Deep Agents 相关 AI 资讯

AITOP

8月25日

03:43

官方账号LangChain@LangChainAI

精选

LangSmith可监控所有智能体，了解哪些有效，哪些无效，工具调用失败，PR中断流水线，以及用户采用的功能。丰田从每6个月发布一个生产智能体提升至50+，采用Deep Agents和LangGraph。

AI产品 LangSmith 智能体监控工具

推荐理由：丰田利用LangSmith提升智能体发布效率，了解用户行为，值得一试。

原文

8月12日

04:34

官方账号LangChain@LangChainAI

丰田基于LangChain的Deep Agents构建了研发GPT，帮助员工用单一命令搜索多年的涂装、座椅和制造研究。该系统整合了分散的研发文档，提升了内部知识检索效率。丰田的案例展示了Deep Agents在企业级RAG场景中的实际应用。

AI产品 Deep Agents 丰田 LangChain

推荐理由：丰田用Deep Agents做了个内部研发GPT，一条命令搜遍多年涂装座椅研究，企业知识库可以这么搞。

原文

8月8日

03:23

官方账号LangChain@LangChainAI

精选

Harmonic 的 AI 产品工程负责人 Austin Berke 在 LangChain 组织的炉边对话中，分享了他们基于 Deep Agents 重构产品 Scout 的过程。重构后 Scout 的用户留存率提升至原来的 4 倍。完整视频已发布在 YouTube。

技巧 Deep Agents Harmonic Scout

推荐理由：Harmonic 工程师讲了怎么用 Deep Agents 把 Scout 留存做到 4 倍，真实案例，做 AI 产品的可以学学。

原文

8月7日

02:53

官方账号LangChain@LangChainAI

精选

LangChain团队发布了一份由工程师Sydney Runkle撰写的选型指南，解答了开源用户最常问的问题：Deep Agents、LangChain和LangGraph各自适合什么场景。指南包含具体代码示例，帮助开发者根据任务类型选择合适框架。例如，LangGraph适合构建复杂状态化智能体，而Deep Agents则提供更高级的自动化能力。文中对比了三者的功能定位，并给出了明确的选型建议。

技巧 LangChain LangGraph Deep Agents

推荐理由：想知道Deep Agents和LangGraph到底啥区别？LangChain官方出了个选型指南，带例子，看完就知道该用哪个了。

原文

01:47

官方账号LangChain@LangChainAI

LangChain Academy更新了Intro to Deep Agents课程，新增动态和异步子代理模块。课程加入Course tutor技能，可将编程代理变成个人导师。提供Capstone项目和练习，并支持TypeScript。更新基于Deep Agents v0.7版本。

技巧 LangChain Deep Agents 智能体

推荐理由：LangChain官方课程更新了，教你玩Deep Agents的子代理和导师功能，有项目练手，还支持TypeScript，想搞智能体的可以冲。

原文

8月5日

22:54

小互@imxiaohu

精选71°

Stripe 使用开源框架 Deep Agents，由一名工程师在一周内开发出内部 AI 助手 Kai。Kai 面向全公司非工程师员工，开箱即用，无需任何配置。它出厂内置 Stripe 的内部运作知识，被员工当作“AI 同事”。

技巧 Stripe Deep Agents Kai

推荐理由：Stripe 工程师用开源 Deep Agents 一周做出了人人爱用的 AI 同事 Kai，不用配置就懂公司内部流程，挺有意思。

原文

8月4日

21:53

官方账号LangChain@LangChainAI

75°

LangChain宣布为其开源框架Deep Agents、LangGraph和LangChain新增韧性能力。这些功能允许智能体重试被中断的任务，并沿安全恢复路径继续执行。智能体可从已保存状态恢复，而无需从头开始。当主要模型不可用时，系统会自动回退到备选模型。此外，Open Secure AI Alliance已拥有超120个成员，并提出了SAFE指南草案。

