全部 AI 动态 · AI 热点

5月30日

11:50

Harrison Chase@hwchase17

LangChain 的 LangSmith Signal 最新数据显示，开源模型正在经历爆发式增长。2026 年 4 月，已有 1/3 的 AI 团队运行过开源权重模型，而九个月前这一比例仅为 1/5。使用开源权重的团队总数增长了 3 倍。新用户选择开源模型的比率高于早期用户。这表明开源模型正从边缘走向主流，成为越来越多 AI 团队的首选。

行业开源模型 LangChain AI 团队行业趋势模型选型

推荐理由：开源模型的使用率翻倍增长，做 AI 应用或模型选型的团队值得关注这个趋势——新用户更倾向开源，意味着生态正在加速成熟。

原文

11:42

LangChain@LangChainAI

LangChain 在推文中引用 Cogent Security 联合创始人兼 CTO Geng Sng 的观点，提出将智能体架构类比为神经系统的思考方式。这一比喻强调智能体各部分之间的协调与信息传递，类似于生物神经系统的反射弧和中枢处理。该观点在 Max Agency 播客中详细阐述，旨在帮助开发者更直观地理解复杂智能体系统的设计原则。对于正在构建多智能体或复杂工作流的团队，这一视角可能带来架构设计上的启发。

AI产品智能体架构设计 LangChain 神经系统类比播客

推荐理由：用神经系统类比智能体架构，能帮开发者跳出传统模块化思维，做复杂工作流设计的团队值得一听这个播客。

原文

11:28

Harrison Chase@hwchase17

LangChain 创始人 Harrison Chase 在 X 上发文指出 LLM 支出正变得非常高，并介绍了 LangChain 的 LLM Gateway 功能，核心是支出可见性和支出控制。该网关可在请求到达模型前强制执行支出限制并脱敏 PII，而非事后处理。目前开放私测注册，旨在帮助团队有效管理 AI 成本。

AI产品 LangChain LLM Gateway 支出控制 PII脱敏私测

推荐理由：LLM 成本飙升是每个 AI 团队的痛点，LangChain 的网关在请求前就拦截超支和敏感数据泄露，比事后补救更实用。做 AI 应用开发或运维的团队，值得立即申请私测体验。

原文

00:03

LangChain@LangChainAI

LangChain 在 Interrupt 主题演讲中推出了 Managed Deep Agents，由 Sydney Runkle 和 Victor Moreira 进行了 20 分钟的详细演示。该产品旨在简化深度智能体的部署与管理，降低开发门槛。演讲展示了如何通过托管服务快速构建和运行复杂智能体工作流。对于希望快速集成 AI 智能体的团队来说，这是一个值得关注的工具。

AI产品智能体 LangChain 托管服务 AI 部署工作流

推荐理由：LangChain 把深度智能体的部署门槛降低了，做 AI 应用开发的团队可以直接用托管服务省去运维烦恼，建议点开看看 20 分钟演示。

原文

5月29日

22:30

Harrison Chase@hwchase17

LangChain 发布 Deep Agents v0.6，将“Harness Profiles”提升为一等抽象，允许为不同模型定制提示和工具。这一更新解决了模型间性能差异问题，使开发者能以低于封闭前沿 API 20 倍以上的成本，从 Kimi、Qwen 和 DeepSeek 等模型获得生产级性能。LangChain 还提供了调优指南，帮助用户优化模型配置。

AI产品 LangChain Deep Agents Harness Profiles 多模型适配成本优化

推荐理由：做多模型 Agent 的团队终于不用为每个模型手写适配代码了——Harness Profiles 让不同模型自动获得最优提示和工具配置，成本直降 20 倍，建议直接看调优指南。

原文

22:06

LangChain@LangChainAI

LangChain 发布 Deep Agents v0.6，将 Harness Profiles 提升为一等抽象，使得开发者可以轻松配置和优化模型推理。新版本支持 Kimi、Qwen、DeepSeek 等开源模型，在保持生产级性能的同时，成本仅为闭源前沿 API 的 1/20 以下。这为需要高性价比 AI 代理的团队提供了更灵活的选择。

AI产品 LangChain Deep Agents Harness Profiles 开源模型推理优化

推荐理由：做 AI 代理的团队终于可以低成本使用开源模型达到生产级性能，建议做推理优化的开发者直接试试 Harness Profiles 的调优功能。

原文

08:27

LangChain@LangChainAI

LangChain 被 Redpoint 列入 2026 年 InfraRed100 榜单，该榜单表彰云基础设施领域最具变革性的 100 家公司。这标志着 LangChain 在 AI 应用开发框架领域的影响力获得行业认可，尤其在其推动 LLM 应用落地和生态建设方面。入选该榜单意味着 LangChain 的技术和商业模式被认为对云基础设施的未来有重要影响。

行业 LangChain 云基础设施行业榜单 AI 框架 Redpoint

推荐理由：做 AI 应用开发的团队值得关注——LangChain 入选 InfraRed100 说明其框架在云基础设施层面被顶级风投认可，意味着更稳定的生态和更多企业级支持，建议开发者持续跟进其最新动态。

原文

08:16

LangChain@LangChainAI

精选

LangChain 指出，评估（evals）会直接影响智能体系统的行为方向，但更多的评估并不等于更好的智能体。关键在于构建能够反映生产环境中期望行为的针对性评估。LangSmith Engine 等工具可以帮助用户从追踪数据中精准创建评估，从而构建更优秀的智能体。这一观点强调了评估质量而非数量的重要性。

AI产品智能体评估/Eval LangChain LangSmith Engine 开发工具

推荐理由：做智能体开发的团队常陷入「堆 eval 数」的误区，LangChain 点明了评估的向量效应——选错评估方向反而会带偏系统行为。建议用 LangSmith Engine 从真实追踪数据中提炼针对性评估，比盲目加 eval 更有效。

原文

08:15

LangChain@LangChainAI

LangChain 发布了新课程《Intro to LangSmith Deployment》，教你如何将单用户桌面 Deep Agent 扩展到多租户、弹性基础设施上的生产级部署。课程涵盖从原型到规模化部署的关键步骤，适合希望将 AI 智能体投入实际生产环境的开发者。该课程是 LangChain Academy 系列的一部分，旨在降低 AI 应用部署门槛。

AI产品 LangChain LangSmith 部署智能体课程

推荐理由：做 AI 智能体部署的开发者终于有了官方指南——LangChain 手把手教你从单用户原型到多租户生产环境，建议直接学起来。

原文

08:11

LangChain@LangChainAI

精选

LangChain 发布了 Deep Agents v0.6，新增 ContextHubBackend 功能。该功能为驱动智能体行为的文件提供了一个版本化的存储空间，基于 LangSmith Context Hub 实现。它允许开发者从一次运行到下一次运行持续改进上下文，提升智能体的一致性和表现。这对于需要精细控制智能体行为的团队来说是一个实用更新。

AI产品智能体 LangChain LangSmith 版本控制上下文管理

推荐理由：做智能体开发的团队终于有了版本化的上下文管理工具，能避免每次调试都从头开始，建议用 LangChain 的开发者直接升级试试。

原文