LangChain 相关 AI 资讯

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

事件专题

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。

原文

03:12

官方账号LangChain@LangChainAI

LangChain 发布开源工具 OpenWiki，可在后台自动生成和更新代码库文档。它通过 deepagents 开放框架运行，支持 GLM 5.2、Kimi K2.7 等开源模型。你只需在 GitHub 仓库中配置一个夜间工作流，OpenWiki 就能自动更新自身和 AGENTS.md 文件，让 coding agent 自动读取最新文档。

技巧 OpenWiki LangChain deepagents

推荐理由：设一次 OpenWiki 就再也不用操心文档了，它自动跑在后台，还能用开源模型，适合想省心又提升 agent 表现的开发者。

原文

01:12

官方账号LangChain@LangChainAI

精选

LangChain 团队推出的 LangSmith Engine 是一个专为排查代理失败的智能体，能自动扫描失败案例、优先排序问题并草拟修复方案。在 Max Agency 播客中，创始人 Harrison Chase 和 Ben Tanny Hill 详解了架构决策，包括使用沙箱环境和创建子代理来执行特定任务。他们还讨论了如何为永不停机的代理构建评估体系（evals）这一挑战。该播客已在 YouTube、Apple Podcasts 和 Spotify 上线。

AI产品 LangSmith Engine LangChain 智能体

推荐理由：LangChain 开源了他们的内部工具，能自动帮你修好失败代理，不用手动翻日志排查了，效率提升明显。

原文

7月2日

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

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

23:33

Harrison Chase@hwchase17

精选

Deep Agents 是一个开源、模型无关的代理框架。最新更新支持程序化调用子代理，并附有6种常见实现示例。博客与视频教程由 @sydneyrunkle 和 @huntlovell 提供，涵盖类似RLM的操作及代码解释器安全方案。

AI产品 Deep Agents LangChain 子代理

推荐理由：Deep Agents 开源框架现在可以编程调用子代理了，还给了6种现成方案，适合搭建复杂多代理工作流。

原文

23:32

Harrison Chase@hwchase17

Harbor是一个用于运行长期、有状态智能体（agent）评估的框架。LangChain通过博客和视频教程展示了与Harbor的多种集成方式。博客地址为langchain.com/blog/unified-s…，视频教程演示了如何使用Harbor和LangSmith评估deepagents。

技巧 Harbor LangChain LangSmith

推荐理由：Harbor专门做长期agent评测，LangChain有博客和视频教你怎么集成，适合做复杂agent测试的人。

原文

19:14

掘金本周最热@沉默王二

这篇文章记录了一场阿里面试中关于Agent开发的问答。作者介绍了LangChain的三层架构（基础抽象层、能力层、应用层）以及LangGraph与LangChain的关系。他总结了四种Agent开发方式：ReAct、Plan-and-Execute、Multi-Agent协作和状态图编排（LangGraph）。同时详细说明了LangChain的六个核心模块：Models、Prompts、Indexes、Memory、Chains、Agents。项目中使用LangGraph4j + Spring AI实现工作流编排，而非传统Multi-Agent。

技巧 LangChain Agent Multi-Agent

推荐理由：面试官问Agent开发看这篇就够了，从LangChain架构到四种开发方式、六个核心模块全有实例。

原文

06:05

官方账号LangChain@LangChainAI

精选

LangChain分享了一条观点：如果多智能体系统中每个团队负责一个Agent，本质是在输出组织架构而非优化产品。SierraPlatform的@zackrw解释为何该公司默认每个品牌只配置一个Agent。这一做法强调产品整体效果而非部门分工。

行业多智能体 SierraPlatform LangChain

推荐理由：SierraPlatform说多智能体系统不该按组织架构建，一个品牌一个Agent更合理，做AI产品的都该看看。

原文

01:59

官方账号LangChain@LangChainAI

Harbor 框架现已直接接入 LangChain 的 Deep Agents、LangSmith Sandboxes 和 LangSmith Observability。该集成通过一段 10 分钟视频完整演示了 Harbor 是什么、如何将 Deep Agent 与 Harbor 集成、以及如何在 LangSmith 中查看结果。这一升级使开发者能够更便捷地在 LangChain 生态内使用 Harbor 进行容器管理和部署。

