23:47官方账号LangChain@LangChainAILangChain 的 Carol Di Vittorio 在 Google 开发者频道演示了用 Google ADK 和 Gemini Live 构建语音智能体。她展示了在 LangSmith 中追踪语音代理的每一步行为,包括工具调用、中断事件和 token 成本。视频还演示了如何设置 tracing,让开发者清楚看到智能体每次交互的内部流程。技巧Google ADKGemini LiveLangSmith推荐理由:想看语音智能体怎么调试?这个演示用 Google ADK + Gemini Live,再用 LangSmith 看清楚工具调用和 token 花费,直观。原文稍后读已读值得跟进有用关注 Google ADK
22:06官方账号LangChain@LangChainAILangChain 的 Interrupt 会议在旧金山举办,邀请了 Cisco、LinkedIn、Andrew Ng 和 Levie 等演讲者。后续纽约和伦敦场将有 Modal、AstraZeneca、JPMorgan、LinkedIn 等机构参与。会议主题围绕 AI 智能体的下一步发展。Interrupt 门票目前开放购买,余票有限。行业LangChainInterrupt智能体推荐理由:LangChain 的 Interrupt 大会纽约伦敦场要开了,有 JPMorgan、AstraZeneca,聊智能体,票不多了。原文稍后读已读值得跟进有用关注 LangChain
03:30官方账号LangChain@LangChainAILangChain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 AgentsLangChainLangGraph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。原文稍后读已读值得跟进有用关注 Deep Agents
02:38Harrison Chase@hwchase17LangChain创始人Harrison Chase在X上分享了内部智能体评估的通用方法。他们以Harbor为统一评估基准,并通过专用skill将traces或原始数据转换为Harbor任务。该评估思路计划沿用到LangChain后续的基准测试中。相关帖子获得了1332次浏览。技巧LangChainHarbor智能体推荐理由:Harrison Chase讲了他们内部怎么测智能体,就是统一用Harbor,还能把日志变成评测任务。做智能体评测的可以参考这套流程。原文稍后读已读值得跟进有用关注 LangChain
01:26官方账号LangChain@LangChainAILangChain 推出 ReviewBench,一个专注于代码审查场景的新基准。该基准从真实 PR 审查意见出发,将审查中发现的问题整理成具体任务,并转化为基于 Harbor 框架的可复现实验。其目标是模拟开发者在实际代码审查中遇到的典型问题,帮助评估模型在审查场景中的表现。AI模型ReviewBenchLangChainHarbor推荐理由:LangChain 做了个叫 ReviewBench 的基准,专门测代码审查能力,数据来自真实 PR 评论,还能用 Harbor 复现。原文稍后读已读值得跟进有用关注 ReviewBench
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
21:20官方账号LangChain@LangChainAI精选德国铁路工程咨询公司 DB Engineering & Consulting 将参加 LangChain 于10月13日举办的 Interrupt London 大会。Gregor Beuster 团队负责的铁路基础设施图纸体量过大,单一 AI 模型无法一次读取。他们的编码智能体负责构建并测试视觉智能体,再通过 LangSmith 审查运行轨迹,核查该视觉智能体究竟看到了什么。这一案例将在 Interrupt London 现场分享。行业DB Engineering & ConsultingLangChainLangSmith推荐理由:看看德铁咨询怎么把超大图纸拆给视觉Agent,还用LangSmith查它到底看见了啥。原文稍后读已读值得跟进有用关注 DB Engineering & Consulting
03:37官方账号LangChain@LangChainAI72°LangChain 推出 LangSmith LLM Gateway 公开测试版,这是一个跨模型和提供商的统一网关。它支持设置消费限额和速率限制,防止成本超支和流量失控。网关还提供降级策略配置,并能在数据到达模型提供商之前自动编辑敏感信息。该工具旨在提升 AI Agent 的可靠性与安全性。AI产品LangChainLangSmithLLM Gateway推荐理由:LangChain 搞了个 LLM 网关,能统一管所有模型的费用、流量和敏感数据,实测能省心不少。原文稍后读已读值得跟进有用关注 LangChain
