调试相关 AI 资讯

AITOP

8月14日

00:16

mem0@mem0ai

精选

Mem0团队指出，多数被归咎于模型的失败其实发生在RAG管道的其他环节。例如抽取阶段漏掉了关键事实。存储阶段可能把临时噪声写入了记忆库。更新逻辑未能解决冲突。检索阶段拉取了错误的记忆。

推荐理由：调试时别只盯着模型，先查抽取、存储、更新、检索这几步，往往问题出在这儿。

原文

8月11日

11:59

宝玉@dotey

Codex 和 Claude Code 现在支持跨 session 访问会话，方便开发者直接引用其他会话的上下文。作者在测试 Windows 上 App 时，先用 BaoCut Skill 转录视频，发现首次下载模型体验差。随后在 BaoCut 源码项目中传入 Session Id，让 Agent 分析原因并优化，无需手动总结或丢失上下文。

技巧 Codex Claude Code BaoCut

推荐理由：Codex/Claude Code 能跨 session 找上下文了，调试不用自己总结，直接传 Session Id 让 Agent 分析，省事多了。

原文

8月6日

03:35

官方账号LangChain@LangChainAI

LangSmith的追踪功能让MadrigalPharma团队像读脑扫描图一样调试智能体。该平台的一键部署可替代数月自定义编排工作。MadrigalPharma将智能体上线生产的时间从12周缩短到2周。整个流程借助LangChain生态完成。

AI产品 LangSmith MadrigalPharma LangChain

推荐理由：LangSmith用trace帮你把智能体调试看得明明白白，一键部署省掉几个月编排，MadrigalPharma案例从12周压到2周。

原文

8月4日

12:17

Harrison Chase@hwchase17

LangGraph Studio 能对失败的 agent 运行做原样重放。用户在重放时替换任意一个组件，再以相同 trace 重跑。LangGraph Studio 会自动生成新旧运行间的 diff，帮助定位失败原因。该功能来自 LangChain 创始人的推文演示，尚无官方教程。

技巧 LangGraph Studio LangGraph 调试

推荐理由：LangChain 创始人在推上演示了 LangGraph Studio 的调试技巧：失败运行能重放和对比，比重新跑一遍省事多了。

原文

7月28日

04:35

官方账号LangChain@LangChainAI

CreditGenie_US 使用 LangSmith 的追踪功能调试了数千个 agent traces。LangSmith 能精确展示 agent 的推理过程。其 Insights 功能将生产环境中的追踪数据转化为每个行为的 100-200 个针对性测试问题。这帮助团队快速定位 agent 行为异常。

AI产品 CreditGenie_US LangSmith LangChain

推荐理由：看看 CreditGenie_US 怎么用 LangSmith 的追踪和 Insights 功能，把上千条日志变成精准测试题，快速修 agent 的问题。

原文

7月16日

12:07

Geek@geekbb

DeerFlow 团队发布了一款桌面应用，帮助 Agent 构建者快速搭建想法并调试验证。该应用集成了提示词编写、执行轨迹回放、失败排查与性能评估功能，全部整合在一个窗口。项目从 2023 年开始开发，团队用其调试每一个 DeerFlow 版本。支持本地存储线程，并可在 github.com/deer-flow/llm-… 获取。

AI产品 DeerFlow Agent 桌面工具

推荐理由：搞 Agent 的话试试这个桌面工具，写提示词、看轨迹、查失败、跑评估全在一个窗口，DeerFlow 团队自己用了两年，调试特顺手。

原文

00:54

elvis@omarsar0

精选

微软等机构在论文中提出OAT（One-class Attribution for Trajectories），一种轻量级属性器。它仅需成功轨迹训练，通过神经控制微分方程建模成功轨迹的动力学。然后识别失败轨迹中偏离成功流的步骤，实现故障归因。不需要失败数据或错误标签，避免了昂贵的提示管道或后训练。论文编号2607.12747。

