LangChain 相关 AI 资讯 · AI 热点

7月11日

06:19

06:19

官方账号LangChain@LangChainAI

LangChain 发布推文宣布正在招聘，岗位包括工程、GTM（市场运营）、人事财务以及产品。相关职位信息可在其官网 langchain.com/careers 查看并申请。这条招聘动态显示该公司正在扩充团队以支持其 AI 开发框架业务。

行业 LangChain 招聘行业动态

推荐理由：LangChain 正在招人，工程、市场、人事、产品都在招，想进 AI 框架公司发展的可以去看看。

01:04

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 OpenWiki 智能体

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。

00:10

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 Deep Agents 智能体

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。

00:08

00:08

Harrison Chase@hwchase17

Sierra全员使用内部Agent Pinecone，该工具可自动化90%的编码、分析和琐事。Pinecone支持接入Slack、Github、Linear等工具，可在本地测试，并兼容多模型。LangChain基于此发布了开源版OpenSWE，它模型无关且完全开源，能与LangSmith集成实现可观测性。

AI产品 OpenSWE LangChain 编程助手开源模型智能体

推荐理由：LangChain搞了个开源版OpenSWE，能像Sierra的Pinecone一样自动搞定90%编码工作，还支持多种模型。想省力气写代码的可以试试。

7月10日

12:05

12:05

Harrison Chase@hwchase17

Colin Francis在推文中提出智能体记忆的新范式：从被动反应式转向主动式。OpenWiki是LangChain推出的开源项目，允许智能体连接数据源、根据用户关心的内容主动获取信息，而非等待调用。用户只需配置数据源和偏好，智能体便能直接高效工作。项目已开源，鼓励社区参与。

AI产品 OpenWiki LangChain 智能体主动记忆开源

推荐理由：OpenWiki把智能体记忆从被动等命令变成主动帮你筛信息，接上你的数据源就能干活，开源免费，值得试试。

04:25

04:25

官方账号LangChain@LangChainAI

精选

OpenWiki 推出 "brains" 模式，使 AI 代理能同时利用代码库和个人 wiki 两种记忆。该模式为每种记忆类型提供独立配置与运行工作流。LangChain 发布了详细博客介绍如何管理这两种记忆。此更新旨在增强代理的长期记忆能力，覆盖更多应用场景。

AI产品 OpenWiki LangChain 智能体记忆代码记忆个人知识库

推荐理由：想让你的 AI 代理记住代码和个人知识？OpenWiki 的 "brains" 模式同时支持两种记忆，比之前灵活多了。

04:22

04:22

官方账号LangChain@LangChainAI

LangChain 团队发布了名为 OpenWiki 的开源项目，代码托管在 GitHub 上（github.com/langchain-ai/openwiki）。该项目可供开发者访问源代码并进行贡献。具体功能与用途尚未详细说明，但预计与构建 wiki 相关应用有关。

AI产品 LangChain OpenWiki GitHub 开源项目

推荐理由：LangChain 新整了个 OpenWiki 开源仓库，代码在 GitHub 上，你可以直接看源码、自己部署试试。

03:02

03:02

官方账号LangChain@LangChainAI

LangChain指出，只读代理容易进行分支和测试，而涉及生产数据的写访问代理的评估仍是许多团队未解决的难题。该观点出自LangChain与Ben Tannyhill合作的Max Agency项目。推文中未提供具体基准数据，但强调了代理类型差异对测试流程的影响。

技巧 LangChain 智能体代理测试生产数据

推荐理由：LangChain分享了一个很实在的观察：只读代理很好测，但写代理的评估目前大家都没好办法——做AI代理开发的可以看看。

01:06

01:06

Harrison Chase@hwchase17

精选

LangChain推出一个新插件，可将每个Claude Code会话直接追踪到LangSmith。设置仅需三个命令和一个JSON块，大约两分钟完成。所有消息、工具调用和子代理运行都会作为可检查的追踪显示。该插件帮助开发者调试Claude Code出现偏差的情况。

AI产品 LangSmith Claude Code LangChain 调试追踪

推荐理由：想调试Claude Code？LangChain这个新插件两分钟就能把每个会话追踪到LangSmith，消息和工具调用一目了然，超级实用。

01:06

01:06

Harrison Chase@hwchase17

Palash 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 LangChain Clay LangSmith Engine self-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。

00:59

00:59

官方账号LangChain@LangChainAI

Palash 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 LangChain Clay 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。