03:36官方账号LangChain@LangChainAILangChain 推出了关于 LangSmith LLM Gateway 的详细介绍。该网关为团队提供了统一的 LLM 调用管理入口。博客中解释了网关的架构和配置步骤。通过 LangSmith,开发者可以集中监控所有模型请求。这有助于降低成本和提升调用效率。AI产品LangSmithLLM GatewayLangChain推荐理由:LangChain 的 LangSmith 新增网关功能,能统一管理多个模型的 API 调用。如果你在用 LangChain,看看怎么配置这个网关吧。原文稍后读已读值得跟进有用关注 LangSmith
02:28Harrison Chase@hwchase1776°LangChain 推出的 LangSmith Gateway 进入公开测试阶段。该网关支持对最终用户设置支出和速率限制,并能在数据到达模型提供商前自动脱敏 PII。它可直接集成到编程代理工作流中,并允许访问 Kimi-K3 等开源模型。官方表示可通过单一网关跨模型和提供商管理回退策略。AI产品LangSmithLangChainLLM网关10 个信源在谈事件专题推荐理由:LangChain 发了新网关,能控制花销和速率,还能自动给数据脱敏,跟编程代理直接连,甚至支持 kimi-k3,干活更方便了。原文稍后读已读值得跟进有用关注 LangSmith
02:38Harrison Chase@hwchase17Deep 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 AgentsLangChain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。原文稍后读已读值得跟进有用关注 Deep Agents
00:14官方账号LangChain@LangChainAILangChain Academy推出新课程,教开发者使用LangSmith Engine自动改进智能体。课程涵盖三个步骤:从追踪中识别并优先处理问题、自动起草修复方案、提出评估指标防止回归。该课程面向已有LangSmith基础的用户,旨在提升智能体开发效率。技巧LangChainLangSmith Engine智能体推荐理由:LangChain出了个实用新课,手把手教你怎么用LangSmith Engine自动修bug、加测试,省时省力,搞智能体开发可以看看。原文稍后读已读值得跟进有用关注 LangChain
05:09官方账号LangChain@LangChainAILangChain 的开源项目 OpenWiki 宣布支持 12 个 LLM 提供商,包括 OpenAI API 和 ChatGPT 子登录、Anthropic、Gemini、AWS Bedrock、OpenRouter、Fireworks AI 等。ChatGPT 登录功能让用户无需单独申请 API 密钥即可快速使用。该项目托管在 GitHub 上,旨在简化多模型调用。AI产品LangChainOpenWikiOpenAI10 个信源在谈事件专题推荐理由:想省去逐个申请 API 的麻烦?OpenWiki 直接打包 12 家模型,用 ChatGPT 账号就能开玩。原文稍后读已读值得跟进有用关注 LangChain
03:44官方账号LangChain@LangChainAI精选LangChain发布新指南,提出智能体计算机需做到四件事:安全执行(execute safely)、保持控制(stay in control)、可观察(remain observable)、快速构建迭代(fast to build and iterate)。该指南来自LangChain官方博客,提供了构建可靠智能体系统的实践建议。技巧LangChain智能体指南推荐理由:LangChain出了个实用指南,告诉你搭建智能体电脑得注意四个关键点:安全、可控、可观察、迭代快。搞Agent的值得一看。原文稍后读已读值得跟进有用关注 LangChain
01:41官方账号LangChain@LangChainAI精选LangChain 构建的数据智能体现在能处理约 40 倍于其 3 人数据团队直接管理的请求量。数据团队可以将精力聚焦在模型、上下文和护栏上,这些是让智能体值得信任的关键。该团队分享了构建这一智能体的具体方法。技巧LangChain数据智能体智能体推荐理由:LangChain 分享了他们怎么让一个数据智能体处理 40 倍请求,团队不用再干苦活,可以专注搞模型和安全。原文稍后读已读值得跟进有用关注 LangChain
21:36官方账号LangChain@LangChainAILangChain宣布与NVIDIA合作,帮助企业管理并提升其领域智能而非依赖外包通用技能。合作将利用NVIDIA平台结合LangChain的框架,使企业能够构建自己的领域知识体系。该声明强调编码是通用技能,而行业专有知识才是企业真正的护城河。行业LangChainNVIDIA企业AI10 个信源在谈事件专题推荐理由:LangChain和NVIDIA联手,帮你把自家业务知识做成AI专属能力,别光卷写代码了。原文稍后读已读值得跟进有用关注 LangChain