AI产品 LangChain Harbor Deep Agents

推荐理由：LangChain 把 Harbor 直接接入了 Deep Agents 和 LangSmith，看 10 分钟视频就能学会怎么用，省去自己折腾集成。

原文

00:50

Harrison Chase@hwchase17

GLM 5.2 正成为开发者日常编码的常用模型。通过 dcode 工具，用户可快速选择 GLM 5.2 并输入 API key 开始使用。该模型具有前沿性能且权重开放，LangChain 也展示了其集成方案。目前该推文已获得 12 个点赞和 1500+ 浏览。

技巧 GLM 5.2 dcode LangChain

推荐理由：LangChain 和 GLM 5.2 配合 dcode，几步就能用上开放权重的编码助手，性能还跟得上前沿。

原文

00:38

官方账号LangChain@LangChainAI

LangChain 的 Deep Agents 新增了递归语言模型（RLM）工作流功能。Sydney Runkle 用 6 分钟视频讲解其原理和用法。RLM 允许 Agent 在多个轮次中递归调用语言模型，提升复杂任务的表现。该功能已集成到 Deep Agents 的当前版本中。

AI产品 Deep Agents LangChain RLM

推荐理由：LangChain 给 Deep Agents 加了 RLM 工作流，能递归调用语言模型做更复杂的事。6 分钟视频讲得很清楚，可以看看。

原文

7月1日

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

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

02:09

Harrison Chase@hwchase17

精选

本教程展示如何结合Gemini Live和deepagents子代理构建语音研究代理。Gemini Live提供低延迟、自然流畅的语音对话能力，而deepagents负责执行长时间运行的复杂任务。通过LangSmith实现全链路追踪与可观测性。该方法解决了语音代理中对话质量与可靠性的权衡问题。

技巧 Gemini Live deepagents LangChain

推荐理由：LangChain发了个教程，教你用Gemini Live做语音代理，把复杂任务丢给deepagents子代理，既能低延迟对话又能跑长时间任务，挺实用的。

原文

01:36

官方账号LangChain@LangChainAI

LangChain介绍语音智能体构建的两种方案：Gemini Live实现低延迟的自然对话，Sandwich架构提供更可靠的流程控制。他们结合Gemini Live、Deep Agents和LangSmith构建了一个语音研究智能体，具备完整追踪与可观测性。该方案同时优化了对话质量和长期研究任务的可靠性。

技巧 LangChain Gemini Live Deep Agents

推荐理由：LangChain教你如何混用Gemini Live和Sandwich架构，既做出流畅对话又保证任务可靠，实用技巧。

原文

01:00

Harrison Chase@hwchase17

LangChain团队通过强化代码解释器运行时，实现了在无完整沙箱环境下安全运行Agent代码。该方法减少了资源开销，同时保持安全隔离。具体优化包括权限控制、资源限制和网络隔离。适用于需要快速迭代Agent逻辑的场景。

技巧 Agent Code Interpreter LangChain

推荐理由：LangChain创始人教你用轻量级方案跑Agent代码，不用开重型沙箱，省资源还安全。

原文

00:33

Harrison Chase@hwchase17

harbor是一个用于评估长时间运行、有状态智能体的框架。它正在成为行业标准，支撑着terminal bench 2等基准测试。LangChain已将harbor深度集成到LangSmith、Sandboxes和Deep Agents中。这有助于开发者更高效地评测智能体性能。

