全部 AI 动态 · AI 热点

6月19日

02:22

LangChain@LangChainAI

LangChain 推出 Deep Agents 深度解析第四部分，核心主题是 steering 功能。该功能通过第一类 HITL（人在回路）原语，允许用户在 Agent 执行过程中实时介入和调整行为。与传统的自动化流程相比，steering 提供了更细粒度的控制，无需重新启动整个 Agent。此特性使开发者能灵活纠正方向或注入上下文，提升复杂任务的可靠性。

AI产品 LangChain Deep Agents Steering 人在回路智能体

推荐理由：LangChain 教你用 HITL 原语引导 Deep Agents，比硬编码指令灵活多了，跑偏了也能随时拽回来。

原文

00:19

LangChain@LangChainAI

LangSmith 推出 LLM Gateway，为 LLM 调用提供成本控制与安全防护。该网关可设定预算上限，防止智能体因循环或错误而消耗高达 1 万美元的 API 费用。它支持速率限制、密钥管理和实时监控，使开发者能安全部署智能体。

AI产品 LangSmith LLM Gateway LangChain 智能体成本控制

推荐理由：LangChain 出了个 LLM 网关，能设预算上限防止智能体烧钱，跑智能体再也不怕睡着后出事了。

原文

6月18日

23:40

LangChain@LangChainAI

LangChain发布一条教程，展示如何通过迭代循环将agent从首次运行优化到生产就绪。教程强调使用LangSmith进行观察和评估，以构建可靠的agent。内容包含具体步骤，帮助开发者逐步改进agent性能。LangSmith是LangChain推出的调试和评估平台，支持agent的追踪、测试和迭代。

技巧 LangSmith LangChain 智能体生产就绪

推荐理由：LangChain官方手把手教你用LangSmith一步步打磨agent，从跑起来到能上线，很实用。

原文

22:19

LangChain@LangChainAI

LangChain 在 X 上宣布推出 Managed Deep Agents，旨在解决 AI Agent 从构建到生产部署的痛点。该服务让团队可以专注于 Agent 行为逻辑，无需重复构建运行时基础设施。LangChain 认为构建有用 Agent 正变得更简单，但生产运行仍困难，Managed Deep Agents 正是为此设计。

AI产品 LangChain Agent 生产部署工具

推荐理由：LangChain 出了个新服务，帮你省掉自己搭Agent运行环境的麻烦，直接聚焦业务逻辑，适合做Agent应用的团队看看。

原文

06:26

Harrison Chase@hwchase17

harbor是一个用于运行长时间、有状态智能体评估的框架，目前支撑Terminal Bench 2。LangSmith Sandboxes现已原生集成harbor，成为一等环境。用户只需安装harbor[langsmith]并设置LANGSMITH_API_KEY即可运行评估。该集成覆盖Daytona、E2B和Modal等沙箱环境。

AI产品 harbor LangSmith LangChain 智能体评估

推荐理由：LangChain老大强推harbor框架跑复杂智能体评估，现在直接集成LangSmith沙箱，一行代码搞定环境，省心。

原文

05:15

LangChain@LangChainAI

LangChain为Harbor添加了完整Dockerfile快照支持，可自动构建、缓存和复用任务环境快照。新增SDK profile支持，用户无需修改配置即可切换不同目标环境。同时实现了完整的exec/upload/download生命周期，使Harbor任务在不同沙箱提供商间行为一致。这些功能主要面向运行智能体评估的用户，相关文档已在docs.langchain.com/langsmith/sand…上线。

AI产品 LangChain Harbor Dockerfile 智能体沙箱环境

推荐理由：简单说，LangChain给Harbor加了三个实用功能，跑agent评估时能自动管理环境快照、切换配置，省去重复搭建的麻烦。

原文

03:54

LangChain@LangChainAI

LangChain实验室与Alibaba Qwen及FireworksAI合作发布一项研究，探讨如何从每条trace中高效提取重要信号，同时保持前沿性能。研究对比了不同方法在成本与效果上的权衡。报告指出，通过优化模型选择和推理策略，可在保持95%以上准确率的情况下将成本降低80%。该研究为大规模trace分析提供了实用方案。

论文 LangChain Alibaba Qwen FireworksAI trace分析成本优化

推荐理由：LangChain联合Qwen和FireworksAI出了个办法：从每条trace里低成本挖出关键信号，性能还不打折，适合做可观测性的团队看。

原文

03:53

LangChain@LangChainAI

LangChain 发布 Deep Agents 深度解析第三部分，聚焦 Delegation 委派功能。该工具让模型能自动规划复杂任务，并内置子智能体支持。来自 @SydneyRunkle 的 90 秒讲解视频详细演示了如何通过委派分工提升任务执行效率。