12:47Harrison Chase@hwchase17LangChain 将于 10 月 13 日在伦敦 Outernet London 举办首次 Interrupt:London 活动。活动内容包括产品发布、炉边谈话、客户演讲和 workshops。这是 LangChain 在伦敦的首个线下开发者活动。行业LangChainInterrupt伦敦推荐理由:LangChain 在伦敦办活动了,有发布、演讲和 workshop,10 月 13 日去 Outernet 看看呗。原文稍后读已读值得跟进有用关注 LangChain
05:53官方账号LangChain@LangChainAILangChain 将于 8 月 3 日在拉斯维加斯 Ai4 Conferences 举办智能体开发动手工作坊。8 月 4 日与 Elastic 和 Google Cloud 联合举办 F1 Arcade 活动。8 月 6 日还有关于企业端智能体部署的演讲。行业LangChainAi4 ConferencesElastic推荐理由:想学智能体开发?LangChain 在 Ai4 有工作坊,还和 Elastic、Google Cloud 搞活动,值得去 Booth 1553 看看。原文稍后读已读值得跟进有用关注 LangChain
04:35官方账号LangChain@LangChainAICreditGenie_US 使用 LangSmith 的追踪功能调试了数千个 agent traces。LangSmith 能精确展示 agent 的推理过程。其 Insights 功能将生产环境中的追踪数据转化为每个行为的 100-200 个针对性测试问题。这帮助团队快速定位 agent 行为异常。AI产品CreditGenie_USLangSmithLangChain推荐理由:看看 CreditGenie_US 怎么用 LangSmith 的追踪和 Insights 功能,把上千条日志变成精准测试题,快速修 agent 的问题。原文稍后读已读值得跟进有用关注 CreditGenie_US
23:47官方账号LangChain@LangChainAILangChain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LangChainDeep 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。原文稍后读已读值得跟进有用关注 LangChain
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LangChainDeep Agentsv0.7.0b2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。原文稍后读已读值得跟进有用关注 LangChain
21:11官方账号LangChain@LangChainAILangChain宣布与NVIDIA等业界领袖共同成为Open Secure AI Alliance的创始合作伙伴。该联盟旨在通过开放共享模型、工具和研究,加速开源模型的安全采用与信任。联盟将开发新技术和工具来保护软件和智能体,扩大防御者社区。NVIDIA等成员将贡献各自的开源成果。行业LangChainNVIDIAOpen Secure AI Alliance10 个信源在谈事件专题推荐理由:LangChain和NVIDIA组了个联盟,专门搞开源AI安全,想通过共享模型和工具让智能体更安全。做AI应用的人可以关注一下。原文稍后读已读值得跟进有用关注 LangChain
04:12官方账号LangChain@LangChainAI78°英伟达CEO黄仁勋与LangChain CEO Harrison Chase在炉边谈话中讨论了企业为何需要开放智能体系统。他们发布了NemoClaw for LangChain Deep Agents蓝图,这是一个面向深度智能体的参考架构。谈话强调了开放生态在AI代理开发中的重要性。行业JensenHuangLangChainNemoClaw10 个信源在谈事件专题推荐理由:英伟达CEO和LangChain创始人聊开放智能体,还发布了NemoClaw蓝图,搞AI代理的值得看看。原文稍后读已读值得跟进有用关注 JensenHuang
03:30官方账号LangChain@LangChainAILangChain官方推文强调开源是DNA,通过Deep Agents和LangChain生态支持领先开源模型。NVIDIA CEO Jensen Huang签署了一封关于开源模型重要性的公开信,称开源模型能增强安全、加速创新并实现主权。信中提出世界需要前沿闭源模型和开源模型并存。行业LangChainNVIDIAJensen Huang10 个信源在谈事件专题推荐理由:LangChain和NVIDIA一起为开源模型站台,黄仁勋亲自写了一封信,强调开源的重要性,看看大佬怎么说的。原文稍后读已读值得跟进有用关注 LangChain
02:09官方账号LangChain@LangChainAITraversal AI团队与LangChain创始人Harrison Chase进行了一场炉边谈话,探讨在生产环境中构建AI SRE的实际经验。Harrison Chase分享了LangChain在部署AI代理时解决监控和故障恢复的关键方法。对话涉及如何设计可靠的系统架构以应对生产环境的突发问题。完整视频可在YouTube观看。行业LangChainHarrison ChaseAI SRE1 个信源在谈事件专题推荐理由:想听LangChain创始人亲口讲怎么在生产搞AI运维?这场对话有干货,别错过。原文稍后读已读值得跟进有用关注 LangChain