AI产品 LangChain LangGraph Deep Agents

事件专题

推荐理由：LangChain给Deep Agents、LangGraph加了故障恢复，模型挂了自动换备用，中断也能续跑，搞Agent开发的可以看看。

原文

04:02

官方账号LangChain@LangChainAI

Stripe在LangChain博客中分享了其知识AI平台Kai的构建过程。该平台由一位工程师使用Deep Agents在一周内完成。Kai被Stripe员工形容为职业生涯的分水岭。LangChain发布了完整的构建故事。

技巧 Stripe Kai Deep Agents

推荐理由：一个工程师一周就能搭出内部AI平台？看Stripe的Kai案例，用Deep Agents搞定。

原文

8月1日

03:30

官方账号LangChain@LangChainAI

LangChain团队的Robert Xu用15分钟视频拆解了Deep Agents的核心定义。他解释了'harness'概念如何与模型协同，构成模型加harness的完整框架。视频还说明了Deep Agents与LangChain、LangGraph之间的关系。最后他概述了将Deep Agents部署到生产环境的具体路径。

技巧 Deep Agents LangChain LangGraph

推荐理由：LangChain官方工程师Robert Xu花15分钟讲清Deep Agents是什么，还说了怎么上生产，实用。

原文

7月30日

02:38

Harrison Chase@hwchase17

Deep Agents 0.7版本由Sydney Runkle在X平台发布。该版本是LangChain团队的智能体框架更新。推文中未展示具体变更日志。

AI产品 Deep Agents LangChain 智能体

推荐理由：LangChain的Deep Agents出了0.7，搞智能体框架的可以看看有什么新东西。

原文

7月27日

23:47

官方账号LangChain@LangChainAI

LangChain在Interrupt会议上组织4个动手工作坊，主题包括从零构建Deep Agents、将Deep Agents投入生产、使用LangSmith Engine进行自主生产监控，以及语音Agent（仅纽约场）。活动将在纽约和伦敦举行。这些工作坊由LangChain产品专家主持，旨在帮助开发者掌握Agent开发与部署的实践技能。

技巧 LangChain Deep Agents 智能体

推荐理由：LangChain搞的工作坊，从零搭建Deep Agent到生产监控全都有，纽约和伦敦场，想上手Agent开发千万别错过。

原文

22:07

官方账号LangChain@LangChainAI

精选

LangChain 于近日发布 Deep Agents v0.7.0b2 beta 版本。新版大幅减少基础输入 token 数量（削减超过一半），同时增强可配置性——允许用户覆盖所有默认中间件。开发者可在 docs.langchain.com/oss/python/ 获取并测试。

AI产品 LangChain Deep Agents v0.7.0b2

推荐理由：Deep Agents 升级了，配置更灵活，token 成本直接砍半。做智能体开发的朋友可以试试。

原文

7月24日

00:51

官方账号LangChain@LangChainAI

LangChain的Sydney Runkle在推文中介绍了Deep Agents的常见应用场景。Deep Agents是基于LangGraph构建的智能体系统，支持复杂任务分解、工具调用和记忆管理。Runkle举例说明了其在客户服务、代码生成和数据分析等领域的实际用例。该讨论源自LangChain官方账号的一条推文，获得了1663次浏览。

行业 LangChain Deep Agents 智能体

推荐理由：LangChain团队讲了Deep Agents具体能干什么，比如客服、写代码、分析数据，想用智能体的可以看看这个方向。

原文

7月22日

03:07

官方账号LangChain@LangChainAI

Apollo.io 通过采用 LangChain 的 Deep Agents 框架，替代了原先手工编写的监督逻辑。新方案使 AI 助手技能从开发到上线的整体工作量削减 80-85%。原本需要数周的手工编码和调试流程，现在由 Deep Agents 自动管理多代理协作。实际案例显示，单个新技能的上线周期从平均 4 周压缩至 3-4 天。

AI产品 Apollo.io Deep Agents LangChain

推荐理由：Apollo.io 用 LangChain 的 Deep Agents 把新 AI 技能开发时间砍掉了八成，不用手工写监督逻辑了，效率提升很直观。

原文

7月20日

23:01

官方账号LangChain@LangChainAI

悉尼·朗克尔（Sydney Runkle）在 LangChain 推文中用一句话解释了 Deep Agents 的概念。该推文附带视频，已有 2400 次浏览和 13 个点赞。目前有 1 条评论和 2 个收藏。