技巧 Deep Agents LangChain 智能体任务规划教程

推荐理由：LangChain 出了个 Deep Agents 新视频，讲怎么用委派功能规划复杂任务，还自带子智能体支持，90 秒就讲明白。

原文

03:32

LangChain@LangChainAI

LangChain 宣布未来一个月内将在三座城市举办线下 meetup。芝加哥场定于6月22日，合作方为 focused_dot_io 和 united。旧金山场于6月24日举行，合作方为 usehercules。柏林场在7月16日，合作方为 Zalando。注册入口为 luma.com/langchain。

行业 LangChain meetup 开发者社区线下活动

推荐理由：LangChain 要在三个城市办聚会了，去现场和同行聊聊，能学到不少搭建 AI 应用的经验。

原文

03:12

LangChain@LangChainAI

Benchling AI负责人@nlarusstone在LangChain发布的视频中提出，理解LLMs应借鉴生物学思维而非传统软件工程。他认为LLM的错误模式和调试过程与实验生物学类似，需要迭代测试和大规模观察。该观点引发业界对LLM可解释性本质的重新讨论。

行业 Benchling LangChain nlarusstone LLM 可解释性

推荐理由：Benchling的AI负责人用生物视角解释LLM的奇怪行为，比技术文档好懂，推荐看看他的原话。

原文

03:01

LlamaIndex@llama_index

LlamaIndex CEO Jerry Liu在Databricks #DataAISummit上，与LangChain、CrewAI等公司创始人同台讨论Agentic Stack。该小组于上午11:30开始，聚焦智能体堆栈的构成、发展路径以及当智能体（而非人类）成为基础设施主要消费者时的变化。

行业 LlamaIndex Jerry Liu LangChain CrewAI Databricks 智能体

推荐理由：想了解AI智能体基础设施的未来方向？听LlamaIndex、LangChain、CrewAI创始人面对面聊聊他们的最新看法。

原文

01:49

LangChain@LangChainAI

LangChain 推出 On-Call Copilot，这是 LangSmith Fleet 中的一个新代理模板。该模板可对每条告警进行分类，并自动调查代码和追踪数据中的根因。它还能管理工单、将事件路由到正确渠道，并从 runbook、升级规则和噪声模式中持续学习。这一模板旨在提升运维团队的事件响应效率。

AI产品 LangChain On-Call Copilot LangSmith Fleet 智能体自动化运维

推荐理由：LangChain 新出的 On-Call Copilot 模板，能自动处理告警、查根因、管工单，运维团队可以省不少事。

原文

01:09

LangChain@LangChainAI

LangChain 推出 RemoteGraph 功能，实现部署间的直接交互。该功能内置 A2A 协议支持，无需额外配置即可跨部署通信。同时支持通过 MCP 协议与智能体交互。此更新由 LangChain 工程师 Victor Moreira 在 Managed Deep Agents 中演示。

AI产品 LangChain RemoteGraph A2A协议 MCP协议智能体

推荐理由：LangChain 出了个 RemoteGraph，能让你在不同部署之间互相调用，还自带 A2A 和 MCP 协议，玩智能体互操作更方便了。

原文

00:34

LangChain@LangChainAI

推文指出改进agent通常从手动审查过程开始：挖掘生产追踪、发现重复失败模式、比较运行并决定优先修复什么。6月24日，LangSmith Engine将展示如何帮助团队更快地闭环。该工具专为LangChain生态系统设计，通过自动化追踪分析和模式识别来减少手动工作。

AI产品 LangSmith LangChain 智能体生产追踪

推荐理由：想优化你的Agent？LangSmith Engine能帮你从混乱的追踪数据中快速定位失败模式，6月24日看看它怎么自动化审查循环。

原文

6月17日

23:39

LangChain@LangChainAI

Andrew Ng与LangChain创始人Harrison Chase在Interrupt活动上进行炉边对话，讨论智能体（agent）的发展方向。两人探讨了Agent在应用落地中的挑战，包括可靠性和编排问题。Harrison Chase分享了LangChain在构建Agent框架中的经验。Andrew Ng强调了Agent作为AI应用核心范式的重要性。

