02:27Harrison Chase@hwchase17精选Harrison Chase 分享了一张关于 DeepAgents 渠道解剖结构的图表。该图表展示了用户如何通过渠道与托管智能体进行交互。文中以 Slack 为例说明了具体的交互方式。相关技术文档链接指向 langch.in/mda。技巧DeepAgentsSlack智能体2 个信源在谈事件专题推荐理由:Harrison Chase 画了张图,讲清楚 DeepAgents 的渠道怎么用。原文稍后读已读值得跟进有用关注 DeepAgents
02:58Harrison Chase@hwchase17精选LangChain 在 docs.langchain.com 更新了 managed deepagents 的官方文档。新文档将每个 agent 组件都定义为独立文件。开发者通过点击即可查看组件在仓库中的位置和具体代码。这样配置生产环境中的 agent 结构变得更加直观。AI产品LangChainDeepAgents智能体推荐理由:搞生产级 agent 的可以看看,LangChain 把 managed deepagents 的文档重写了,每个组件一个文件,点开就能看到代码在哪,省事。原文稍后读已读值得跟进有用关注 LangChain
02:59Harrison Chase@hwchase17LangChain 推出托管版 DeepAgents,这是该公司在智能体领域的最新发布。Harrison Chase 在推文中回顾了从早期 LangChain 到托管代理的发展历程。他认为托管代理将显著降低运行代理的难度。该推文目前获得 7 条回复、10 次喜欢和 940 次浏览。AI产品DeepAgentsLangChain智能体推荐理由:LangChain 托管版 DeepAgents 来了,创始人亲口说这是让他最兴奋的发布,跑代理要变简单了,想了解就看看。原文稍后读已读值得跟进有用关注 DeepAgents
03:39Harrison Chase@hwchase17LangChain 创始人 Harrison Chase 在 X 上确认,LangChain、LangGraph 与 DeepAgents 是公司的三大核心开源项目。这条推文目前有 2 条回复、1 次转发和 10 个赞,并引用了一篇相关文章。三个项目被 LangChain 官方视为生态中的不同组成部分,且各自独立开源。行业LangChainLangGraphDeepAgents推荐理由:LangChain 老板自己划重点,核心开源项目就这三个。想搞智能体的话,从 LangGraph 和 DeepAgents 入手很合适。原文稍后读已读值得跟进有用关注 LangChain
21:43Harrison Chase@hwchase17LangChain CEO Harrison Chase 在 X 上回应开发者常见的 Agent harness 构建问题列表,包括异步执行、资源生命周期管理、harness 设计和评估。他以编号方式将这些痛点分别指向 LangGraph、DeepAgents 与 LangSmith。例如第 1/2 项异步执行与资源管理对应 LangGraph,第 3 项 harness 设计对应 DeepAgents,第 4 项评估对应 LangSmith。帖子以此表明 LangChain 生态可覆盖这些开发环节。AI产品LangGraphDeepAgentsLangSmith推荐理由:他发推把 LangGraph、DeepAgents、LangSmith 对号入座 Agent 开发难点,省心。原文稍后读已读值得跟进有用关注 LangGraph
11:03Harrison Chase@hwchase17LangChain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LangChainDeepAgentsEVE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?原文稍后读已读值得跟进有用关注 LangChain
23:34Harrison Chase@hwchase17LangChain 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LangChainOpenWikiHarbor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。原文稍后读已读值得跟进有用关注 LangChain
23:50Harrison 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LangChainDeepAgents智能体推荐理由: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。原文稍后读已读值得跟进有用关注 LangChain
02:45Harrison Chase@hwchase17LangChain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LangChainDeepAgentsLangSmith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。原文稍后读已读值得跟进有用关注 LangChain
00:54Harrison 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-HarnessDeepAgentsLangChain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。原文稍后读已读值得跟进有用关注 Self-Harness
21:52官方账号LangChain@LangChainAILangChain 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LangChainDeepAgents智能体循环推荐理由: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。原文稍后读已读值得跟进有用关注 LangChain
10:05Harrison 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。原文稍后读已读值得跟进有用关注 DeepAgents
13:04Harrison Chase@hwchase17DeepAgents 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。原文稍后读已读值得跟进有用关注 DeepAgents