7月9日

23:35

23:35

官方账号LangChain@LangChainAI

LangChain 发布了新插件，可将 Claude Code 的每个会话完整追踪到 LangSmith。用户只需运行三条命令并配置一个 JSON block，即可在两分钟内完成集成。所有消息、工具调用和子代理运行都会显示为可检查的追踪记录，方便排查问题。该插件目前通过 LangChain 的 x.com 账号公开介绍。

技巧 Claude Code LangSmith LangChain 调试智能体

推荐理由：用三条命令把你的 Claude Code 会话直接接入 LangSmith，所有内部调用一目了然，调试再也不用抓瞎。

04:01

04:01

Harrison Chase@hwchase17

LangChain创始人Harrison Chase在推文中提出一个技术问题，聚焦于如何为提示优化和评估集创建构建更细化的编程体验。该推文获得7次转推、1个喜欢、4次赞赏、888次浏览和7次收藏，显示社区关注。目前讨论仍在进行，尚未公布具体方案。这显示出AI开发工具链中对更好开发体验的持续需求。

行业 Harrison Chase LangChain 提示词工程开发体验

推荐理由：Harrison Chase在问怎么打包prompt优化和评估集工具，对做AI开发的朋友有参考价值，可以看看讨论内容。

03:46

03:46

官方账号LangChain@LangChainAI

LangChain创始人Harrison Chase与NVIDIA CEO Jensen Huang进行炉边对话，讨论了今日公告、开放智能体系统的蓝图以及通往低成本企业智能体的路径。对话聚焦于如何构建可扩展的代理系统，并降低企业部署门槛。双方没有公布具体模型或数字，但强调了开放生态与硬件协同的重要性。

行业 LangChain NVIDIA Jensen Huang 智能体企业级应用

推荐理由：LangChain创始人和黄仁勋聊了开放智能体和企业级低成本方案，做Agent的值得听听他们怎么看方向。

03:19

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 Deep Agents 智能体

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。

03:05

03:05

官方账号LangChain@LangChainAI

精选

LangChain联合NVIDIA及EY、Baseten、Fireworks AI、Nebius、CrusoeAI、DeepInfra、Together Compute等合作伙伴，发布NemoClaw Deep Agents Blueprint。该参考架构完全开源，企业可自主拥有和定制。在基准测试中取得领先性能，推理成本相比同类方案降低10倍以上。蓝图旨在降低企业构建开放智能体系统的门槛。

AI模型 LangChain NVIDIA NemoClaw 智能体开源模型

推荐理由：LangChain和NVIDIA搞了个完全开放的智能体蓝图，跑分很强，成本只要别人的十分之一，企业可以随便改，真的实用。

01:46

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 Deep Agents 智能体

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。

01:42

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 NVIDIA 智能体

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。

01:40

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 智能体教程

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。

01:01

01:01

官方账号LangChain@LangChainAI

精选

LangChain调整了NVIDIA Nemotron 3 Ultra模型的推理框架，在基准测试中获得0.86的聚合分数，成本仅4.48美元。与之性能最接近的模型成本为43.48美元，实现了10倍的成本降低。该优化在保持领先性能的同时大幅降低了推理开销。

AI模型 Nemotron NVIDIA LangChain 推理优化基准性能

推荐理由：LangChain让Nemotron 3 Ultra跑分0.86，成本只要4.48刀，比对手便宜近10倍，性价比拉满。

00:35

00:35

Harrison Chase@hwchase17

LangChain创始人Harrison Chase宣布与模型托管平台Baseten合作，旨在让所有开发者都能在深度Agent中使用开放权重模型。Baseten提供推理基础设施，LangChain负责Agent编排，双方共同降低开源模型在Agent工作流中的集成门槛。该合作尚未公布具体时间表或功能细节，但已引发社区对开源Agent生态的关注。

行业 LangChain Baseten 开放权重模型智能体开源模型

推荐理由：想让你的Agent跑上开源模型？LangChain和Baseten联手了，以后部署更省事。

7月8日

23:41

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 NVIDIA 智能体

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。

23:38

23:38

Harrison Chase@hwchase17

LangChain 创始人宣布周四将推出推理模型 gpt-5.6 sol。同时 OpenWiki 迎来重大更新，可自动为代码库创建 wiki 文档。该项目开源在 github.com/langchain-ai/o…，并配有网络研讨会详解。

