilidade.

A captura de ecrã mostra ficheiros relacionados com conectores para várias plataformas, incluindo Coze, DashScope, DeerFlow, Dify, Langflow, agentes locais, n8n, Tbox e Weknora.

As capacidades semelhantes ao LangTARS e ao OpenClaw continuam a melhorar

O LangTARS é descrito como uma camada modular de capacidades. O LangBot atua como a base unificada que expõe de forma segura modelos, ferramentas, bases de conhecimento e histórico de conversas a agentes locais ou de terceiros.

Isto permite que um agente se concentre na inteligência de negócio: compreender a intenção do utilizador, chamar ferramentas, recuperar conhecimento e organizar respostas. O agente não precisa de se preocupar com os detalhes de ligação de baixo nível.

O artigo também menciona que esses recursos podem oferecer suporte tanto a operações baseadas em sandbox quanto a cenários de controle de computadores pessoais.

Atualizações do Agent na Plataforma SaaS

A plataforma SaaS também recebeu atualizações do Agent. O autor não entra em muitos detalhes aqui, mas observa que os usuários do SaaS já experimentaram essas mudanças, enquanto a comunidade de código aberto pode ter acesso a alguns recursos algumas versões depois.

Roteamento de Callback de Modelo Empresarial

O LangBot adicionou roteamento de callback de modelo em nível empresarial. Quando uma chamada de modelo falha, a mensagem pode ser redirecionada para um modelo de contingência previamente configurado.

O valor desse design é que ele ajuda a superar limitações relacionadas a chaves de API e fornecedores de modelos. Para sistemas empresariais, isso pode melhorar a confiabilidade quando um provedor falha ou atinge um limite.

LangBot oferece suporte direto ou indireto a mais de 30 plataformas de IM

O LangBot já alcançou ampla compatibilidade com plataformas de mensagens instantâneas. O artigo original afirma que o LangBot oferece suporte direto ou indireto a mais de 30 plataformas de IM.

Para frameworks de bots, a cobertura de IM é muito importante. Uma empresa pode precisar de um único sistema de bots que funcione em WeChat, QQ, Lark, DingTalk, Telegram, Discord, Slack, LINE e outras plataformas. Um framework de bots unificado pode reduzir o trabalho duplicado de integração.

Roteamento por Pipeline: Roteamento de Conversas no Estilo de Workflow

O artigo também menciona o roteamento por pipeline, que se comporta de certa forma como um Workflow.

Com esse recurso, o LangBot pode encaminhar conversas para diferentes pipelines com base em palavras-chave do negócio ou outras condições. Diferentes pipelines podem usar prompts, extensões e bancos de dados diferentes. Eles também podem ser aninhados.

O autor original acrescenta uma observação importante: depois que a atualização do Workflow visual chegar, esse recurso de roteamento por pipeline poderá ser removido ou substituído, porque a orquestração visual de workflows será mais estável e mais fácil de usar.

Configuração por Código QR

Para algumas plataformas abertas compatíveis, o LangBot pode usar configuração baseada em código QR. Isso facilita a configuração de uma plataforma aberta sem inserir manualmente cada detalhe.

Prévia de Atualizações Futuras

Alguns recursos futuros já estavam em desenvolvimento quando o artigo original foi escrito. O autor observa que parte do conteúdo era tão recente que nem mesmo o site oficial ainda havia sido atualizado naquele momento.

A orquestração visual de fluxos de trabalho já foi desenvolvida

O recurso de orquestração visual de fluxos de trabalho já teve seu desenvolvimento concluído, e o momento da integração já foi definido.

Esta é uma das mudanças futuras mais importantes, porque pode tornar a lógica complexa mais fácil de criar e manter a partir da WebUI.

Integração de outras capacidades de agentes no estilo CLI

O artigo também menciona que o projeto conectado ao cc havia atraído alguma atenção, então a equipe decidiu adicionar suporte a outras capacidades no estilo CLI, semelhantes ao Claude Code e ao Codex.

Essa direção está alinhada com a tendência mais ampla de permitir que agentes de IA trabalhem de forma mais direta com ambientes de desenvolvimento, ferramentas de linha de comando e projetos locais.

