#LangSmith Engine
LangChain 下周四在 Sunnyvale 办活动，有 Expedia 工程师分享智能体实战，还有两个工作坊教你用 Deep Agents 和 LangSmith Engine，想学智能体开发的可以看看。
LangChain 出了个叫 LangSmith Engine 的工具，能自动盯着生产环境里的 agent 日志，发现问题自己就修了，还有配套课程教你怎么用。
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。
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。
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。
LangChain 生态的线下交流机会难得，做 AI 应用开发的团队可以直接去现场了解 LangSmith Engine 的实战用法，还能和产品经理面对面聊痛点。
LangChain 官方直播直接解决Agent开发中调试和协作的痛点，做Agent的团队可以学到如何用LangSmith Engine加速问题修复，建议开发者注册观看。
做 Agent 开发的团队终于有了自动化的调试工具——LangSmith Engine 能直接从追踪中学习并优化提示词和代码，建议正在维护复杂 Agent 的开发者试试。
LangSmith Engine 解决了智能体开发中手动迭代的痛点，做智能体开发的团队可以直接用它来减少人工干预，建议关注。
做智能体开发的团队常陷入「堆 eval 数」的误区，LangChain 点明了评估的向量效应——选错评估方向反而会带偏系统行为。建议用 LangSmith Engine 从真实追踪数据中提炼针对性评估，比盲目加 eval 更有效。
做智能体或自动化流程的开发者，LangSmith Engine 解决了自优化循环的落地难题——反馈自动处理、评估不退化，值得直接集成到你的工作流中。
LangSmith Engine 可能改变 AI 应用的构建方式，做 LLM 应用开发的团队值得关注，它有望大幅提升开发效率。
LangSmith Engine 是 LangChain 生态的调试和监控核心，做 LLM 应用生产的开发者值得了解其内部机制，能帮你更精准地定位问题。