技巧 LangChain Deep Agents sydneyrunkle

推荐理由：LangChain 的 Sydney Runkle 一句话说清 Deep Agents 概念，带视频讲解，适合快速了解。

原文

7月18日

23:57

官方账号LangChain@LangChainAI

精选

GPT Researcher是由Assaf Elovic和Tavily开发的开源深度研究实现，在GitHub上接近30k星。它基于LangChain的Deep Agents，采用规划-并行研究-审查-发布流程，代码量更少。与Tavily Web搜索相比，其验证引用数量约2倍，质量相当或更好，在Deep Research Bench的10项任务中7项胜出。

AI模型 GPT Researcher Deep Agents LangChain

推荐理由：LangChain推的GPT Researcher基于Deep Agents，代码更少，引用翻倍，7/10任务赢，开源省心。

原文

03:27

官方账号LangChain@LangChainAI

LangChain 的 Sydney Runkle 和 Jake Broekhuizen 在 40 分钟视频中全面解析 Deep Agents，涵盖定义、工作原理、常见用例及核心组件。视频重点介绍了文件系统如何与 Agent 交互，并演示了端到端实现流程。适合希望构建复杂 Agent 工作流的开发者参考。

技巧 Deep Agents LangChain 智能体

推荐理由：LangChain 两位专家花 40 分钟把 Deep Agents 从原理到实战讲透了，文件系统那块特别实用，想搞 Agent 的必看。

原文

7月16日

21:21

官方账号LangChain@LangChainAI

精选

Box Agent通过Deep Agents中间件实现三个关键优化。第一，答案流式与引用生成并行执行，避免用户等待时中断。第二，在多轮对话中注入提示缓存，降低成本和延迟。第三，当上下文超过170k tokens时自动总结历史对话，防止上下文溢出。这些功能提升了Box Agent的响应速度和稳定性。

AI产品 Box Deep Agents Box Agent

推荐理由：Box Agent用Deep Agents中间件来并行生成引用和缓存提示，还能管理170k token的上下文，挺实用的，值得看看他们的实现方式。

原文

7月11日

01:04

Harrison Chase@hwchase17

精选

LangChain 与 NVIDIA 合作发布了 NemoClaw DeepAgents 蓝图，该蓝图集成了 Deep Agents 开源框架、Nemotron 3 ultra 模型以及 OpenShell 企业运行时。同时，OpenWiki 推出新版本，支持从 Gmail、互联网等来源创建个人知识库（个人大脑）。这些更新旨在帮助企业从模型层到上下文层实现完整的技术栈掌控。

AI产品 LangChain NVIDIA Deep Agents

事件专题

推荐理由：LangChain和NVIDIA合作出了个新蓝图，用Nemotron 3 ultra跑Deep Agents，还有OpenWiki新版本能从你的邮箱建个人知识库，挺实用的。

原文

00:10

官方账号LangChain@LangChainAI

精选

LangChain 团队将 NVIDIA 的 Nemotron 3 Ultra 接入 agent 框架 Deep Agents 进行调优。他们通过特定的训练和推理优化，提升了模型在复杂任务中的表现。调优后的 Nemotron 在多个 benchmark 上取得进展，展示了开源模型在智能体场景下的潜力。

AI模型 Nemotron NVIDIA LangChain

事件专题

推荐理由：LangChain 分享了怎么用 Deep Agents 调优 Nemotron 3 Ultra，有具体方法，做 agent 的可以看看。

原文

7月9日

08:57

08:57IT之家（博客/媒体）

75°

英伟达宣布其 Nemotron 3 Ultra 模型在 LangChain 的 Deep Agents 基准测试中取得开源模型最高准确率。该基准测试评估智能体系统的多步推理、工具调用和任务编排能力。调优后的 Nemotron 3 Ultra 每次推理成本仅为顶级闭源模型的 1/10，同时实现更高吞吐量。在业务任务能力上，该模型通过优化模型周围环境达到顶尖闭源模型水平。