论文 Microsoft OAT 智能体

推荐理由：微软新论文提出OAT，用成功轨迹就能定位Agent失败步骤，不用费钱费力的错误标注，思路很巧妙。

原文

7月10日

01:06

Harrison Chase@hwchase17

精选

LangChain推出一个新插件，可将每个Claude Code会话直接追踪到LangSmith。设置仅需三个命令和一个JSON块，大约两分钟完成。所有消息、工具调用和子代理运行都会作为可检查的追踪显示。该插件帮助开发者调试Claude Code出现偏差的情况。

AI产品 LangSmith Claude Code LangChain

推荐理由：想调试Claude Code？LangChain这个新插件两分钟就能把每个会话追踪到LangSmith，消息和工具调用一目了然，超级实用。

原文

7月9日

23:35

官方账号LangChain@LangChainAI

LangChain 发布了新插件，可将 Claude Code 的每个会话完整追踪到 LangSmith。用户只需运行三条命令并配置一个 JSON block，即可在两分钟内完成集成。所有消息、工具调用和子代理运行都会显示为可检查的追踪记录，方便排查问题。该插件目前通过 LangChain 的 x.com 账号公开介绍。

技巧 Claude Code LangSmith LangChain

推荐理由：用三条命令把你的 Claude Code 会话直接接入 LangSmith，所有内部调用一目了然，调试再也不用抓瞎。

原文

7月7日

04:39

官方账号LangChain@LangChainAI

LangChain官方推特介绍了关于LangSmith评估的新内容，指向langchain.com/evaluation页面。LangSmith是专为大语言模型应用设计的调试、评估与监控平台。新内容可能涉及评估流程、指标和最佳实践。

技巧 LangSmith LangChain 评估

推荐理由：想用LangChain做LLM评估？LangSmith这次更新了评估模块，看看有什么新方法。

原文

7月1日

01:59

官方一手@OpenAIDevs@OpenAIDevs

精选

OpenAI开发者团队对一年间数据基础设施的所有崩溃进行调试，最终定位到两个根本原因：一个硬件故障，另一个是开源代码中潜伏了18年未被发现的漏洞。团队详细分享了从崩溃日志到源码级分析的追踪方法。

技巧 OpenAI 调试开源代码

事件专题

推荐理由：OpenAI分享他们怎么追了一年崩溃，结果发现一个藏了18年的开源bug，挺硬核的

原文

6月27日

11:51

Guillermo Rauch@rauchg

精选

Agent调试困难，因为AI模型行为非确定，且Agent是复杂分布式系统，涉及多个步骤、函数、沙箱及数十个API服务。Vercel团队为eve.dev内置可观测性，支持检查模型调用、工具调用、运行时错误及token用量，已获用户好评。

AI产品 Vercel eve 智能体

推荐理由：Vercel给eve.dev加了agent调试跟踪，能看模型调用、错误和token，开发者福音。

原文

6月16日

21:34

官方账号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

事件专题

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

6月10日

11:40

Cognition@cognition_labs

83°

Cognition 宣布其最强智能体 Devin Ultra 现已集成 Claude Fable 5，专为长周期任务和调试优化。通过调整 harness，Ultra 的成本仅比默认 Devin 智能体高出约 40%。Claude Fable 5 还可在 Devin Desktop 和 Devin CLI 中使用。这为需要复杂自动化流程的开发者提供了更强大的选择。