行业 Andrew Ng Harrison Chase LangChain 智能体行业对话

推荐理由：Andrew Ng和Harrison Chase聊智能体的未来，干货不少，适合关注Agent应用的开发者看。

原文

23:38

LangChain@LangChainAI

LangSmith LLM Gateway 在一个界面上整合了检测、调查和修复流程，减少工具切换和上下文丢失。策略事件与追踪数据并列显示，方便快速定位问题。用户可在构建智能体的同一表面完成安全治理。该功能旨在降低运维复杂度，提升AI应用的可观测性。

AI产品 LangSmith LLM Gateway LangChain 智能体

推荐理由：LangChain 做了个网关，把检测、查问题、修问题都放一个界面里了，不用再切好几个工具了。

原文

03:43

LangChain@LangChainAI

LangSmith 新增代理拆解功能，可让开发者追踪 AI 代理在生产环境中的每一步决策。该功能帮助快速定位失败原因，并识别关键改进点。无需修改代码即可解析代理行为逻辑，实现持续优化。

AI产品 LangSmith LangChain 智能体可观测性生产环境

推荐理由：LangSmith 新功能让你像拆玩具一样拆解 AI 代理，哪步走错了门清，生产环境调试超省心。

原文

03:02

LangChain@LangChainAI

LangChain 推出新功能，支持多步骤工作流中状态跨工具调用持久化。提供突发容量，可在秒内扩展到数千个并行环境，适用于强化学习训练或评估。还增强了对用户输入可能被执行的场景的处理能力。这些特性面向需要可靠状态管理和高速扩展的复杂 Agent 与批量评测场景。

AI产品 LangChain 工作流状态持久化并行扩展 RL训练

推荐理由：LangChain 终于解决了多步工作流状态丢失的痛点，还能秒级拉起数千个并行环境做 RL 训练，适合做复杂 Agent 和批量评测。

原文

03:01

LangChain@LangChainAI

LangChain 推出 LangSmith LLM Gateway，将智能体治理直接嵌入开发平台。该网关允许开发者在构建、观察和评估智能体的同一界面中执行安全规则，无需事后额外配置。它支持对 LangChain 智能体进行实时治理，确保合规与安全。

AI产品 LangChain LangSmith LLM Gateway 智能体治理智能体

推荐理由：想给智能体加治理规则？LangChain 新出的 LLM Gateway 直接在开发平台里搞定了，不用再另外折腾。

原文

00:58

LangChain@LangChainAI

LangChain 发布 Deep Agents 深度解析第二部分，讲解上下文管理关键能力。Sydney Runkle 在不到2分钟视频中演示如何控制 Agent 长期记忆与状态。该方法可让 Deep Agents 在连续多轮对话中保持一致性，避免遗忘。

技巧 LangChain Deep Agents 智能体上下文管理提示词工程

推荐理由：如果你在用 LangChain 做智能体，这个2分钟视频教你怎么管理上下文，让 Agent 不跑偏。

原文

00:07

Harrison Chase@hwchase17

精选

LangChain 创始人 Harrison Chase 宣布其 LLM Gateway 进入私有预览，重点解决编码智能体（如 Cursor、Codex、Claude Code）带来的成本激增问题。该网关提供准确的模型定价（考虑缓存、令牌层级等变量），集成多种开发工具，并允许设置成本上限与动态调整。团队反馈显示，6个月内编码智能体支出增长显著，该方案旨在让企业同时赋予开发者选择自由和财务可控性。

AI产品 LangChain LLM Gateway 编码智能体成本控制 Cursor

推荐理由：LangChain 做了一款给团队管住编码 AI 花钱的东西，能对接 Cursor、Codex 和 Claude Code，还能设预算上限，谁用谁知道。

原文

6月16日

22:55

LangChain@LangChainAI

LangChain 发布了 Managed Deep Agents，一种托管式深度智能体服务，旨在简化复杂 AI Agent 的部署与管理。该服务内置多步骤推理、工具调用和记忆管理，支持集成 LangChain 生态的数百种工具和模型。用户无需自行搭建基础设施，即可通过 API 调用启动可扩展的深度智能体，适用于自动化任务、数据分析等场景。

AI产品 LangChain Managed Deep Agents 智能体

推荐理由：LangChain 出了个托管 Deep Agents，不用自己搭基础设施就能部署复杂智能体，省心省力。

原文

21:58

LangChain@LangChainAI

LangChain 推出 LangSmith Engine，旨在成为“代理的代理”，帮助开发者构建、测试和监控 AI 代理。该平台提供端到端的可观测性，可追踪代理的决策、工具调用和错误。支持与 LangChain 框架深度集成，简化代理部署流程。目前已在 LangSmith 平台内开放使用。