AI模型 Nemotron 3 Ultra 英伟达 Deep Agents

事件专题

推荐理由：英伟达开源模型 Nemotron 3 Ultra 在智能体测试中准确率最高，成本只有闭源模型的十分之一，适合想低成本构建企业智能体的团队。

原文

03:19

官方一手NVIDIA AI Blog@Adel El Hallak

精选

NVIDIA Nemotron 3 Ultra 在 LangChain 的 Deep Agents 框架上取得开放模型最高准确率。它完成更多任务且吞吐量更高，运行速度提升10倍。其成本低于顶级闭源模型。这使得 Nemotron 3 Ultra 成为构建 AI 智能体的高性价比选择。

AI模型 NVIDIA Nemotron 3 Ultra LangChain

事件专题

推荐理由：NVIDIA 的 Nemotron 3 Ultra 和 LangChain 合作，以更低成本跑出比闭源模型快10倍的成绩，做智能体首选。

原文

01:46

官方账号LangChain@LangChainAI

精选

NVIDIA与LangChain联合发布NemoClaw Deep Agents蓝图，包含开放权重模型层Nemotron 3 Ultra，支持领域定制。Deep Agents层提供规划、工具调用、记忆和长时任务处理能力。OpenShell Runtime作为开放运行时，允许用户控制、审计和治理。该蓝图旨在简化智能体应用的构建与部署。

AI模型 NVIDIA Nemotron 3 Ultra LangChain

事件专题

推荐理由：NVIDIA和LangChain搞的这个蓝图很实在，Nemotron 3 Ultra开放权重随便微调，智能体框架自带规划、工具、记忆，运行时也开源可审计。

原文

01:42

官方账号NVIDIA AI@NVIDIAAI

精选

NVIDIA AI 与 LangChain 联合推出基于 Nemotron 3 Ultra 的 Deep Agents 开源智能体框架。该 agent 在评测中取得 0.86 聚合分数，推理成本仅 4.48 美元。而性能最接近的闭源模型成本为 43.48 美元，实现了 10 倍的成本降低。框架完全开放可定制，开发者可直接使用。

AI模型 Nemotron 3 Ultra LangChain Deep Agents

事件专题

推荐理由：NVIDIA 和 LangChain 搞了个开源智能体，用 Nemotron 3 Ultra 跑 Deep Agents，性能比肩闭源但成本只要 4 块多，比最接近的对手便宜 10 倍。搞 AI agent 的值得看看。

原文

01:40

官方账号NVIDIA AI@NVIDIAAI

本教程由NVIDIA AI发布，详细讲解如何为Nemotron 3 Ultra模型创建LangChain Deep Agents的harness配置文件。内容包括环境设置、Agent配置参数、工具链集成等步骤，适用于开发者快速部署基于LangChain的多智能体系统。

技巧 LangChain Nemotron 3 Ultra Deep Agents

事件专题

推荐理由：NVIDIA官方手把手教你给Nemotron 3 Ultra配LangChain Deep Agents，代码级别教程，做智能体开发的别错过。

原文

7月8日

23:41

官方账号LangChain@LangChainAI

LangChain 与 NVIDIA 合作推出 NemoClaw Deep Agents Blueprint，这是一个完全开源的参考架构，用于构建企业级智能体系统。该架构在多个基准测试中取得领先性能，同时推理成本比传统方法降低超过 10 倍。它采用完全开放的软件栈，企业可以拥有并自定义代码。该蓝图旨在帮助开发者快速部署生产级智能体应用。

AI模型 NemoClaw Deep Agents LangChain

事件专题

推荐理由：LangChain 和 NVIDIA 搞了个开源的智能体参考架构，性能领先还便宜 10 倍成本，搞 agent 的可以看看。

原文

23:37

Harrison Chase@hwchase17

精选

LangChain与NVIDIA合作发布NemoClaw Deep Agents Blueprint，这是一个完全开源的企业级代理系统参考架构。该蓝图在基准测试中取得领先性能，同时推理成本相比现有方案降低超过10倍。企业可以完全拥有并自定义整个堆栈。