AI产品 Devin Claude Fable 5 智能体

事件专题

推荐理由：做复杂自动化或深度调试的开发者，现在可以用 Devin Ultra 以更可控的成本获得 Claude Fable 5 的能力，值得直接尝试。

原文

6月9日

11:18

shao__meng@shao__meng

精选

开发者用 Step 3.7 Flash 完成了一个真实 Coding Agent 任务：将一组 Agent Memory 运行痕迹（包括 memory_events、structured_facts、memory_chunks 等）转化为一个本地可检查的 HTML 工具。模型先读取现有代码和测试输出，再检索 Letta、LangSmith 等工具的展示方式，最终生成单文件 agent_memory_inspector.html，展示 8 条 memory events、9 条 structured facts、9/9 场景测试通过等关键信息。这次测试表明，模型不仅能回答问题，还能理解上下文、查资料、写代码并产出可运行的工具。虽然还不是生产级观测平台，但作为 first-pass 任务，它验证了模型将真实 Agent traces 转化为可用工具的能力。

AI产品 Step 3.7 Flash Coding Agent Agent Memory

推荐理由：做 Agent 开发或调试的团队，终于有个快速把混乱运行痕迹变成可视化检查工具的方法——Step 3.7 Flash 这次实测值得点开看看，可以直接复现验证。

原文

6月8日

10:49

宝玉@dotey

本文对比了 Chat 时代和 Agent 时代在代码调试上的差异。在 Chat 时代，由于缺乏运行环境，开发者追求一次通过。而在 Agent 时代，只要有明确的错误反馈，修正速度会非常快。React 代码中的 JS 错误容易调试修复，CSS 错误只要定位到具体组件也很好修。但一个大的 HTML 中的样式细节错误，虽然不会明显报错，调试起来却非常困难。

AI产品 Agent 调试前端开发

推荐理由：这篇文章点出了 Agent 时代开发效率提升的关键——明确的错误反馈让调试不再是噩梦。做前端开发、用 AI 写代码的团队，看完会对 Agent 的工作方式有更深理解。

原文

5月21日

07:59

官方账号LangChain@LangChainAI

精选

LangChain 应用 AI 工程师 Palash Shah 在 X 上分享了 LangSmith Engine 的技术细节，深入讲解了其内部架构和工作原理。LangSmith Engine 是 LangChain 平台的核心组件，用于追踪、评估和优化 LLM 应用。这次分享帮助开发者理解如何更高效地使用 LangSmith 进行 AI 应用的可观测性和调试。对于使用 LangChain 构建生产级 AI 应用的团队来说，这是了解平台底层机制的好机会。

AI产品 LangChain LangSmith Engine 可观测性

推荐理由：LangSmith Engine 是 LangChain 生态的调试和监控核心，做 LLM 应用生产的开发者值得了解其内部机制，能帮你更精准地定位问题。

原文

5月19日

23:42

Ate-a-Pi@svpino

开发者Santiago Valdarrama分享了一种极简方法，只需引入一个库并添加一行代码，即可为基于LLM的应用开启完整的可观测性和自动分析功能。该方法能免费获取大量关键信息，如请求延迟、Token消耗、错误率等，极大简化了调试和性能监控流程。对于构建和部署LLM应用的团队来说，这是一个无需思考的实用技巧。

技巧 LLM 可观测性监控

推荐理由：做LLM应用开发的团队，监控调试一直是个痛点——现在一行代码就能拿到全链路数据，省去自己搭监控的麻烦，建议直接试。

原文

12:26

shao__meng@shao__meng

精选

TRAE 团队分析了用户真实调用的 Agent Skills 数据，发布了 Top 10 排行榜。这些 Skills 覆盖从 UI 设计到调试的产品开发全链路，包括强制设计先行的 brainstorming、计划拆解的 writing-plans、行为护栏 karpathy-guidelines 等。还有一款名为 /pua 的高压问责技能，用四级升级机制防止 Agent 偷懒。整体设计形成“想清楚→拆细→做精→验透→担责”的闭环，对 AI 编程工作流有很强的参考价值。

AI产品 TRAE Agent Skills AI 编程

推荐理由：TRAE 用真实用户数据告诉你哪些 Agent Skills 最管用，做 AI 编程工作流设计的开发者可以直接抄作业，尤其是 /pua 这种反讽命名的高压问责机制值得一试。

原文