DeepAgents 相关 AI 资讯 · AI 热点

7月6日

11:03

11:03

Harrison Chase@hwchase17

LangChain创始人指出，智能体行业正从以LangChain、AI SDK、Llama Index为代表的“Agent框架”转向以DeepAgents、Claude Agent SDK、EVE为代表的“Agent马具”。DeepAgents比EVE早出现约10个月。这种转变反映了从构建框架到提供直接可用的工具集的趋势。

行业 LangChain DeepAgents EVE Claude Agent SDK 智能体

推荐理由：LangChain创始人分享行业观察，说现在大家都在做DeepAgents这类直接能用的智能体工具，和早期的框架思路不一样了，你怎么看？

7月2日

23:34

23:34

Harrison Chase@hwchase17

LangChain 发布 OpenWiki，可自动生成 GitHub 仓库的 wiki 文档。同时推出两套语音代理教程，覆盖不同实现路径。新增 Harbor 集成与教程，支持长运行、有状态评估。DeepAgents 引入编程子代理（类似 RLM），增强代理控制能力。

AI产品 LangChain OpenWiki Harbor DeepAgents 语音代理

推荐理由：LangChain 一口气推出了 OpenWiki、语音代理教程、Harbor 集成和 DeepAgents 子代理，想搭 AI 应用的可以看看这几个新东西。

7月1日

23:50

23:50

Harrison Chase@hwchase17

精选

Matt Stockton在帖子中讨论了AI agent harness的透明度问题，认为私有harness增加了非确定性放大效应。他推荐在生产环境中使用LangChain DeepAgents作为轻量级harness，并指出自定义harness在控制、成本和模型灵活性上的优势。他本人用Claude Code和Codex做交互式编码，并开始用Pi构建自定义harness。他预测企业将加大对自定义harness的需求，成本是主要推动因素。

行业 LangChain DeepAgents 智能体自定义harness Claude Code

推荐理由：开发者分享实战心得：为什么该自己搭agent框架而不是用别人的黑盒，还点名了LangChain DeepAgents和Claude Code的用法对比。

6月29日

02:45

02:45

Harrison Chase@hwchase17

LangChain宣布推出DeepAgents Harness，作为测试智能体行为的框架（harness）。同时提供LangSmith Sandboxes用于安全隔离的执行环境，以及面向LLM输出的评估（Eval）功能。这些组件集成主流模型提供商，并通过LangSmith Engine驱动“模型-测试-沙箱-评估”闭环。该方案旨在帮助企业基于自身领域知识和客户工作流，自主构建和优化智能体系统。

AI产品 LangChain DeepAgents LangSmith 智能体评估

推荐理由：LangChain把智能体测试、沙箱和评估整合到一起了，企业可以自己掌控从模型选择到部署的全流程，不用再拼凑各种工具。

6月24日

00:54

00:54

Harrison Chase@hwchase17

精选

新论文提出Self-Harness方法，让智能体自动改进其harness。流程分三步：1/弱点挖掘，从执行轨迹中发现失败模式；2/harness提案，基于发现生成修改方案；3/提案验证，通过回归测试筛选有效提案。该方法基于DeepAgents框架，论文见arxiv.org/pdf/2606.09498。实验在多个基准上显示性能持续提升。

论文 Self-Harness DeepAgents LangChain 智能体论文

推荐理由：这篇论文让AI智能体自己学会改进工具链，三步流程从找问题到验证，基于DeepAgents框架，适合做Agent开发的人看看。

6月12日

21:52

21:52

官方账号LangChain@LangChainAI

LangChain 团队展示了如何用 LangChain 和 DeepAgents 构建多种循环结构，从基础的 Token 循环到复杂的元循环。Token 循环由模型支持，create_agent 提供智能体循环（模型+工具+重复直到完成），DeepAgents 引入自我验证循环（智能体循环+验证+重复直到满意），部署则实现元循环（根据事件触发智能体运行以改进系统）。团队还提到正在探索“引擎”循环，用于分析每次追踪并调整提示、工具等，使元循环更高效。这为开发者提供了从简单到复杂的循环构建路径，适合需要自动化迭代和系统优化的场景。

AI产品 LangChain DeepAgents 智能体循环自动化系统优化

推荐理由：做智能体自动化和系统优化的开发者，LangChain 这套循环体系从基础到元循环都覆盖了，直接拿来用就能提升迭代效率，值得点开看看。

6月2日

10:05

10:05

Harrison Chase@hwchase17

精选

LangChain 联合创始人 Harrison Chase 在推文中分享了 DeepAgents 的全面概述，包括其定义、在复杂任务上的优势以及如何快速投入生产。Sydney Runkle 通过视频详细介绍了 DeepAgents 的核心概念、使其擅长复杂任务的关键设计，以及轻松将其部署到生产环境的方法。该内容对希望构建和部署高级 AI 代理的开发者具有重要参考价值。

AI产品 DeepAgents 智能体生产部署复杂任务 LangChain

推荐理由：想了解如何构建能处理复杂任务的 AI 代理并快速上线？这个概述直接点出了 DeepAgents 的核心优势和生产路径，做智能体开发的团队值得一看。

5月19日

13:04

13:04

Harrison Chase@hwchase17

DeepAgents 发布了 0.6 版本，带来了一系列重要更新。该版本由 Sydney Runkle 撰写了详细的介绍文章。更新内容可能包括性能优化、新功能或 bug 修复，旨在提升智能体框架的实用性和开发体验。对于使用 DeepAgents 构建 AI 智能体的开发者来说，这是一个值得关注的版本。

AI产品 DeepAgents 智能体版本更新开源/仓库开发者工具

推荐理由：DeepAgents 0.6 的更新解决了智能体开发中的多个痛点，做 AI 智能体应用的团队可以直接升级体验新特性。