6月12日
04:40
04:40官方账号LangChain@LangChainAI
LangChain 推出 LangSmith Observability 功能,旨在帮助开发者实时监控和理解智能体(agent)的运行表现。该工具能够快速定位问题根源,提升调试效率。对于使用 LangChain 构建复杂智能体应用的团队来说,这解决了追踪和诊断性能瓶颈的痛点。目前该功能已可用,相关推文获得初步关注。
推荐理由:做智能体应用的开发者终于不用靠猜来排查问题了——LangSmith Observability 让实时性能追踪变得直观,建议用 LangChain 的团队直接试试。
6月10日
04:31
04:31官方一手OpenAI Blog博客/媒体
Nextdoor 的工程师利用 OpenAI 的 Codex 模型(基于 GPT-5.5)来调查难以复现的问题、跨平台构建应用,并专注于产品成果。Codex 帮助他们自动化调试流程,减少重复劳动,从而将更多精力放在创新和用户体验上。这一实践展示了 AI 编程助手在真实生产环境中的价值,尤其适合处理复杂、跨平台的工程挑战。
事件专题

推荐理由:做全栈或跨平台开发的团队,如果被难复现的 bug 和平台适配折磨,可以看看 Nextdoor 怎么用 Codex 提效——直接复用他们的思路,能省下大量调试时间。
6月5日
05:43
05:43官方账号LangChain@LangChainAI
LangSmith Engine 推出新功能,将 Agent 团队手动改进循环(Trace → 找失败模式 → 修复提示/代码 → 创建评估 → 测试 → 部署 → 重复)自动化。它能将生产 Trace 转化为命名问题、根因分析、建议修复和更强的评估覆盖。这解决了 Agent 开发中调试和迭代效率低下的痛点,让团队更快定位并修复问题。
推荐理由:做 Agent 开发的团队终于可以告别手动 Trace 和找失败模式的苦活——LangSmith Engine 自动帮你做根因分析和修复建议,建议直接集成到工作流中试试。
6月4日
23:52
23:52官方账号LangChain@LangChainAI
LangChain 推出 LangSmith Engine,允许开发者审查 Agent 的追踪记录,从而发现提示词和代码中的 Bug 及改进点。Agent 能在运行间隔中回顾对话、从实际使用中学习,并自动更新 Context Hub 文件。这有助于提升 Agent 的可靠性和性能,减少人工调试工作量。
推荐理由:做 Agent 开发的团队终于有了自动化的调试工具——LangSmith Engine 能直接从追踪中学习并优化提示词和代码,建议正在维护复杂 Agent 的开发者试试。
6月2日
10:44
10:44官方账号LangChain@LangChainAI
LangChain 推出 LangSmith Engine,用于自动排查 AI Agent 的失败原因。该工具能替代手动调试流程,快速定位问题根源,提升开发效率。对于依赖 Agent 的团队,这能显著减少故障排查时间。目前已在 Twitter 上获得关注,适合 AI 应用开发者试用。
推荐理由:做 Agent 开发的团队终于可以告别手动排查故障的繁琐流程,LangSmith Engine 能自动定位问题,建议直接集成到工作流中试试。
10:35
5月28日
10:07
5月21日
08:00
08:00官方账号LangChain@LangChainAI
精选
LangSmith Engine 是 LangChain 推出的新工具,旨在加速智能体开发流程。它能自动分析 Agent 运行中的失败模式,生成代码修复建议,并推荐评估覆盖范围。开发者无需手动追踪日志,即可快速定位和解决问题。这显著提升了 Agent 的调试和迭代效率。
推荐理由:做 Agent 开发的团队终于不用手动翻日志了——LangSmith Engine 自动找故障、写修复、提评估建议,建议所有用 LangChain 的开发者直接试试。