LangChain 相关 AI 资讯 · AITOP

6月2日

10:06

官方账号LangChain@LangChainAI

LangChain 宣布 Fleet APAC 智能体在 LangSmith 的 APAC 实例中解锁了计算机使用能力。APAC 用户现在可以为 Fleet 智能体提供虚拟计算机访问权限，使其能够执行更复杂的任务。这一更新扩展了智能体的操作范围，从纯文本交互到实际控制计算机界面，提升了自动化潜力。对于亚太地区的开发者来说，这是一个重要的功能升级。

AI产品智能体计算机使用 LangChain

推荐理由：APAC 开发者终于可以在 LangSmith 中让智能体操作虚拟计算机了，做自动化工作流的团队可以直接用这个能力来模拟用户操作，建议试试看。

原文

10:06

Harrison Chase@hwchase17

LangChain 推出 LangSmith Engine，旨在自动处理智能体故障，减少手动排查工作。该工具通过引擎自动修复智能体运行中的问题，提升开发效率。对于构建复杂智能体的开发者来说，这能显著降低运维负担。LangSmith Engine 目前已在 LangChain 平台可用。

AI产品智能体 LangChain LangSmith Engine

推荐理由：做智能体开发的团队终于可以告别手动排查故障了——LangSmith Engine 自动修复机制能直接减少运维时间，建议试试。

原文

10:05

Harrison Chase@hwchase17

精选

LangChain 联合创始人 Harrison Chase 在推文中分享了 DeepAgents 的全面概述，包括其定义、在复杂任务上的优势以及如何快速投入生产。Sydney Runkle 通过视频详细介绍了 DeepAgents 的核心概念、使其擅长复杂任务的关键设计，以及轻松将其部署到生产环境的方法。该内容对希望构建和部署高级 AI 代理的开发者具有重要参考价值。

AI产品 DeepAgents 智能体生产部署

推荐理由：想了解如何构建能处理复杂任务的 AI 代理并快速上线？这个概述直接点出了 DeepAgents 的核心优势和生产路径，做智能体开发的团队值得一看。

原文

10:02

Harrison Chase@hwchase17

精选

Rippling 在 6 个月内成功构建并推出了 RipplingAI，服务于数百万用户。该 AI 平台基于 LangChain 的 Deep Agents 和 LangSmith 构建。这一案例展示了如何利用现有 AI 框架快速规模化部署智能体应用。对于希望快速落地 AI 产品的团队具有重要参考价值。

行业 LangChain RipplingAI 智能体

推荐理由：Rippling 的案例展示了如何用 LangChain 在 6 个月内从零到百万用户，做企业级 AI 产品的团队值得学习其架构和落地路径。

原文

09:55

官方账号LangChain@LangChainAI

精选

LangChain 发布了 Managed Deep Agents，该工具保留了开发者熟悉的项目结构（AGENTS.md、skills/、subagents/ 和 tools.json），同时引入了 Context Hub 功能。Context Hub 为智能体提供了一个托管环境，使其能够在不同会话间保留和更新上下文，从而让智能体的定义随时间演进。这解决了智能体长期运行中上下文丢失的问题，提升了开发效率和智能体的连续性。

AI产品 LangChain 智能体上下文管理

推荐理由：LangChain 的 Managed Deep Agents 解决了智能体跨会话上下文丢失的痛点，做多轮对话或长期任务编排的开发者可以直接用上，保持项目结构不变，上手成本低。

原文

09:55

官方账号LangChain@LangChainAI

精选

LangChain 的 MukilLoganathan 在 Interrupt 大会上发表了关于沙箱（Sandboxes）的主题演讲。演讲在 20 分钟内展示了如何安全运行智能体代码，包括与运行时隔离、网络控制、持久化状态，以及在出错时进行快照和恢复。这对于需要部署 AI 智能体的开发者来说，是保障安全性和可靠性的关键实践。视频已在 YouTube 上线，值得相关从业者观看。