AI产品 LangSmith LangChain 智能体代理监控

推荐理由：LangChain 出了个新工具 LangSmith Engine，专门帮你看清你那些 AI 代理到底在干什么，调试和监控一步到位。

原文

21:34

LangChain@LangChainAI

LangChain 在推文中指出，agent 可能调用错误工具、跳过审批步骤、使用错误上下文或生成看似正确但实际错误的答案，即使返回“成功”响应任务也可能失败。因此生产环境中的 agent 团队不能只依赖 uptime、延迟和错误率指标。他们需要监控 agent 的完整执行轨迹，才能定位真正的问题。

技巧 LangChain agent 智能体监控生产环境

推荐理由：生产环境跑 agent 只看成功率不够，LangChain 提示要关注 agent 实际做了什么，推荐做完整轨迹追踪避免翻车。

原文

21:34

LangChain@LangChainAI

精选

LangChain 推出 Traces 功能，可记录 inputs、model calls、tool calls、outputs 和 final action。Evals 将这些学习转化为测试，用于验证下一版本是否更优。团队可借此从手动调试转向持续改进循环。LangChain 创始人 Harrison Chase 将于 6 月 24 日举办深入研讨会。

技巧 LangChain trace eval 智能体调试

推荐理由：想从手动调 bug 升级到自动化评估？LangChain 的 traces 和 evals 帮你把每次运行变成可测指标，持续优化 agent。

原文

14:21

Fireworks AI@FireworksAI_HQ

Fireworks AI 与 LangChain 合作推出新方案，允许客户从应用 traces 中生成定制训练数据。该方案支持持续后训练（continuous post training），帮助企业利用自有数据建立数据护城河。研究由 LangChain Labs 与 Fireworks AI 联合开展，旨在降低 AI 定制门槛。

AI产品 FireworksAI LangChain 训练数据后训练数据护城河

推荐理由：Fireworks AI 和 LangChain 搞了个新路子：从你的 traces 里自动生成训练数据，然后持续后训练，让你真正掌控自己的 AI 和数据。

原文

03:07

Harrison Chase@hwchase17

LangChain后训练了一个专用模型，用于检测生产环境中的智能体迹（agent traces）问题。该模型在准确性上达到SOTA，推理成本仅为前沿模型的1/10至1/100。用户可通过Airtable链接直接试用。

AI模型 LangChain 智能体生产环境检测模型低成本

推荐理由：LangChain搞了个专门检测Agent问题的模型，又准又便宜，比用GPT-4省太多钱了，快去试试。

原文

02:20

LangChain@LangChainAI

LangChain Labs与Fireworks AI合作发布了一项新研究。该研究由Viv Vtrivedy等人参与。此次合作可能聚焦于提升大语言模型在实际应用中的效率。具体细节可参考原文链接。

论文 LangChain Fireworks AI Viv Vtrivedy LLM研究

推荐理由：LangChain和Fireworks联手搞研究，看看他们发现了什么新东西。

原文

01:28

LangChain@LangChainAI

行业 LangChain Benchling 智能体科研

推荐理由：听听LangChain和Benchling的AI老大聊科学智能体踩过的坑，真实干货。

原文

01:10

LangChain@LangChainAI

LangChain 发现单个开发者使用编码代理每周可能产生数千美元费用。该团队内部构建了 LangSmith LLM Gateway 来监控和限制 API 调用。Gateway 支持设置预算警报和自动暂停，防止成本失控。LangChain 已将其作为产品功能开放。

AI产品 LangChain LangSmith LLM Gateway 编码代理成本控制

推荐理由：LangChain 分享自己怎么用 LangSmith Gateway 管住编码代理的烧钱速度，每周能省几千刀，做 AI 应用的人可以学学。

原文

00:34

Harrison Chase@hwchase17

精选

LangChain创始人Harrison Chase指出，模型中立性比云中立性更具进攻性。理由有三：模型变化速度远快于云基础设施，需保持中立应对快速迭代；不同模型在特定任务上选择性商品化，可同时使用多个；单次运行中可能需一个大型模型驱动核心智能体，搭配多个小型子模型。这与云时代仅在合同期或故障时切换不同。

