5月29日
00:35
00:35官方账号LangChain@LangChainAI
LangChain 宣布其 API 新增多项功能,包括创建智能体、更新配置、创建线程以及从产品工作流中流式运行。这些能力让开发者能更灵活地将 LangChain 集成到自己的平台中,实现自动化智能体管理。该更新降低了构建复杂 AI 工作流的门槛,尤其适合需要定制化智能体编排的团队。
推荐理由:LangChain API 新增的智能体创建和流式运行能力,让做 AI 工作流编排的开发者可以直接在自己的产品中集成,省去自建编排层的麻烦,值得一试。
00:16
5月28日
10:26
10:26官方账号LangChain@LangChainAI
精选
LangChain 在 X 上发布了一篇新博客文章,链接指向 langchain.com/blog/introduci…。该文章可能介绍了 LangChain 的新功能或产品更新。目前推文有 1 条评论、0 次转发、2 个赞和 1005 次浏览,表明有一定关注度。具体内容需点击链接查看。
推荐理由:LangChain 是 AI 应用开发的重要框架,关注其博客更新能第一时间了解工具链变化,做 LLM 应用的开发者建议点开看看。
10:07
10:07官方账号LangChain@LangChainAI
LangChain 团队将在多伦多科技周(5月27日)举办活动,由部署工程师 Haider Zaidi 和 Questrade 高级首席 AI 工程师 Jasen Mackie 主讲。他们将深入探讨部署长期运行智能体的实际挑战,以及实现这一目标所需的运行时能力。活动提供 RSVP 链接,适合关注 AI 智能体落地的开发者。
推荐理由:LangChain 团队亲自拆解长期运行智能体的部署难点,做 AI 智能体工程的开发者可以直接去现场或关注后续资料,少走弯路。
10:07
09:48
09:48官方账号LangChain@LangChainAI
LangChain 团队展示了如何使用 Fleet 智能体自动化文档请求处理流程。Fleet 智能体监听 'docs-plz' 频道中的每条消息,自动进行分类,并直接打开 PR 实现文档请求。这一方案结合了 Fleet 智能体和沙箱环境,大幅减少了人工干预。用户也可以自行创建类似智能体,实现从生产力到工程任务的全面自动化。
推荐理由:LangChain 团队用 Fleet 智能体把文档请求的自动化闭环跑通了,做文档维护或工程自动化的团队可以直接参考这个模式,省去人工分类和 PR 提交流程。
05:08
05:08官方账号LangChain@LangChainAI
LangChain 发布了 Managed Deep Agents,专为需要长时间运行、使用工具、保持上下文并生成产物的智能体设计。该产品支持多种应用场景,包括客服与分类智能体、研究智能体、编程智能体、数据分析智能体和内部运营智能体。它解决了传统智能体在长周期任务中上下文丢失和工具调用不稳定的问题。团队可以基于此构建更可靠、更自主的自动化工作流。
推荐理由:做复杂自动化任务的团队终于有了专门的长周期智能体方案——LangChain 的 Managed Deep Agents 解决了上下文丢失和工具调用稳定性问题,做客服、研究、编程或数据分析的开发者可以直接用来构建更可靠的自主工作流。
5月27日
22:01
22:01官方账号LangChain@LangChainAI
LangChain 团队宣布将参加 6 月 4 日在纽约举办的生成式 AI 峰会。该峰会聚集了 500 多名工程师、开发者和技术领导者,聚焦于将 AI 系统从原型可靠地部署到生产环境。活动旨在帮助开发者解决原型与规模化部署之间的差距问题。LangChain 团队将在现场设展并举办分享环节,与参会者交流实际构建经验。

推荐理由:如果你正在为 AI 原型到生产部署的鸿沟头疼,这场峰会就是为你准备的——500+ 技术同行和 LangChain 团队都在现场,值得去聊聊实际落地的坑与解法。
11:22
11:22官方账号LangChain@LangChainAI
精选
LangChain 的 Adam Łucek 分享了如何利用 Agent 运行时的 Trace 数据来构建生产级评估。Trace 数据记录了 Agent 的输入、输出、执行步骤和元数据,是优化 Agent 行为的关键。通过分析 Trace,可以识别低效环节,并用于构建更复杂的评估体系。文章介绍了两种利用 Trace 构建评估的具体方法,帮助团队快速迭代和提升 Agent 的可靠性。
推荐理由:做 Agent 开发的团队终于有了可落地的评估方法论——Trace 数据不再是日志垃圾,而是构建评估的黄金矿,建议做生产级 Agent 的开发者点开看看具体怎么用。