AI产品 LangChain 智能体沙箱

推荐理由：LangChain 官方教你如何安全运行智能体代码，做 AI 智能体部署的开发者可以直接看视频学习，20 分钟掌握沙箱隔离、网络控制和快照恢复等关键技巧。

原文

06:20

Richard Socher@RichardSocher

LangChain 联合 Deep Agents 和 You.com 的 Finance Research API，构建了一个宏观研究智能体，能够分析 GDP 数据、检测异常、调查行业层面的结构性和周期性驱动因素，并生成结构化、带引用的简报。该智能体在竞争激烈的基准测试中取得了显著提升，展示了高质量数据对 AI 金融应用的重要性。这一进展表明，金融领域 AI 智能体的能力正从简单问答向复杂分析演进。

AI产品金融智能体 LangChain 宏观研究

推荐理由：金融从业者和 AI 开发者终于看到智能体在真实场景中的突破——这个宏观研究代理能自动完成 GDP 分析、异常检测和结构化报告，做量化分析或金融研究的团队可以直接参考其架构。

原文

03:44

官方账号LangChain@LangChainAI

精选

Rippling AI 基于 LangChain 的 Deep Agents 和 LangSmith 平台构建其 AI 系统，在 6 个月内成功将产品交付给数百万用户。Deep Agents 提供了强大的智能体能力，而 LangSmith 则用于监控和优化 AI 工作流。这一案例展示了如何利用现有工具快速扩展 AI 应用，对需要大规模部署 AI 的团队具有重要参考价值。

行业智能体 LangChain Rippling

推荐理由：Rippling 用 LangChain 生态在半年内跑通百万级用户场景，做 AI 产品落地的团队值得看他们怎么选型、怎么踩坑。

原文

5月31日

08:51

AI Notkilleveryone@ai_zona

83°

一位开发者构建 AI 代理市场后发现，当前主流框架（如 LangChain、CrewAI、AutoGPT）仅能编排自己编写的代理，但缺乏验证第三方代理可靠性、安全性和成本透明度的基础设施。信任问题成为代理间协作的核心障碍，市场需要新的信任机制。

行业 AI代理信任机制市场平台

推荐理由：做 AI 代理编排或市场平台的开发者会感同身受——信任缺失是当前生态的致命短板，值得深入思考如何构建代理间的信任层。

原文

5月30日

23:59

Harrison Chase@hwchase17

LangChain 宣布与 GEPA 集成，用户现在可以优化 LangChain 链的性能。GEPA 是一个用于优化 AI 工作流的工具，此次集成由开发者 @bryonkuchML 贡献的 PR 实现。该集成允许开发者通过 GEPA 的文档教程，轻松优化 LangChain 链，提升效率。这对于使用 LangChain 构建复杂 AI 应用的团队来说，是一个重要的性能优化手段。

AI产品 LangChain GEPA 性能优化

推荐理由：LangChain 用户现在可以直接用 GEPA 优化链性能，省去手动调优的麻烦，做 AI 工作流的开发者值得一试。

原文

12:11

Harrison Chase@hwchase17

LangChain 发布了 Agent Builder 功能，允许用户通过日常语言在 LangSmith Fleet 中创建智能体。该工具旨在实现无代码智能体构建，适用于实际工作场景。同时，LangChain 提供了免费的 LangChain Academy 课程，帮助用户快速上手。这一举措降低了智能体开发的门槛，让非技术人员也能参与 AI 应用构建。

AI产品智能体无代码 LangChain

推荐理由：LangChain 的 Agent Builder 让非开发者也能用自然语言创建智能体，做自动化流程的团队可以直接上手试试，省去写代码的麻烦。

原文

12:07

官方账号LangChain@LangChainAI

LangChain 推出 LangSmith Fleet，允许用户使用日常语言创建智能体，无需编写代码。该工具旨在让非技术用户也能构建实用的智能体，用于实际工作场景。同时，LangChain 提供了免费的 LangChain Academy 课程，帮助用户快速上手。这降低了智能体开发的门槛，让更多人能够利用 AI 自动化任务。

