跳到正文

#LangChain

今日 2 条
今天10月9日周五
  1. LangChain Blog41

    Snyk 如何将内部支持智能体转变为客户功能

    Snyk 基于 LangChain 与 LangGraph 构建了对话式 AI 智能体 Snyk Assist,并成功将其从内部客服工具演进为面向所有付费客户的核心产品功能。该智能体依托统一运行时驱动 Web、Slack 和 API 多端入口,能够解答安全疑问、排查依赖包漏洞并自动提交工单。团队通过 LangSmith 进行全流程评测与可观测性管理,并借助中间件实现了基于权限的工具调用与护栏拦截。

  2. LangChain Blog44

    基于 Stripe Link 与 Managed Deep Agents 构建具备支付能力的 AI 智能体 Restock

    LangChain 展示了基于 Managed Deep Agents 与 Stripe 的 Link 钱包构建的采购 AI 智能体 Restock。该智能体结合机器支付协议(MPP)与 Zinc API 处理电商下单,并在 Slack 确认与 Link 付款阶段设置双重人工审核。支付凭据全程与大模型隔离于沙箱内,模型无法接触敏感信息,订单结算后自动退还差额。

10月8日周四
  1. LangChain Blog51

    LangChain 重构 Deep Agents 技能系统

    LangChain 在 Deep Agents 中重构了技能支持机制,新增工具与技能绑定、固定技能预加载以及会话中技能重载功能。绑定的工具仅在智能体读取对应技能后才会注入上下文,有效减少冗余提示词开销并避免缓存失效;固定技能机制则允许用户直接通过指令在前置轮次加载技能,降低调用延迟。

  2. LangChain Blog55

    LangChain 发布 Managed Deep Agents v0.9:支持自主定时排程、单次运行动态配置与 Slack 表情响应

    LangChain 推出 Managed Deep Agents v0.9 公开测试版,新增自主排程、单次运行动态配置及 Slack 表情反馈三大核心功能。通过 Schedules SDK,AI 智能体可在对话中用 cron 表达式创建周期性或一次性任务,并继承原用户权限向对应渠道回传结果;系统现支持在每次运行前根据上下文动态加载模型、技能与 MCP 服务器,避免为不同团队重复部署。

10月2日周五
  1. LangChain Blog68

    LangChain:如何在 Agent Harness 中构建模型路由器

    LangChain 提出将模型路由器内置于 Agent 运行底座(Harness)的设计方案,在开源编码智能体 Open SWE 中使单线程中位数成本降低 64%,且代码合并质量无明显波动。该方案结合 LangSmith 追踪数据将任务拆解为不同复杂度,并把模型划分为快速、均衡与高性能三档进行首轮动态分流。团队通过线上 A/B 测试验证了路由有效性,目前已将相关能力封装为模型路由中间件供外部接入。

    推荐理由:LangChain 阐述了在 Agent 底座而非通用网关实现模型路由的架构设计,为多模型降本提供了分级评估与落地经验。

10月1日周四
  1. LangChain Blog57

    什么是 Jev:TypeSafe AI 系统一模型指南及 LangChain 集成

    TypeSafe AI 推出专门用于快速结构化决策的系统一模型 Jev,官方称其在分类任务上的推理速度比同类大语言模型快达 200 倍且成本降低 400 倍。该模型不生成文本,而是通过并行评估状态返回选择、评分及布尔概率,避免了每一步决策都调用完整大语言模型。LangChain 已通过 langchain-typesafe 库提供支持,可用于智能体模型路由以及在工具执行前拦截高风险操作。