01:27官方账号LangChain@LangChainAIFactoryAI CTO Eno Reyes 在 LangChain 的推文视频中展示了成本对比。针对同一代码审查任务,不同模型框架产生的价格差异极其显著。他强调一个优秀的模型无关框架可以让任何模型在该任务上更经济高效。行业FactoryAIEno ReyesLangChain推荐理由:FactoryAI 技术负责人用真实数据告诉你,换一个框架做代码审查,成本能差多少倍,很实用。原文稍后读已读值得跟进有用关注 FactoryAI
05:36Cognition@cognition_labsDeepWiki由Cognition开发,已索引超过50万个GitHub代码仓库,免费使用。它帮助开发者快速理解不熟悉的代码库,降低入门门槛。Cognition与LangChain合作举办meetup,将分享DeepWiki的底层工作原理,并介绍如何通过OpenWiki给智能体开放内存。活动名额有限,需提前报名。AI产品DeepWikiCognition代码库索引推荐理由:DeepWiki索引了50万+仓库,免费帮你快速搞懂陌生代码库。还和LangChain办了个meetup,讲怎么用OpenWiki给智能体开内存,想了解就快去报名吧。原文稍后读已读值得跟进有用关注 DeepWiki
00:51官方账号LangChain@LangChainAILangChain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LangChainDeep 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。原文稍后读已读值得跟进有用关注 LangChain
00:12官方账号LangChain@LangChainAI精选LangChain在推文中介绍了智能体治理的多个维度,包括认证、审计日志、用户管理、供应商密钥、数据隔离等。该框架帮助团队从成本、合规性和运营规模三个角度评估治理需求。还涉及速率限制、回退机制和集中式支出控制等基础设施能力。相关活动"Building Governed Agents"将深入分享如何将智能体从实验推向生产。行业LangChain智能体治理推荐理由:LangChain推出了实用的智能体治理框架,从安全到成本控制全覆盖,企业级部署团队可以学起来。原文稍后读已读值得跟进有用关注 LangChain
22:57Philipp Schmid@_philschmidGoogle DeepMind的Gemini Live实时语音代理现在可在LangChain中追踪speech-to-speech循环。Speaker回调钩子只捕捉中断事件前用户听到的精确音频。时间线高亮用户语音(蓝色)和Gemini响应(橙色),以及耗时1.29秒的城市天气查询等自定义工具执行。使用元数据区分常规文本token与原生Gemini音频token,便于精确计算用量。注册LangSmithGoogleADKLivePlugin即可启用。技巧Gemini LiveLangChainLangSmith推荐理由:谷歌这个新集成让你用LangChain看清Gemini Live语音交互的每一步,连1.29秒的天气查询都能追踪,调试超方便。原文稍后读已读值得跟进有用关注 Gemini Live
22:11官方账号LangChain@LangChainAI精选推理成本降低使企业能更经济地运行专业智能体。LangChain指出团队可为特定领域创建专属智能体。通过评估(evals)和追踪(traces)可量化性能,并随工作流变化灵活调整框架。这一趋势推动了多智能体系统在生产环境的实际部署。行业LangChain智能体生产部署2 个信源在谈事件专题推荐理由:LangChain告诉你,现在搞专业AI智能体更划算了,成本低了就能直接上生产,用evals和traces调优。原文稍后读已读值得跟进有用关注 LangChain
05:46官方账号LangChain@LangChainAI精选LangChain 举办“The Art Of Loop Engineering”线上研讨会,讲解如何构建能持续自我改进的智能体。核心在于设计检查、响应新输入、利用生产追踪数据优化 prompts、tools、graders 和配置等循环。LangChain 与 LangSmith 提供全流程支持,帮助将单次工作的智能体升级为不断进化的系统。技巧LangChainLangSmith智能体推荐理由:LangChain 办的免费线上课,讲怎么让智能体越用越好,适合做 AI 应用的同学听听。原文稍后读已读值得跟进有用关注 LangChain
