00:33官方账号LangChain@LangChainAI精选Clay公司通过LangSmith平台成功追踪了99.5%的AI支出。该公司AI负责人@jeffbarg分享了成本可视化的实践经验。LangSmith帮助Clay实现了前所未有的支出透明度。该解决方案解决了AI支出追踪的痛点问题。AI产品ClayLangSmith成本可视化1 个信源在谈事件专题推荐理由:Clay用LangSmith追踪了99.5%的AI支出,AI负责人分享成本可视化经验。原文稍后读已读值得跟进有用关注 Clay
03:21官方账号LangChain@LangChainAI精选Clay团队分享了每月3亿+次智能体评估的扩展方法。他们介绍了四象限评估框架。生产环境到评估的闭环是最困难的部分。数据湖和长上下文改变了智能体处理数据的能力。技巧Clay智能体评估框架推荐理由:Clay团队分享每月3亿+智能体评估经验,教你如何构建评估框架和闭环。原文稍后读已读值得跟进有用关注 Clay
01:06Harrison Chase@hwchase17Palash 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LangChainClayLangSmith Engine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。原文稍后读已读值得跟进有用关注 LangChain
00:59官方账号LangChain@LangChainAIPalash 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LangChainClay自我改进Agent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。原文稍后读已读值得跟进有用关注 LangChain
22:46官方账号LangChain@LangChainAI精选Jeff Barg在Interrupt会议上透露,Clay每月运行3.5亿个GTM智能体。他指出,缓存可将LLM调用成本降低高达70%。限制工具调用范围不仅能节省成本,还能提升输出质量。在多租户负载下,引入公平队列机制至关重要。技巧ClayGTM agentsLLM成本推荐理由:做AI智能体上线的小伙伴必看,Clay的AI负责人亲自讲了怎么降本70%和优化队列,干货12分钟。原文稍后读已读值得跟进有用关注 Clay