6月25日
04:54
02:44
02:41
02:41DeepLearning.AI@DeepLearningAI
DeepLearning.AI 发起7天语音AI构建挑战,教你用编码代理自动提醒而不必盯着终端。活动截止日期为6月30日。参与者将学习如何让AI主动呼叫你,解放监控终端的负担。
推荐理由:DeepLearning.AI 搞了个7天挑战,教你用语音AI让编码代理自动呼叫你,不用死守终端。活动到6月30日截止,想学赶紧上车。
01:31
01:31官方账号LangChain@LangChainAI
精选
Jake Broekhuizen在12分钟视频中演示如何让智能体通过记忆更新来改进表现。他介绍使用LangSmith Engine发现运行问题,并将记忆写入Context Hub。这种方法能让智能体在多次运行之间持续优化,而非仅留下痕迹。适合需要在大规模部署中管理智能体记忆的开发者。
推荐理由:想知道怎么让智能体不反复犯同样的错?看LangChain这12分钟视频,教你用LangSmith Engine和Context Hub实现跨运行学习。
01:28
00:29
00:29向阳乔木@vista8
精选
洪定坤提出用AI生成可交互原型替代PRD,提前暴露分歧。AI开发系统化流程包括AI写Spec、功能实现、Browser Use验证、自动提交上线。Harness基建通过上下文工程、架构约束、团队知识Memory和技术债梳理,将可交付性从40~60分提升至80分。
推荐理由:字节火山引擎洪定坤分享了三个提升AI开发效率的方法,尤其Harness基建能帮你把交付质量从及格提到优秀。
6月24日
22:46
22:46官方账号LangChain@LangChainAI
精选
Jeff Barg在Interrupt会议上透露,Clay每月运行3.5亿个GTM智能体。他指出,缓存可将LLM调用成本降低高达70%。限制工具调用范围不仅能节省成本,还能提升输出质量。在多租户负载下,引入公平队列机制至关重要。
推荐理由:做AI智能体上线的小伙伴必看,Clay的AI负责人亲自讲了怎么降本70%和优化队列,干货12分钟。
06:21
06:21官方账号LangChain@LangChainAI
LangChain指出多数团队已有追踪能力,但缺乏持续改进Agent的系统。他们提出的Agent开发生命周期包含四个阶段:构建、测试、部署和监控。该流程以工程师人力速度扩展,无法规模化。团队需用更自动化的方法来迭代优化Agent性能。
推荐理由:LangChain总结了一套开发AI Agent的标准流程,帮你解决“只追踪不改进”的痛点,从构建到监控闭环。
05:42
05:42官方账号LangChain@LangChainAI
LangChain发布了与Pipecat AI集成的教程,17分钟演示如何将现有LangGraph agent转变为语音agent。同时LangSmith更新了语音轨迹功能,新增内联音频播放器,无需打开新标签即可查看语音回放。该教程适合已有LangGraph agent的开发者快速接入语音交互。
推荐理由:想让你写的LangGraph agent开口说话?这篇17分钟教程直接用pipecat_ai搞定,还顺带教你怎么用LangSmith看语音回放。