04:21官方账号LangChain@LangChainAILangChain 与 Cognition 将于周二联合举办线下 Meetup,主题为 LLM Wikis 和 OpenWiki。OpenWiki 旨在为 AI Agent 提供开放记忆能力,扩展 LLM 在长期上下文中的表现。活动地点通过 luma.com/mylwoabu 报名,名额有限。行业LangChainCognitionOpenWiki推荐理由:LangChain 和 Cognition 联手办活动,讲怎么用 OpenWiki 给 Agent 加持久记忆,做 LLM 维基。想搞 Agent 的别错过。原文稍后读已读值得跟进有用关注 LangChain
03:39Harrison Chase@hwchase17Harrison Chase在推文中指出构建评估(evals)难度高,团队正开发技能以自动化流程。其方案包括:用编码代理处理代码库和实际追踪(traces),与用户迭代评估方向,使用Harbor构建评估并运行,再根据结果迭代。流程仍需人类参与,但能加速启动。技巧Harrison ChaseLangChainHarbor1 个信源在谈事件专题推荐理由:LangChain创始人分享了他们用Harbor和编码代理自动化评估构建的实操流程,适合做LLM应用评测的人参考。原文稍后读已读值得跟进有用关注 Harrison Chase
02:18官方账号LangChain@LangChainAI精选LangChain 发布了 langchain-skills 代码库,可用于在 Codex 或 Claude Code 中安装并评估 agent 行为。用户打开对应仓库后,只需输入提示词即可开始评估。评估过程通过 Harbor 框架生成 eval 任务和实际目标运行,并自动检查验证器是否准确测量了预期行为。该工具目前已在 GitHub 上开放。技巧LangChainCodexClaude Code推荐理由:想测你的 agent 好不好用?LangChain 这个新技能库让你直接用 Codex 或 Claude Code 跑 eval 任务,还能自动检查验证器准不准。原文稍后读已读值得跟进有用关注 LangChain
01:39官方账号LangChain@LangChainAI精选LangChain 推出了 Eval Engineering Skill,这是一个专门帮助编程智能体(coding agents)基于仓库上下文和 agent traces 构建评估的新技能。该技能允许开发者通过自然语言描述自动生成评估用例,覆盖代码正确性、工具调用等多个维度。根据官方演示,它能够减少手动编写评估的工作量,并提升评估与项目上下文的一致性。目前该技能已在 LangChain 平台上可用。AI产品LangChainEval Engineering Skill编程智能体推荐理由:如果你想给自己的编程智能体加上自动评估能力,LangChain 这个新技能能直接复用仓库上下文和轨迹,挺省事的。原文稍后读已读值得跟进有用关注 LangChain
00:57官方账号LangChain@LangChainAILangChain 在推文中介绍了 @GetCandidly 提出的 IO-HMM(输入-输出隐马尔可夫模型)框架。该框架将对话的每一轮明确拆分为用户行为(可观测信号)和智能体行为(可控输入)。用户行为用于读取状态,智能体行为则转移状态。这种设计让对话状态管理更清晰。AI模型IO-HMMCandidlyLangChain推荐理由:LangChain 推荐了 Candidly 的 IO-HMM 框架,把对话拆成用户和智能体两半,状态管理更干净。原文稍后读已读值得跟进有用关注 IO-HMM
23:37官方账号LangChain@LangChainAILangChain 的 dcode 新增原生浏览器控制功能,用户只需一个 /goal 命令即可调用。该功能由 @its_ao 添加,可在 dcode 中直接操作浏览器,无需额外配置。具体使用方法和示例代码在 LangChain 文档中提供。技巧dcode/goalLangChain推荐理由:想用 dcode 自动控制浏览器?写个 /goal 就行,比你想象简单。原文稍后读已读值得跟进有用关注 dcode
22:55官方账号LangChain@LangChainAI精选LangChain 主办的智能体大会 Interrupt 将于今年秋季在纽约(9月24日)和伦敦(10月13日)举行。会上 LinkedIn 展示了使用 LangGraph 构建的招聘智能体,将面试时间缩短了 60%。会议现正开放注册,席位有限。行业LangChainLangGraph智能体推荐理由:LangChain 开大会了,纽约和伦敦两场,现场还能学到 LinkedIn 用 LangGraph 把招聘效率提了 60% 的案例。想去赶紧占座。原文稍后读已读值得跟进有用关注 LangChain
21:33官方账号LangChain@LangChainAILangChain 团队回顾了三年用图(graph)构建 agent 的经验。Sydney Runkle 在推文中分享了图工程在 Agent 开发中的实践心得。文章总结了图结构如何提升 agent 的可控性与可组合性,并给出了具体的工作流建议。技巧LangChaingraph engineeringAgent推荐理由:LangChain 团队用三年实战告诉你,图工程不是新噱头,而是做 agent 的硬核技能,想搞复杂 agent 的可以看看。原文稍后读已读值得跟进有用关注 LangChain