02:22LangChain@LangChainAILangChain 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LangChainDeep AgentsSteering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
00:19LangChain@LangChainAILangSmith 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LangSmithLLM GatewayLangChain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
23:40LangChain@LangChainAILangChain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LangSmithLangChain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
22:19LangChain@LangChainAILangChain 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LangChainAgent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
06:26Harrison Chase@hwchase17harbor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harborLangSmithLangChain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
05:15LangChain@LangChainAILangChain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LangChainHarborDockerfile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
03:54LangChain@LangChainAILangChain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LangChainAlibaba QwenFireworksAItrace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
03:53LangChain@LangChainAILangChain 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 AgentsLangChain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
03:32LangChain@LangChainAILangChain 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LangChainmeetup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
03:12LangChain@LangChainAIBenchling 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BenchlingLangChainnlarusstoneLLM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
03:01LlamaIndex@llama_indexLlamaIndex 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LlamaIndexJerry LiuLangChainCrewAIDatabricks智能体1 个信源在谈推荐理由: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
01:49LangChain@LangChainAILangChain 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LangChainOn-Call CopilotLangSmith 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
01:09LangChain@LangChainAILangChain 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LangChainRemoteGraphA2A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
00:34LangChain@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LangSmithLangChain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
23:39LangChain@LangChainAIAndrew 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 NgHarrison ChaseLangChain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
23:38LangChain@LangChainAILangSmith 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LangSmithLLM GatewayLangChain智能体1 个信源在谈推荐理由: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
03:43LangChain@LangChainAILangSmith 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LangSmithLangChain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
03:02LangChain@LangChainAILangChain 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
03:01LangChain@LangChainAILangChain 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LangChainLangSmithLLM Gateway智能体治理智能体1 个信源在谈推荐理由: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
00:58LangChain@LangChainAILangChain 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LangChainDeep 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
00:07Harrison 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LangChainLLM Gateway编码智能体成本控制Cursor10 个信源在谈推荐理由: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
22:55LangChain@LangChainAILangChain 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LangChainManaged 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
21:58LangChain@LangChainAILangChain 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LangSmithLangChain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
21:34LangChain@LangChainAILangChain 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LangChainagent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
21:34LangChain@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LangChaintraceeval智能体调试2 个信源在谈推荐理由: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
14:21Fireworks AI@FireworksAI_HQFireworks 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FireworksAILangChain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
03:07Harrison Chase@hwchase17LangChain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
02:20LangChain@LangChainAILangChain 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LangChainFireworks AIViv VtrivedyLLM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
01:28LangChain@LangChainAI在最新一期Max Agency节目中,LangChain联合创始人Harrison Chase与Benchling AI主管Nick Larusstone讨论了构建科学工作智能体的最大障碍。对话聚焦于将大语言模型应用于生物技术研究中的数据整合与实验验证挑战。Nick指出,缺乏标准化流程和领域知识是主要瓶颈。行业LangChainBenchling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
01:10LangChain@LangChainAILangChain 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LangChainLangSmithLLM Gateway编码代理成本控制1 个信源在谈推荐理由: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
00:34Harrison 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
00:14LangChain@LangChainAILangChain 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LangChainDeep 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
21:38LangChain@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LyftLangChainLangSmith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
20:29LangChain@LangChainAILangChain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LangSmithLangGraphLangChainEU 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
20:28LangChain@LangChainAILangChain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LangChainLangSmithEngine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
13:19LangChain@LangChainAILangSmith 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LangSmithFleetLangChain智能体技能创建推荐理由:四种方法,快速上手原文
13:16LangChain@LangChainAILangChain 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 AgentsLangSmithLangChain智能体代码执行推荐理由:LangChain 让智能体安全跑代码原文
11:06LangChain@LangChainAILangChain 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LangChainLangGraphLangSmith智能体编程助手推荐理由:LangChain 教你搭 AI 应用架构原文
02:01LangChain@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LangChainLangSmith推荐理由:关注 LangChain 引擎更新原文
01:57LangChain@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LangChainFocused.ioPollen RoboticsReachy智能体推荐理由:芝加哥线下交流深度智能体原文