Mais recursos estão a caminho

O autor mantém os próximos recursos restantes como uma prévia. A mensagem principal é clara: a atualização atual do LangBot não é o ponto final, e o roteiro ainda inclui mais melhorias relacionadas a Agentes e Fluxos de Trabalho.

Uma Observação Sobre Comparações Não Verificadas

O artigo original também responde a outro artigo que, segundo o autor, não verificou detalhes suficientes antes de fazer comparações.

A captura de tela afirma que LangBot e AstrBot estão ambos trabalhando para criar ecossistemas úteis de bots de IA, mas enfatizam direções diferentes. O LangBot se concentra mais em conectar rapidamente aplicações de IA a ecossistemas de chat, enquanto o AstrBot se concentra mais em transformar o próprio bot em uma plataforma inteligente extensível.

A conclusão prática é simples: as comparações devem se basear em recursos verificados, casos de uso e necessidades de implantação. Um framework pode parecer “menor” apenas se a comparação ignorar sistemas de plugins, separação em tempo de execução, integrações de plataforma ou recursos de roteamento empresarial.

Todos Somos Semelhantes

O autor acrescenta brevemente uma reflexão: projetos no mesmo ecossistema հաճախ têm aparência semelhante porque estão respondendo a necessidades semelhantes dos usuários.

Os frameworks de bots de IA estão todos tentando conectar modelos, ferramentas, bases de conhecimento, plataformas de mensagens e fluxos de trabalho dos usuários. A semelhança não é necessariamente um problema. A verdadeira diferença está na arquitetura, no modelo de extensão, no design de implantação e na rapidez com que uma equipe consegue dar suporte a casos de uso do mundo real.

Cada Um Tem Situações Diferentes

Diferentes equipes desenvolvem sob restrições diferentes. Algumas se concentram na facilidade de uso local. Algumas se concentram na riqueza de plugins. Algumas se concentram na implantação empresarial. Algumas se concentram na cobertura de plataformas de chat.

É por isso que uma comparação séria não deve apenas perguntar “qual deles tem mais recursos?”. Ela também deve perguntar: qual framework se adequa ao cenário de implantação, ao tamanho da equipe, aos requisitos da plataforma, à capacidade de manutenção e ao plano de extensão de longo prazo?

Teste de Fila Sob Alta Concorrência

No final do artigo original, o autor acrescenta dados relacionados ao desempenho. Para um framework, alta concorrência e o gerenciamento de múltiplas sessões são indicadores importantes.

O método de teste consistiu em forçar o acúmulo de sessões não processadas para cerca de 50–70, depois reduzir gradualmente a velocidade e observar o TPS quando o sistema atingisse o equilíbrio de carga.

O autor observa que houve acúmulo de sessões durante o teste, portanto ele representa um ambiente de alta concorrência e não é exatamente igual ao tráfego normal de produção. No entanto, ainda oferece uma visão útil do desempenho da framework sob pressão.

Condições de teste descritas no artigo de origem:

Frameworks Domésticos A/B

Os gráficos a seguir são do teste A/B do framework doméstico mostrado no artigo original.

De acordo com a leitura do gráfico feita pelo autor original, o TPS está em torno de 240 respostas por hora.

LangBot

Os gráficos a seguir são do teste do LangBot mostrado no artigo original.

De acordo com a leitura do gráfico feita pelo autor original, o LangBot atinge cerca de 1260 respostas por hora neste teste.

O autor também observa que isso ainda pode ser um pouco injusto com o LangBot, porque o LangBot começa com um componente Runtime a mais. Mesmo com esse componente extra, o resultado ainda é significativamente superior no teste apresentado.

Cuidado ao interpretar o desempenho

Esses gráficos são úteis, mas não devem ser tratados como um benchmark universal de produção. O autor usou um Raspberry Pi 5 e um método de teste específico, portanto os números absolutos podem mudar em hardwares diferentes, APIs diferentes, latência de modelo diferente e topologias de implantação diferentes.

O sinal mais útil é a razão relativa de TPS dentro da mesma configuração de teste. O autor original também afirma que o software de teste relacionado poderá ser disponibilizado como código aberto mais tarde.

Perguntas frequentes

O que é o LangBot?