11:08
11:08官方账号LangChain@LangChainAI
LangChain 将于 5 月 27 日在波士顿举办线下 Meetup,由团队核心成员 Sydney Runkle 与 Blitzy 的 Dillon Jones 共同主持。活动聚焦部署长运行 Agent 的挑战与运行时能力,适合对 Agent 生产化部署感兴趣的开发者。现场名额有限,需提前通过 Luma 报名。
推荐理由:想了解长运行 Agent 在生产环境落地的真实坑点?LangChain 团队和 Blitzy 的实战分享值得一听,做 Agent 部署的开发者建议报名。
11:02
11:02官方账号LangChain@LangChainAI
精选
LangChain 推出了 Mission Control,一个运行在 Kubernetes 集群内的解耦应用,用于部署、配置、观察和排查自托管的 LangSmith 及相关 LangChain 基础设施。它无需 ingress、外部控制平面或额外数据库,完全在本地访问。这简化了自托管 LangSmith 的运维复杂度,适合需要私有化部署的团队。目前该项目已在 X 上获得关注,但尚未公开仓库链接。

推荐理由:自托管 LangSmith 的团队终于有了一个轻量运维方案——Mission Control 省去了 ingress 和外部控制平面,直接在 K8s 内搞定部署和监控,做 LLM 应用基础设施的开发者值得关注。
5月26日
22:24
22:24官方账号LangChain@LangChainAI
LangChain 宣布将参加 5 月 27 日的 #TorontoTechWeek 活动,由部署工程师 Haider Zaidi 和 Questrade 高级首席 AI 工程师 Jasen Mackie 共同分享。他们将深入讲解部署长运行智能体的实际挑战,以及支撑这些智能体的运行时能力。活动提供 RSVP 链接,适合关注 AI 智能体落地的开发者。
推荐理由:LangChain 团队亲自拆解长运行智能体的部署难点,做 AI 工程化的开发者可以直接去现场或关注后续内容,了解运行时能力如何让智能体真正跑起来。
5月23日
09:42
09:42官方账号LangChain@LangChainAI
LangChain 创始人 Harrison Chase 在 Max Agency 播客中与 Cogent Security 联合创始人兼 CTO Geng Sng 深入探讨了构建用于自主网络防御的智能体。对话聚焦于如何利用 AI 智能体实现网络安全的自动化响应与防御,减少人工干预。本期内容对安全领域开发者及 AI 智能体构建者具有重要参考价值。
推荐理由:Harrison Chase 亲自下场聊智能体在网络安全中的实战落地,做安全或智能体开发的团队值得一听,能直接获取构建自主防御系统的思路。
5月22日
08:05
08:05官方账号LangChain@LangChainAI
LangChain 发布了最新的 Academy 课程,专注于生产环境中智能体的监控。课程教授如何使用 LangSmith 工具跟踪成本、通过追踪分析发现趋势、以及监控质量和延迟。该课程免费开放,适合正在部署或维护 AI 智能体的开发者和团队。
推荐理由:生产环境智能体监控是很多团队头疼的问题,LangSmith 给出了成本、质量、延迟一体的方案,做 AI 应用运维的开发者可以直接学起来。
08:05
08:05官方账号LangChain@LangChainAI
LangChain 在推文中指出,构建智能体(Agent)最残酷的现实是:在投入生产环境之前,你根本无法预知它的行为。这意味着开发者必须重视生产环境下的测试与监控,而非仅依赖开发阶段的模拟。这一观点强调了智能体在实际部署中的不可预测性,对构建可靠 AI 系统的团队具有重要警示意义。
推荐理由:做智能体开发的团队都会遇到这个痛点——开发环境跑得好好的,一上线就翻车。LangChain 点出了这个行业共识,值得所有 Agent 开发者停下来反思自己的测试流程。
08:05
08:05官方账号LangChain@LangChainAI
LangChain 团队将在波士顿科技周举办线下聚会,时间是 5 月 27 日。活动由 LangChain 开源团队的 Sydney Runkle 与 Blitzy 的 Dillon Jones 共同主持,重点讨论部署长时间运行智能体的实战经验与运行时能力。适合对智能体部署感兴趣的开发者参加,活动免费但需提前报名。
推荐理由:做智能体部署的开发者别错过——LangChain 团队和 Blitzy 联手分享长时间运行智能体的实战经验,直接听一线工程师讲坑和方案,建议报名占位。