AI产品智能体 LangChain 无代码

推荐理由：LangSmith Fleet 让非开发者也能用自然语言创建智能体，适合业务人员或想快速验证智能体想法的团队，建议直接试试免费课程。

原文

11:51

官方账号LangChain@LangChainAI

LangChain 推出 LangSmith Engine，能够自动完成智能体性能优化的循环：读取追踪、发现模式、编写评估并生成修复。传统方式需要开发者手动分析日志和编写评估，效率低下。LangSmith Engine 将这一流程自动化，大幅提升智能体迭代速度。对于构建复杂智能体应用的团队，这意味着更快的调试和更稳定的生产环境。

AI产品智能体 LangSmith 自动化优化

推荐理由：做智能体开发的团队终于可以告别手动翻日志的苦活——LangSmith Engine 自动跑完优化循环，建议直接试试。

原文

11:50

Harrison Chase@hwchase17

LangChain 的 LangSmith Signal 最新数据显示，开源模型正在经历爆发式增长。2026 年 4 月，已有 1/3 的 AI 团队运行过开源权重模型，而九个月前这一比例仅为 1/5。使用开源权重的团队总数增长了 3 倍。新用户选择开源模型的比率高于早期用户。这表明开源模型正从边缘走向主流，成为越来越多 AI 团队的首选。

行业开源模型 LangChain AI 团队

推荐理由：开源模型的使用率翻倍增长，做 AI 应用或模型选型的团队值得关注这个趋势——新用户更倾向开源，意味着生态正在加速成熟。

原文

11:42

官方账号LangChain@LangChainAI

LangChain 在推文中引用 Cogent Security 联合创始人兼 CTO Geng Sng 的观点，提出将智能体架构类比为神经系统的思考方式。这一比喻强调智能体各部分之间的协调与信息传递，类似于生物神经系统的反射弧和中枢处理。该观点在 Max Agency 播客中详细阐述，旨在帮助开发者更直观地理解复杂智能体系统的设计原则。对于正在构建多智能体或复杂工作流的团队，这一视角可能带来架构设计上的启发。

AI产品智能体架构设计 LangChain

推荐理由：用神经系统类比智能体架构，能帮开发者跳出传统模块化思维，做复杂工作流设计的团队值得一听这个播客。

原文

11:28

Harrison Chase@hwchase17

LangChain 创始人 Harrison Chase 在 X 上发文指出 LLM 支出正变得非常高，并介绍了 LangChain 的 LLM Gateway 功能，核心是支出可见性和支出控制。该网关可在请求到达模型前强制执行支出限制并脱敏 PII，而非事后处理。目前开放私测注册，旨在帮助团队有效管理 AI 成本。

AI产品 LangChain LLM Gateway 支出控制

事件专题

推荐理由：LLM 成本飙升是每个 AI 团队的痛点，LangChain 的网关在请求前就拦截超支和敏感数据泄露，比事后补救更实用。做 AI 应用开发或运维的团队，值得立即申请私测体验。

原文

00:03

官方账号LangChain@LangChainAI

LangChain 在 Interrupt 主题演讲中推出了 Managed Deep Agents，由 Sydney Runkle 和 Victor Moreira 进行了 20 分钟的详细演示。该产品旨在简化深度智能体的部署与管理，降低开发门槛。演讲展示了如何通过托管服务快速构建和运行复杂智能体工作流。对于希望快速集成 AI 智能体的团队来说，这是一个值得关注的工具。