LangBot é uma plataforma de código aberto, pronta para produção, para criar bots de mensagens instantâneas com IA. Ela conecta modelos de linguagem de grande porte e plataformas de aplicações de IA a plataformas de chat como Discord, Telegram, Slack, WeChat, QQ, Lark, DingTalk e outras.

O que mudou no LangBot v4.10.x?

A atualização mais importante é a introdução do Sandbox e das Skills. O Sandbox oferece ao Agent um espaço de trabalho isolado para operações de comandos e arquivos, enquanto as Skills permitem que o Agent carregue instruções especializadas apenas quando necessário.

O que é o LangBot Box Runtime?

O Box Runtime é o ambiente de execução em sandbox do LangBot. Ele pode fornecer ferramentas como exec, read, write, edit, glob e grep, mantendo a execução isolada do ambiente hospedeiro.

Como habilito o sandbox do LangBot no Docker?

Para implantação com Docker, o artigo original usa docker compose --profile all up para iniciar o perfil completo. Para desativar o sandbox, defina box.enabled: false na configuração.

Para que servem as Skills do LangBot?

As Skills são pacotes de instruções sob demanda para o Agent. Elas podem incluir prompts, procedimentos, scripts e arquivos de referência, permitindo que o Agent use conhecimento especializado sem carregar tudo no contexto logo no início.

O LangBot é melhor que o AstrBot?

A resposta depende do caso de uso. O LangBot tem um foco forte em conectar aplicações de IA a ecossistemas de chat, roteamento empresarial, separação do ambiente de execução de plugins, RAG, MCP e implantação de IM em múltiplas plataformas. O AstrBot também tem recursos sólidos de Agent e de framework para bots, portanto a escolha certa depende do cenário de implantação e das prioridades de funcionalidades.

Os números de TPS neste artigo são benchmarks de produção?

Não. O teste original usou uma configuração específica com Raspberry Pi 5 e um cenário controlado de fila acumulada. Os números são úteis como referência, mas o desempenho em produção dependerá do hardware, da latência da API, do método de implantação, da carga de sessões e da configuração.

O LangBot pode ser usado para bots corporativos?

Sim, o LangBot foi concebido para cenários de produção e empresariais, especialmente onde as equipas precisam de suporte de IM multiplataforma, integração com bases de conhecimento, encaminhamento de modelos, monitorização e capacidades extensíveis de plugins.

Ferramentas Relacionadas

• LangBot: Plataforma de código aberto para criar bots de mensagens instantâneas com IA.

• Documentação do LangBot: Documentação oficial para implantação, configuração de bots, modelos, pipelines, plugins, sandbox e habilidades.

• SDK de Plugins do LangBot: SDK oficial de plugins, CLI, infraestrutura Plugin Runtime e Box Runtime para o LangBot.

• LangBot Cloud: Serviço gerenciado do LangBot para usuários que não desejam hospedar por conta própria.

• AstrBot: Assistente AI Agent e framework de chatbot de código aberto, usado aqui como referência de comparação.

• Docker: Plataforma de contêineres usada pelas implantações do LangBot e pelo backend do sandbox.

• Dify: Plataforma de desenvolvimento de aplicações LLM à qual o LangBot pode se conectar.

• n8n: Plataforma de automação de fluxos de trabalho que pode ser conectada ao LangBot para acionadores de fluxos de trabalho baseados em chat.

Links relacionados

• Artigo original do CSDN: Artigo-fonte adaptado para esta versão em Markdown em inglês.

• Blog de lançamento do Sandbox e Skills do LangBot v4.10.0: Artigo oficial do LangBot explicando o Sandbox e as Skills.

• Repositório GitHub do LangBot: Principal repositório de código aberto do LangBot.

• Lançamentos do LangBot: Histórico oficial de lançamentos das versões do LangBot.

• Documentação oficial do LangBot: Ponto de entrada para a documentação de uso, implantação e configuração do LangBot.

• Documentação de Skills do LangBot: Documentação oficial para instalar e usar Skills.

• Repositório do SDK de Plugins do LangBot: Repositório oficial do SDK e do runtime para plugins do LangBot e infraestrutura de sandbox.

• Repositório do AstrBot no GitHub: Repositório oficial do AstrBot para leitores que desejam comparar as direções dos frameworks.