AI产品 NemoClaw Deep Agents LangChain

事件专题

推荐理由：LangChain和NVIDIA联手搞了个叫NemoClaw的开源代理系统，性能领先还便宜10倍以上，搞企业级AI代理的可以看看。

原文

01:49

官方账号LangChain@LangChainAI

LangChain Academy 发布新课程“Introduction to Deep Agents”，系统讲解什么是 agent harness 以及为何 agent 需要它。课程涵盖 harness 的 4 个核心能力：封装、路由、状态管理、生命周期控制。学员将学习如何用 Deep Agents 框架构建 agent，并使用 LangSmith 进行跟踪与部署。该课程面向已掌握基础 LangChain 的开发者，提供免费在线学习资源。

技巧 LangChain LangSmith Deep Agents

推荐理由：LangChain 官方出了个免费课，专门讲 Deep Agents 框架和 harness 的四个核心能力，学完就能上手搭建和部署自己的 AI agent，比之前零散教程系统多了。

原文

7月2日

23:33

Harrison Chase@hwchase17

精选

Deep Agents 是一个开源、模型无关的代理框架。最新更新支持程序化调用子代理，并附有6种常见实现示例。博客与视频教程由 @sydneyrunkle 和 @huntlovell 提供，涵盖类似RLM的操作及代码解释器安全方案。

AI产品 Deep Agents LangChain 子代理

推荐理由：Deep Agents 开源框架现在可以编程调用子代理了，还给了6种现成方案，适合搭建复杂多代理工作流。

原文

01:59

官方账号LangChain@LangChainAI

Harbor 框架现已直接接入 LangChain 的 Deep Agents、LangSmith Sandboxes 和 LangSmith Observability。该集成通过一段 10 分钟视频完整演示了 Harbor 是什么、如何将 Deep Agent 与 Harbor 集成、以及如何在 LangSmith 中查看结果。这一升级使开发者能够更便捷地在 LangChain 生态内使用 Harbor 进行容器管理和部署。

AI产品 LangChain Harbor Deep Agents

推荐理由：LangChain 把 Harbor 直接接入了 Deep Agents 和 LangSmith，看 10 分钟视频就能学会怎么用，省去自己折腾集成。

原文

00:38

官方账号LangChain@LangChainAI

LangChain 的 Deep Agents 新增了递归语言模型（RLM）工作流功能。Sydney Runkle 用 6 分钟视频讲解其原理和用法。RLM 允许 Agent 在多个轮次中递归调用语言模型，提升复杂任务的表现。该功能已集成到 Deep Agents 的当前版本中。

AI产品 Deep Agents LangChain RLM

推荐理由：LangChain 给 Deep Agents 加了 RLM 工作流，能递归调用语言模型做更复杂的事。6 分钟视频讲得很清楚，可以看看。

原文

7月1日

03:27

官方账号LangChain@LangChainAI

Antimetal推出自主系统，用于管理生产环境中的软件。它构建环境的世界模型，让代理持续监控、预防问题、分类警报并修复故障。目前处于私有测试阶段，已被初创公司和Fortune 500的工程、基础设施和SRE团队使用。该系统基于Deep Agents构建，并利用LangSmith进行追踪、评估和沙箱测试。

AI产品 Antimetal LangSmith Deep Agents

推荐理由：Antimetal用LangSmith做追踪，自动化管生产软件，适合SRE团队试试。他们用的Deep Agents挺有意思。

原文

01:36

官方账号LangChain@LangChainAI

LangChain介绍语音智能体构建的两种方案：Gemini Live实现低延迟的自然对话，Sandwich架构提供更可靠的流程控制。他们结合Gemini Live、Deep Agents和LangSmith构建了一个语音研究智能体，具备完整追踪与可观测性。该方案同时优化了对话质量和长期研究任务的可靠性。