行业 LangChain 模型中立性智能体多模型

推荐理由：LangChain创始人分析模型中立性为何是进攻策略，做多模型智能体应用的人别错过这三个关键理由。

原文

00:14

LangChain@LangChainAI

LangChain 官方发布了 Deep Agents 系列教程的第一部分，深入讲解执行环境（execution environment）作为 Deep Agent 的骨干。该视频由 Sydney Runkle 主讲，详细介绍了代理的底层运行机制。

技巧 LangChain Deep Agents 智能体教程

推荐理由：LangChain 官方出品的 Deep Agents 实战教程，从执行环境讲起，适合想深入理解智能体原理的开发者和学习者。

原文

6月15日

21:38

LangChain@LangChainAI

精选

Lyft 利用 LangChain 构建了 8 个 AI Agent，这些 Agent 能完全解决 35% 的客户问题。在 LangChain 的 Interrupt 会议上，Lyft 分享了内部使用的评估方法，以及如何通过 LangSmith 扩展评估规模。他们还总结了在开发过程中学到的经验教训。

技巧 Lyft LangChain LangSmith 智能体客户服务

推荐理由：Lyft 用 LangChain 做了 8 个 AI Agent，直接干掉 35% 的客服工单，还分享了评估细节。

原文

20:29

LangChain@LangChainAI

LangChain发布了对即将生效的《欧盟人工智能法案》（EU AI Act）的详细解读博客。该法案对高风险AI系统提出人类监督等要求。LangSmith和LangGraph提供了多种方案来满足人机协同（human-in-the-loop）需求。博客中分解了法案的关键条款和合规时间线。

行业 LangSmith LangGraph LangChain EU AI Act 人机协同

推荐理由：想了解EU AI Act对AI开发的影响？LangChain官方博客刚出了详细解读，还告诉你LangSmith和LangGraph怎么帮你合规。

原文

20:28

LangChain@LangChainAI

LangChain发布Engine，无需新基础设施，直接基于现有LangSmith设置运行。用户只需连接一个项目（可选连接代码仓库），即可自动从生产环境中发现并呈现问题。该工具旨在降低生产环境调试门槛，提升问题定位效率。

AI产品 LangChain LangSmith Engine 生产监控自动调试

推荐理由：LangChain出了个新工具Engine，不用折腾新环境，接上LangSmith就能自动抓生产问题，省事。

原文

6月13日

13:19

LangChain@LangChainAI

LangSmith Fleet 提供四种创建技能的方式：通过 AI 聊天描述需求自动生成、在创建 agent 时自动生成相关技能、从模板开始、以及手动编写。用户可通过 LangChain 博客获取详细指南。

技巧 LangSmith Fleet LangChain 智能体技能创建

推荐理由：四种方法，快速上手

原文

13:16

LangChain@LangChainAI

LangChain 的 Managed Deep Agents 现已集成 LangSmith Sandboxes，允许智能体安全执行代码。该功能通过沙箱环境隔离代码运行，防止对系统造成损害。开发者可以在 LangSmith 平台上直接测试和调试代理行为。

AI产品 Managed Deep Agents LangSmith LangChain 智能体代码执行

推荐理由：LangChain 让智能体安全跑代码

原文

11:06

LangChain@LangChainAI

LangChain 在博客中详细介绍了构建 AI 应用的内部架构，包括如何使用 LangGraph 和 LangSmith 等工具。文章展示了从原型到生产的完整流程，涉及多个组件如代理、工具和状态管理。该架构支持多种模型集成，并提供了实际案例。

AI产品 LangChain LangGraph LangSmith 智能体编程助手

推荐理由：LangChain 教你搭 AI 应用架构

原文

02:01

LangChain@LangChainAI

精选

LangChain 宣布 IRL LangSmith 引擎推出。推文显示有 1 条评论、2 次转发、15 个喜欢和 1061 次查看。未提供具体功能细节。

AI产品 LangChain LangSmith

推荐理由：关注 LangChain 引擎更新

原文

01:57

LangChain@LangChainAI

精选

LangChain 与 Focused.io 于 6 月 22 日在芝加哥联合举办线下 Meetup。活动中将展示 Pollen Robotics 的 Reachy 机器人实时追踪 LangChain 调用并解释深度智能体行为。LangChain 创始人 Harrison Chase 与 Focused.io CEO Austin Vance 将分享关于深度智能体与企业 AI 的见解。活动需通过 Luma 平台 RSVP 参加。

行业 LangChain Focused.io Pollen Robotics Reachy 智能体

推荐理由：芝加哥线下交流深度智能体

原文