AI产品 harbor LangChain LangSmith

推荐理由：想给长时间运行的有状态智能体做评测？用harbor吧，已经是行业标准，LangChain全家桶都深度集成了，省心。

原文

00:24

官方账号LangChain@LangChainAI

精选

LangChain 团队指出，赋予 AI Agent 直接编写代码的能力能让其能力显著提升，但同时也使安全防护变得更加困难。该团队在今年花费大量时间研究如何同时实现这两点。他们分享了一些关于在 Agent 中安全地支持代码执行的经验和策略。具体内容在 langchain.com 的博客中详细展开。

行业 LangChain Agent 代码执行

推荐理由：LangChain 团队总结了一年经验：给 Agent 写代码能力很牛但安全坑多，值得搞 Agent 的人看一眼。

原文

6月30日

15:36

Harrison Chase@hwchase17

LangChain创始人Harrison Chase宣布面向早期合作伙伴推出Trace Judge模型。该模型用于检测智能体轨迹中的错误，成本仅为闭源模型的1/100。目前可通过Airtable表单申请早期访问权限。

AI模型 LangChain Trace Judge 智能体

推荐理由：LangChain新出Trace Judge，专门抓AI智能体运行中的错误，成本比闭源模型便宜100倍，现在能申请内测了。

原文

13:12

官方账号LangChain@LangChainAI

LangChain在aiDotEngineer World's Fair设展位U-G19，欢迎参会者前来交流。团队专注于讨论agent在生产环境中的应用、评估设置以及最新产品进展。推文邀请开发者现场连接，了解其近期发布的功能。

行业 LangChain aiDotEngineer 智能体

推荐理由：LangChain在U-G19等你，聊聊agent上线和评估的事，现场直接问。

原文

12:37

官方账号LangChain@LangChainAI

LangChain 的 LangSmith Fleet 允许用户在 General Purpose Chat 中处理临时任务，系统自动记录工作流。当任务重复出现时，Fleet 可将其转化为带有指令、工具、触发器和记忆的 Specialized Agent，无需从头配置。这简化了从临时任务到永久 Agent 的迁移过程。

技巧 LangSmith Fleet LangChain

推荐理由：临时任务做多了？LangSmith Fleet 能帮你自动转成专用Agent，省掉空白配置的麻烦。

原文

12:33

官方账号LangChain@LangChainAI

精选

大多数智能体在对话结束后评分，通过/失败或解决/放弃。GetCandidly 开发了一个新模型，能在对话进行中实时读取并引导走向解决。该模型改变了智能体的评估方式，旨在提升对话解决效率。目前通过 LangChain 博客公开。

AI产品 GetCandidly LangChain 实时引导

推荐理由：别等智能体最后打分才调整，GetCandidly 搞了个实时引导模型，边聊边纠正，挺实用。

原文

12:27

官方账号NVIDIA AI@NVIDIAAI

NVIDIA 宣布其 Nemotron 模型与 LangChain 集成，覆盖从推理到编排的智能体工作流。开发者可在开放栈上自定义、调优和部署模型。该集成面向生产环境，基于 LangChain 框架实现灵活编排。Nemotron 是 NVIDIA 的前沿智能体性能模型，支持多种部署方式。

AI产品 NVIDIA Nemotron LangChain

事件专题

推荐理由：NVIDIA的Nemotron现在接入了LangChain，你可以按需调优和部署智能体，不受厂商锁定，适合做定制化AI代理。

原文

6月29日

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

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

6月27日

13:21

官方账号LangChain@LangChainAI

LangChain与Chime合作发布指南，指导金融服务团队如何利用更强的监督机制构建生产级AI智能体。该指南涵盖LangChain框架的使用，强调可观测性、合规性和风险控制。指南提供具体步骤，帮助团队实现更可靠的AI部署。

技巧 LangChain Chime 智能体

推荐理由：LangChain出了个新指南，专门讲金融服务怎么搞生产级智能体，还加了更强监督。做金融AI的可以看看，省了自己踩坑。

原文

13:20

官方账号LangChain@LangChainAI

Alex Olsen 加入 LangChain 团队后发表首篇文章，详解 Deep Agents 如何利用 prompt caching 技术减少 API 调用次数。该方案通过缓存重复提示词，最高可降低 50% 的 API 成本。文章提供了具体实现步骤和代码示例，帮助开发者快速集成。

