LangChain

推荐理由：LangChain 发布 Tuned Evaluators，自动评分智能体行为，成本降 82%，比前沿模型准。

推荐理由：Harrison Chase 画了张图，讲清楚 DeepAgents 的渠道怎么用。

推荐理由：LangChain 发布 Tuned Evaluators，自动评估 Agent 行为，成本降 82%，比前沿模型更准。

推荐理由：LangSmith 新功能 Tuned Evaluators 能低成本监控 Agent 行为。

推荐理由：LangChain CEO 和 Prime Intellect 研究员一起聊模型评估和环境工程自动化。

推荐理由：Monday 的 Sidekick 能边干活边迭代，比如分析 CSV、画地图，靠 LangSmith 沙盒隔离环境，看他们怎么做的。

推荐理由：LangChain和AWS搞了个AgentCore Payments，智能体调用付费API时自动付钱，不用你手动处理402，花钱记录还进LangSmith，方便查账。

推荐理由：LangChain创始人讲Agent怎么搭：模型权重自持，harness可配置，评估用Harbor，LangSmith跑数据飞轮，干货多。

推荐理由：LangChain 的 Harrison Chase 说，以后 agent 要在后台自己跑，用 Managed Deep Agents 几行代码就能设置定时触发，不用人盯着了。

推荐理由：搞生产级 agent 的可以看看，LangChain 把 managed deepagents 的文档重写了，每个组件一个文件，点开就能看到代码在哪，省事。

推荐理由：红杉活动上，LangChain创始人聊了智能体三件套：框架、模型、上下文。他说越偏离模型训练数据，越该自己造框架。还演示了LangSmith Engine怎么做评估。

推荐理由：LangSmith 的 Dashboard 大改版，能把 KPI、趋势和 Trace 拆解放一起看，做报告方便多了。

推荐理由：这个专场直播有UC Berkeley、Sakana.ai等讲持续学习，关注Agent记忆的可以看看。

推荐理由：LangChain的Viv分享了一套改进智能体的实战思路，核心是用生产数据挖Evals，还给了Harness-PostTrain的开源模型配方。

推荐理由：做智能体评估的可以看看，LinkedIn分享怎么把追踪数据变成黄金数据集，还教你怎么训LLM当裁判。

推荐理由：想知道你的智能体能不能少花点钱？LangChain实测NVIDIA的Switchyard，93%任务用30B模型搞定，成本砍七成，准确率还保住九成。

推荐理由：LangChain 给 LangSmith 网关加了数据保护，请求发出前自动识别并替换 PII 和密钥，企业用户可申请测试。