AI模型 gpt-5.6 sol OpenWiki LangChain 推理模型代码文档

推荐理由：来了，gpt-5.6 sol 推理模型和 OpenWiki 自动建 wiki 功能，周四一起上线，搞开发的不妨看看。

23:37

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 NVIDIA 智能体

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。

08:36

08:36

Harrison Chase@hwchase17

LangChain创始人Harrison Chase在X上发问，目前业界是否已围绕ATIF（Agent Trace Interchange Format）形成标准化共识，还是仍处于各自为政、自行实现的状态。该帖子获得2次转发、2个点赞和758次浏览，反映出社区对agent trace格式统一化进展的关注。

行业 ATIF 智能体追踪标准化 LangChain 行业讨论

推荐理由：LangChain创始人在问智能体追踪格式该不该统一，这关系到未来Agent工具链的兼容性，搞智能体的都该看看。

05:15

05:15

官方账号LangChain@LangChainAI

LangChain将于周四举办一场关于LLM Wikis的线上讨论会，由创始人@hwchase17主持，嘉宾包括@BraceSproul和@devstein64。活动聚焦如何利用LLM构建和维护Wiki知识库。RSVP链接为events.langchain.com/webinar/llm-wi…。目前已有1143次浏览，3次转发。

行业 LangChain LLM Wikis 知识管理 RAG

推荐理由：LangChain创始人亲自聊LLM Wiki怎么做，想搞知识管理的不要错过周四这场。

02:38

02:38

Harrison Chase@hwchase17

LangChain 创始人 Harrison Chase 的博客获得 24 个赞和 4590 次浏览。该文提出 LLM Wikis 概念，将其视为智能体记忆的未来形态。Chase 将于本周四与 BraceSproul、devstein64 进行直播讨论。

行业 LangChain 智能体 LLM Wikis Harrison Chase

推荐理由：Harrison Chase 分享他对智能体记忆的新想法，包含 LLM Wikis 概念和后续观点更新。适合关注智能体架构的人。

02:37

02:37

Harrison Chase@hwchase17

精选72°

deepagents 是 LangChain 新开源的、模型无关的智能体框架（harness）。LangChain Academy 随之推出《Introduction to Deep Agents》课程，系统讲解 harness 概念及其4大核心能力。课程指导用户使用 deepagents 构建智能体，并利用 LangSmith 进行追踪与部署。开源项目地址已在Twitter公布。

AI产品 deepagents LangChain LangSmith 智能体

推荐理由：LangChain 刚开源了 deepagents，还出了免费课程，想学 agent 框架的可以上手试试。

01:49

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 智能体

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。

00:27

00:27

官方账号LangChain@LangChainAI

LangChain将于7月15日举办"Build a Secure Computer for Your Agent"技术网络研讨会，主题是为AI智能体构建安全的计算机环境。会议将探讨智能体如何安全地执行代码、处理文件、分析数据、安装包并运行多步骤工作流。重点解决安全性、隔离性、可观测性和控制等关键问题。旨在让智能体在受保护的工作空间中完成真实任务。

行业 LangChain 智能体 AI安全执行环境工作流

推荐理由：LangChain教你给AI智能体配个安全工作站，能编码能分析，还管安全隔离，想玩高级Agent的别错过。

7月7日

23:45

23:45

官方账号LangChain@LangChainAI

LangChain CEO Vtrivedy10 在 aiDotEngineer World's Fair 演讲，强调从 trace（追踪）数据中挖掘是理解智能体（agent）行为的关键。他指出，这能帮助公司大规模策划数据，并建立改进循环。该演讲聚焦如何通过 trace 数据驱动智能体性能提升，而非具体产品更新。

技巧 LangChain 智能体 trace 数据挖掘改进循环

推荐理由：LangChain 老大分享怎么用 trace 数据搞懂你的智能体，还能循环改进，做 AI 应用的一定要听。

04:40

04:40

官方账号LangChain@LangChainAI

LangSmith Evaluation允许开发者使用真实生产数据评估智能体性能，识别具体失败场景并改进智能体质量。该功能通过分析用户与智能体的实际交互记录，定位性能瓶颈和错误模式。开发者无需模拟数据即可获得准确反馈，加速迭代。LangSmith是LangChain平台的一部分，专注于智能体可观测性和调试。

AI产品 LangSmith LangChain 智能体评估生产数据

推荐理由：LangSmith出了新功能，能直接用真实用户数据帮你分析智能体哪儿摔跤了，比凭感觉排查靠谱多了。

04:39

04:39

官方账号LangChain@LangChainAI

LangChain官方推特介绍了关于LangSmith评估的新内容，指向langchain.com/evaluation页面。LangSmith是专为大语言模型应用设计的调试、评估与监控平台。新内容可能涉及评估流程、指标和最佳实践。