技巧 LangChain Gemini Live Deep Agents

推荐理由：LangChain教你如何混用Gemini Live和Sandwich架构，既做出流畅对话又保证任务可靠，实用技巧。

原文

00:28

官方账号LangChain@LangChainAI

精选

Harbor框架新增与Deep Agents、LangSmith Sandboxes和LangSmith Observability的直接集成。用户可在真实、可复现、隔离的环境中运行代理，支持多次并行执行和最终确定性检查。该集成简化了AI代理的测试与可观测性工作流。

AI产品 Harbor Deep Agents LangSmith

推荐理由：Harbor框架现在可以直接接Deep Agents和LangSmith，帮你并行跑代理测试，环境隔离还能自动检查结果，省心多了。

原文

6月28日

04:31

Harrison Chase@hwchase17

社区成员推出3小时深度课程，系统讲解Deep Agents构建。课程覆盖任务规划模块、文件系统用于上下文管理、子代理生成机制以及长期记忆实现。适合想深入掌握Agent开发流程的学习者。

技巧 Deep Agents 智能体任务规划

推荐理由：想学Deep Agents实战吗？3小时从任务规划讲到长期记忆，社区大神亲自带，比硬啃文档快多了。

原文

6月27日

13:20

官方账号LangChain@LangChainAI

Alex Olsen 加入 LangChain 团队后发表首篇文章，详解 Deep Agents 如何利用 prompt caching 技术减少 API 调用次数。该方案通过缓存重复提示词，最高可降低 50% 的 API 成本。文章提供了具体实现步骤和代码示例，帮助开发者快速集成。

技巧 LangChain Deep Agents prompt caching

推荐理由：LangChain 新成员 Alex 手把手教你给 Deep Agents 加缓存，省下一半 API 钱，实用技巧别错过。

原文

12:51

Harrison Chase@hwchase17

Vercel Developers 发布了 AI SDK Harness API 的更新，新增对 OpenCode 和 LangChain Deep Agents 的支持。该 API 通过统一的 HarnessAgent 接口，允许开发者在不同运行时之间切换而无需修改代码。这一更新简化了多智能体系统的集成和部署流程。开发者现在可以同时利用两个平台的高级智能体能力。

AI产品 Vercel Harness API OpenCode

推荐理由：Vercel 的 Harness API 现在能一个接口同时跑 OpenCode 和 LangChain 的深度智能体，不用改代码，太方便了。

原文

6月26日

23:19

官方账号LangChain@LangChainAI

monday.com 的一个智能体需要处理超过 200 个工具，导致严重的上下文污染，LLM 混乱且推理成本飙升。团队采用 Deep Agents 架构重建了产品 Sidekick，将工具分组管理以隔离上下文。重构后智能体决策准确率提升、延迟降低。详细方案在 YouTube 视频中由 @omribruchim 讲解。

技巧 monday.com Deep Agents Sidekick

推荐理由：monday.com 用 Deep Agents 把 200+ 工具拆成小组，解决 LLM 被上下文污染搞晕的问题，成本降效果升，多工具场景必看。

原文

05:30

官方账号LangChain@LangChainAI

LangChain 推出 LangSmith 平台多项更新，包括为 Deep Agents 设计的 Rubrics（评分规则）以及编程式定义子智能体（programmatic subagents）的能力。新版本还增强了 LangSmith 的追踪与评估功能，支持用户更精细地控制和调试多智能体系统。这些更新已在上线版本中可用，开发者可直接在 LangSmith 界面中配置。

AI产品 LangSmith LangChain Deep Agents

推荐理由：LangChain 给 LangSmith 上了新活：Deep Agents 评分规则和可编程子智能体，调试多智能体更方便了，搞 Agent 开发的可以看看。

原文

6月24日

04:18

官方账号LangChain@LangChainAI

精选

LangChain团队发布博客，介绍Deep Agents中的解释器功能。该方法在智能体循环内嵌入小型运行时，允许智能体动态编写和运行代码。这增强了智能体的灵活性和自主执行能力。博客由团队成员Hunt Lovell撰写，详细解释了实现原理。

AI产品 LangChain Deep Agents 解释器

推荐理由：LangChain教你让智能体自己写代码执行，比传统工具调用更灵活，适合复杂任务。

原文