LangSmith

LLM评估框架存在可测量偏差，RAGAS/DeepEval/Promptfoo各有适用场景，需结合生产监控工具实现完整评估体系。

LangSmith 现已支持 Cursor、Copilot 等编码代理的标准化追踪，实现无需额外配置的全链路可观测性。

LangChain为Codex会话集成LangSmith追踪插件，实现工具调用、令牌使用等操作的实时追踪。

LangSmith新增对Cursor、Copilot等代码代理的全会话追踪功能，支持无需额外配置的稳定键标识与运行树分析。

施耐德电气通过自托管LangSmith平台管理全球60+ AI代理，覆盖100+国家，其AI助手服务16万员工，验证了LLMOps在大规模AI部署中的可行性。

GLM 5.2与dcode结合实现开源模型编码突破，性能接近闭源模型且成本更低。

LangSmith 通过将代理的交互痕迹转化为持久记忆，实现代理的持续学习与行为优化。

LangSmith 引入了‘睡眠时间计算’机制，通过后台分析代理轨迹并更新记忆存储，提升智能代理的长期记忆能力。

LangChain 推出 Engine，通过自动化分析代理日志和测试，提升代理开发效率。

可观测性对于智能代理是必不可少的，需结合 LangGraph 和 LangSmith 工具实现。

LangSmith Sandboxes通过隔离执行环境安全运行不受信任的代理代码，有效防止如'sci-holude'供应链攻击等风险，适用于AI代理在软件工程、数据分析等场景。

Google ADK 代理现可直接部署到 LangSmith Deployments，使用包装器包可为使用 Google Agent Development Kit 构建的代理提供生产级持久性、流式传输和跟踪功能。

LangSmith 沙盒 GA 发布新功能：快照与低成本分支，支持高效并行开发与错误恢复。

在金融服务领域，解释结论的推导过程与结论本身同等重要；LangChain通过LangSmith工具链记录每个查询、响应和中间结果，实现决策过程的可追溯性，确保AI代理输出的透明性和合规性。

AI在金融代理任务中仍需更高质量数据以生成复杂答案，LangChain团队通过Deep Agents、LangSmith和You.com Finance API实现显著性能跃升，在多个竞争基准中表现突出。

Rippling 在6个月内通过 Deep Agents 和 LangSmith 将AI功能部署至数百万用户，展示了高效生产级AI开发流程。

Harbor 是一个用于运行更长时间、更状态化的代理评估的框架，已成为行业标准。

LangSmith 现已作为全托管 SaaS 服务在 AWS Marketplace 上提供，支持多种 AWS 服务集成。

LangChain 推出开源项目 DeepAgents，提供模型无关的代理框架，配套课程涵盖核心能力与实践。

通过pipecat_ai工具可将LangGraph代理快速转换为语音代理，LangSmith支持全流程追踪。

一个由 Deep Agents、LangSmith 和 YouDot 金融研究 API 驱动的宏观经济研究代理，能够分析 GDP 数据、检测异常、调查行业层面的结构性与周期性驱动因素，并生成结构化且带引用的简报。

LangChain Academy推出新课程，系统讲解Deep Agents开发框架，包含harness机制与LangSmith工具的实践应用。

文章介绍了如何通过迭代改进将代理从首次运行提升至生产就绪状态，但信息密度较低，缺乏具体技术细节。

LangSmith 现已支持 HarborFramework 的沙箱环境，可通过 pip 安装并使用 API 密钥进行认证。

LangSmith 提供工具帮助分析代理在生产环境中的问题，但内容信息密度较低，缺乏具体机制和实践案例。

LangChain 推出 Managed Deep Agents 与 LangSmith Sandboxes 的集成，允许代理安全执行代码。

文章为LangChain团队夏季AMA活动宣传，未提供具体技术内容或工程实践指导。

文章内容信息密度低，缺乏技术深度和具体实践细节。

LangSmith 是一个用于 AI Agent 和 LLM 可观测性及评估的平台，但文章内容信息量低，缺乏深度技术细节。

Odessia 是一个由 LangChain 技术支持的 AI 驱动的旅行代理，允许用户通过一次对话规划和预订整个行程。