技巧 LangSmith LangChain 评估调试

推荐理由：想用LangChain做LLM评估？LangSmith这次更新了评估模块，看看有什么新方法。

01:24

01:24

官方账号LangChain@LangChainAI

LangChain将于本周四举办紧急网络研讨会，主题为LLM Wikis及如何为AI Agent赋予记忆。OpenWiki项目在不到一周内获得近7k GitHub星标。创始人Harrison Chase将与Brace Sproul和devstein64讨论Wiki相关技术。

行业 LangChain LLM Wikis OpenWiki 智能体记忆

推荐理由：如果你想学习怎么用LLM Wikis给智能体加记忆，这个会值得听，而且OpenWiki刚火起来。

01:04

01:04

Harrison Chase@hwchase17

LangChain 创始人 Harrison Chase 宣布举办一场关于 LLM Wikis 的紧急网络研讨会，聚焦如何为 AI 智能体添加记忆功能。OpenWiki 项目由 Brace Sproul 开发，在不到一周内获得近 7000 GitHub 星。研讨会将于周四在 events.langchain.com 举行，与 Brace 和 devstein64 共同探讨。

技巧 LLM Wikis OpenWiki 智能体记忆 LangChain

推荐理由：想给智能体加上长期记忆？这场 LangChain 的紧急研讨会讲 OpenWiki，一周 7k 星的新项目，值得听。

7月6日

23:04

23:04

官方账号LangChain@LangChainAI

精选

LangSmith Engine 产品经理 Ben Tannyhill 解释了该平台通过 screener 和 verifier 两个子代理路由 trace 调查，而非让主代理读取全部数据。screener 子代理负责初步筛选相关 trace，verifier 子代理对关键信息进行验证。这种设计减少了主代理的处理负担，提高了 trace 分析的准确性和效率。

技巧 LangSmith Engine LangChain 子代理 trace 调查

推荐理由：LangChain 的 PM 亲自分享一个很巧妙的 trace 调查设计：用两个专用子代理分工协作，比主代理直接读所有数据更高效。

16:24

16:24

AI Will@FinanceYF5

本次AI展会公布了参展商阵容，包括OpenAI、ElevenLabs、Tesla、AWS Startups、LangChain、Glean、Arize、OtterAI、DeepChecks、Toborlife AI等。这些公司覆盖大模型、语音合成、电动汽车、云计算、RAG工具和AI安全领域。阵容持续更新中。

行业 OpenAI ElevenLabs Tesla LangChain AI展会

推荐理由：看看有哪些AI公司参展，OpenAI、Tesla、LangChain都在，展会阵容够全的。

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3日

11:23

11:23

官方一手arXiv: OpenAI@Xi Zhang, Papi Menon, Vivian Chu, Koray Cosguner

该研究分析了2022年底至2026年初的15个主要开源AI Agent框架，涉及808,042个stars、73,997个PR、86,241次commit和987,330个用户档案。发现AutoGPT一个月内获得111,967个stars，但每千星贡献者密度低于9，而LangChain为41。MetaGPT和LangFlow的贡献者密度比低于5。LangChain吸引了82.5%的跨生态贡献者。贡献者留存率在首次贡献后30天内下降最快，约90天趋于稳定。

论文 AutoGPT LangChain Pydantic-AI 多智能体框架开源生态

推荐理由：别再被GitHub星星骗了。这篇论文用真实数据告诉你，LangChain的生态深度远超AutoGPT，Pydantic-AI的贡献密度更高。选框架前先看看这个。

11:21

11:21

官方一手arXiv: OpenAI@Leanne P. Guy, Connor Yablonski, Aaron M. Meisner, Guillem Megias Homar, Merlin Fisher-Levine, Eman E. Ali, Tiger J. Hu, Christopher W. Stubbs

该论文为NSF-DOE Vera C. Rubin天文台开发了一个基于检索增强生成（RAG）的虚拟助手原型。系统整合了操作指南、技术笔记和科学论文等分布多平台的大量异构文档。它使用Weaviate进行嵌入存储、LangChain编排查询流程、OpenAI GPT模型作为LLM后端。通过语义搜索和对话式交互，助手将回答锚定在领域知识上，减少了幻觉，提升了准确性。

论文 Rubin天文台 RAG Weaviate LangChain OpenAI GPT 信息检索

推荐理由：这篇论文用Weaviate和LangChain搭了个RAG助手，专门帮天文台员工从文档堆里找答案，很实用，不是吹概念的那种。