01:06Harrison Chase@hwchase17Palash Shah将在活动中讲解如何使用LangSmith Engine构建自改进智能体,该智能体将生产痕迹转化为持久内存更新以持续优化行为。Clay团队将展示他们开发的智能体评估框架(eval harness)。活动在纽约举办,需RSVP。技巧LangChainClayLangSmith Engineself-improving agent智能体推荐理由:如果你做AI智能体,Palash会讲怎么用LangSmith Engine把线上数据变成记忆来改进行为,Clay还会分享他们的评测方案,干货满满。原文
00:59官方账号LangChain@LangChainAIPalash Shah将分享如何利用LangSmith Engine构建自我改进Agent,将生产追踪转化为持久记忆更新以持续优化Agent行为。Clay团队将展示其Agent评估框架(eval harness)的实现细节。活动由LangChain和Clay联合主办,在Luma上开放RSVP报名。行业LangChainClay自我改进Agent评估框架行业活动推荐理由:想了解LangChain的自我改进Agent和Clay的评估工具?这场线下Meetup有干货,Palash和Clay团队亲自讲原理和实现。原文
22:46官方账号LangChain@LangChainAI精选Jeff Barg在Interrupt会议上透露,Clay每月运行3.5亿个GTM智能体。他指出,缓存可将LLM调用成本降低高达70%。限制工具调用范围不仅能节省成本,还能提升输出质量。在多租户负载下,引入公平队列机制至关重要。技巧ClayGTM agentsLLM成本缓存工具调用推荐理由:做AI智能体上线的小伙伴必看,Clay的AI负责人亲自讲了怎么降本70%和优化队列,干货12分钟。原文