#LangSmith
开源模型使用率翻倍增长，做 AI 开发的团队值得关注这一趋势——新用户更倾向开源，意味着生态正在成熟，建议评估是否将开源模型纳入技术栈。
做 LLM 应用开发的团队终于有了预算和隐私的防线——在请求到达模型前就拦截超支和敏感数据泄露，比事后审计靠谱得多，建议直接集成到生产流程。
做 AI 应用开发的团队终于有了一个简单有效的数据脱敏方案，尤其是处理用户隐私数据的场景，建议直接集成到你的 LLM 调用流程中。
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。
LangChain 把智能体安全执行环境做成了产品，做智能体开发的团队可以直接用 LangSmith Sandboxes 来隔离代码执行，避免安全风险，值得关注。
做 AI 应用测试的团队终于有了生产级隔离方案——LangSmith Sandboxes 用硬件虚拟化微VM彻底解决环境冲突，直接用现有 SDK 和 API 就能上手，值得每个用 LangSmith 的开发者试试。
Lyft 的实践证明了 LangGraph 和 LangSmith 能大幅缩短智能体开发周期并提升质量，做 AI 客服或自动化流程的团队可以直接借鉴，建议点开看看具体怎么做到的。
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 把优化循环自动化了，建议所有用 LangChain 的开发者直接体验。
智能体失控烧钱是真实痛点，做 AI 应用部署的团队可以直接用 LangSmith 的网关层来设预算上限，避免半夜被账单吓醒。
做 Agent 开发的团队终于有了正经的上下文管理方案——Context Hub 解决了多 Agent 协作时上下文碎片化的问题，建议做 AI 应用架构的开发者点开视频看看。
做智能体开发的团队终于有了一个能自动迭代优化的工具——LangSmith Engine 把反馈闭环做成了产品，省去手动调优的繁琐，建议正在构建复杂 Agent 的开发者点开看看。
零代码构建智能体舰队，让非技术人员也能用 AI 自动化复杂任务，想提升工作效率的团队或个人可以直接免费报名学习。
自托管 LangSmith 的团队终于有了一个轻量运维方案——Mission Control 省去了 ingress 和外部控制平面，直接在 K8s 内搞定部署和监控，做 LLM 应用基础设施的开发者值得关注。
做多轮对话智能体的团队终于有了可落地的评估方案——LangSmith 帮 Databox 把 Genie 的对话质量量化了，建议做 AI 分析助手的开发者点开看看具体怎么做的。
生产环境智能体监控是很多团队头疼的问题，LangSmith 给出了成本、质量、延迟一体的方案，做 AI 应用运维的开发者可以直接学起来。
做 Agent 开发的团队终于不用手动翻日志了——LangSmith Engine 自动找故障、写修复、提评估建议，建议所有用 LangChain 的开发者直接试试。
LLM Agent 的故障排查和修复一直是运维痛点，这个方案让做 Agent 部署和运维的团队能像用 Dependabot 一样自动化处理问题，值得关注后续进展。
做 AI 代理的开发者如果正在用其他追踪工具，LangSmith Engine 的迁移支持值得关注——官方承诺协助，且集成广泛，能直接对比性能。