技巧 LangChain Deep Agents prompt caching

推荐理由：LangChain 新成员 Alex 手把手教你给 Deep Agents 加缓存，省下一半 API 钱，实用技巧别错过。

原文

13:01

官方账号LangChain@LangChainAI

精选

SierraPlatform的ZackRW在Max Agency播客中分享了一个关键洞察：在真实对话中，决定何时说话所需的脑力与决定说什么相当。传统语音代理并未以此方式构建。Sierra的突破是并行处理思考、倾听和说话，模拟人类对话的自然方式。这一理念来自Sierra的语音代理产品设计。

行业 LangChain SierraPlatform 语音代理

推荐理由：Sierra的语音代理模仿人类并行处理对话，不是简单轮流说话，值得做语音产品的朋友看看。

原文

12:51

Harrison Chase@hwchase17

Vercel Developers 发布了 AI SDK Harness API 的更新，新增对 OpenCode 和 LangChain Deep Agents 的支持。该 API 通过统一的 HarnessAgent 接口，允许开发者在不同运行时之间切换而无需修改代码。这一更新简化了多智能体系统的集成和部署流程。开发者现在可以同时利用两个平台的高级智能体能力。

AI产品 Vercel Harness API OpenCode

推荐理由：Vercel 的 Harness API 现在能一个接口同时跑 OpenCode 和 LangChain 的深度智能体，不用改代码，太方便了。

原文

12:06

官方账号LangChain@LangChainAI

LangChain的Brace Sproul和Jake Broekhuizen在视频中比较了构建agent时使用MCP（Model Context Protocol）与CLI（命令行接口）的优缺点。MCP提供了标准化上下文传递，适合多步骤复杂agent任务；CLI更轻量直接，适合简单工具调用。视频通过实际案例演示了两种方式的适用场景和取舍。

技巧智能体 MCP CLI

推荐理由：LangChain的两位专家亲讲MCP和CLI在agent开发中的实战对比，帮你选对工具写代码。

原文

11:16

Harrison Chase@hwchase17

Mika Sagindyk在Arena上发布AI Agent框架体验（AX）排名，基于AI Agent自主使用开发工具的难易程度评估。截至06/26，排名为：1. LangChain的LangGraph，2. Vercel AI SDK，3. CrewAI，4. Mastra。该评测强调AI Agent正成为文档和API的主要消费者，AX是DX的自然演进。

行业 LangGraph LangChain AI Agent

推荐理由：LangGraph被AI Agent自己评为最好用的框架，全自动评测没水分。想选Agent开发工具先看这个榜。

原文

6月26日

23:57

官方账号LangChain@LangChainAI

LangChain 将于6月29日至7月2日在旧金山 AI Engineer World's Fair 设展台（U-G19）。团队将现场交流生产环境中智能体工作流及评估设置。欢迎参会者前往探讨实际部署与评测方案。

行业 LangChain AI Engineer World's Fair 智能体

推荐理由：LangChain 团队在旧金山 AI Fair 设摊，聊聊智能体生产部署和评估，想去交流的记得去 U-G19 找他们。

原文

23:18

官方账号LangChain@LangChainAI

精选

LangChain 在内部测试 LangSmith LLM Gateway 后正式发布。该网关支持实时支出监控，无需等待月底即可了解花费。管理员可按组织、工作空间、用户或 API Key 设置预算。团队可以灵活使用编码代理，避免产生意外费用。相关博客详细介绍了内部测试经验。

AI产品 LangChain LangSmith LLM Gateway

推荐理由：LangChain 推出了 LLM Gateway，能按 API Key 设预算，实时看花了多少钱，团队用 coding agents 也不怕超支。

原文