AI产品智能体 LangChain 托管服务

推荐理由：LangChain 把深度智能体的部署门槛降低了，做 AI 应用开发的团队可以直接用托管服务省去运维烦恼，建议点开看看 20 分钟演示。

原文

5月29日

22:30

Harrison Chase@hwchase17

LangChain 发布 Deep Agents v0.6，将“Harness Profiles”提升为一等抽象，允许为不同模型定制提示和工具。这一更新解决了模型间性能差异问题，使开发者能以低于封闭前沿 API 20 倍以上的成本，从 Kimi、Qwen 和 DeepSeek 等模型获得生产级性能。LangChain 还提供了调优指南，帮助用户优化模型配置。

AI产品 LangChain Deep Agents Harness Profiles

推荐理由：做多模型 Agent 的团队终于不用为每个模型手写适配代码了——Harness Profiles 让不同模型自动获得最优提示和工具配置，成本直降 20 倍，建议直接看调优指南。

原文

22:06

官方账号LangChain@LangChainAI

LangChain 发布 Deep Agents v0.6，将 Harness Profiles 提升为一等抽象，使得开发者可以轻松配置和优化模型推理。新版本支持 Kimi、Qwen、DeepSeek 等开源模型，在保持生产级性能的同时，成本仅为闭源前沿 API 的 1/20 以下。这为需要高性价比 AI 代理的团队提供了更灵活的选择。

AI产品 LangChain Deep Agents Harness Profiles

推荐理由：做 AI 代理的团队终于可以低成本使用开源模型达到生产级性能，建议做推理优化的开发者直接试试 Harness Profiles 的调优功能。

原文

08:27

官方账号LangChain@LangChainAI

LangChain 被 Redpoint 列入 2026 年 InfraRed100 榜单，该榜单表彰云基础设施领域最具变革性的 100 家公司。这标志着 LangChain 在 AI 应用开发框架领域的影响力获得行业认可，尤其在其推动 LLM 应用落地和生态建设方面。入选该榜单意味着 LangChain 的技术和商业模式被认为对云基础设施的未来有重要影响。

行业 LangChain 云基础设施行业榜单

事件专题

推荐理由：做 AI 应用开发的团队值得关注——LangChain 入选 InfraRed100 说明其框架在云基础设施层面被顶级风投认可，意味着更稳定的生态和更多企业级支持，建议开发者持续跟进其最新动态。

原文

08:16

官方账号LangChain@LangChainAI

精选

LangChain 指出，评估（evals）会直接影响智能体系统的行为方向，但更多的评估并不等于更好的智能体。关键在于构建能够反映生产环境中期望行为的针对性评估。LangSmith Engine 等工具可以帮助用户从追踪数据中精准创建评估，从而构建更优秀的智能体。这一观点强调了评估质量而非数量的重要性。

AI产品智能体评估/Eval LangChain

推荐理由：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。

原文

08:15

官方账号LangChain@LangChainAI

LangChain 发布了新课程《Intro to LangSmith Deployment》，教你如何将单用户桌面 Deep Agent 扩展到多租户、弹性基础设施上的生产级部署。课程涵盖从原型到规模化部署的关键步骤，适合希望将 AI 智能体投入实际生产环境的开发者。该课程是 LangChain Academy 系列的一部分，旨在降低 AI 应用部署门槛。

AI产品 LangChain LangSmith 部署

推荐理由：做 AI 智能体部署的开发者终于有了官方指南——LangChain 手把手教你从单用户原型到多租户生产环境，建议直接学起来。

原文

08:11

官方账号LangChain@LangChainAI

精选

LangChain 发布了 Deep Agents v0.6，新增 ContextHubBackend 功能。该功能为驱动智能体行为的文件提供了一个版本化的存储空间，基于 LangSmith Context Hub 实现。它允许开发者从一次运行到下一次运行持续改进上下文，提升智能体的一致性和表现。这对于需要精细控制智能体行为的团队来说是一个实用更新。

AI产品智能体 LangChain LangSmith

推荐理由：做智能体开发的团队终于有了版本化的上下文管理工具，能避免每次调试都从头开始，建议用 LangChain 的开发者直接升级试试。

原文