LangSmith 微調 CLI smithtune 可在 FireworksAI_HQ 與 baseten 上訓練
Ankush Gola 表示,smithtune 會從 LangSmith 提取、篩選並處理軌跡,在 FireworksAI_HQ 與 baseten 上訓練,再用 LangSmith 評估結果。程式碼位於 langchain-ai 的 GitHub 儲存庫。
Ankush Gola 表示,smithtune 會從 LangSmith 提取、篩選並處理軌跡,在 FireworksAI_HQ 與 baseten 上訓練,再用 LangSmith 評估結果。程式碼位於 langchain-ai 的 GitHub 儲存庫。
LangChain 表示,LangSmith Custom Apps 可以用提示詞,根據代理數據建立介面,包括標註執行、比較實驗及檢視追蹤的視圖。
Fireworks 表示,其為 LangChain 的 LangSmith Fine-Tuning 與 smithtune 的發佈訓練合作夥伴,並描述一條以單一 CLI 從 LangSmith traces 進入 Fireworks 上受管 SFT、再進行評估與部署的路徑,無需另建訓練基礎設施。
Managed Deep Agents 0.8 新增用戶記憶,並可控制記憶的儲存位置。Nathan Drezner 表示,在私人情境中建立的記憶絕不會分享;Context Hub 則讓開發者檢視一般代理記憶,同時保持用戶記憶私密。
Managed Deep Agents 0.8 新增用戶自有憑證與記憶、供內部工具使用的 HTTP 通道、原生 slackhq 檔案傳輸,以及透過 p0 的內建網頁搜尋。
LangChain 在 Interrupt 發布 LangSmith Engine v2。它可在正式上線前找出代理問題,在向用戶展示前測試擬議修復,並呈現低效的代理工作以及成本與延遲趨勢。
LangChain 在 Interrupt 發布 LangSmith Engine v2,並表示它能主動找出 agent 的問題,在用戶看到之前加以解決。
schedules/ 內包含 cron 表達式和提示詞的排程檔可以部署,讓 Managed Deep Agent 自行執行。
講座將介紹線上評估的關鍵要素,以及團隊如何使用 Tuned Evaluators 分析 agent 互動,並為生產環境追蹤附加回饋。
LangSmith 為受支援的決策模型提供每一步的可見性,包括 Jev 及 SemIf。
LangChain 表示,Managed Deep Agents 只需幾行程式碼即可建立這類代理。其示例 Patch 在 Slack 討論串中被標註並收到功能說明後,會開啟包含 diff 的 pull request。
LangChain 引述 nathan drezner,並連結 Typesafe AI 的 Jev 中介軟件官方文件;該中介軟件可在用戶定義路由後,為 LangChain 託管深度智能體處理模型選擇。
Nathan Drezner 表示,TypeSafe AI 的 Jev 中介軟體可與 LangChain 託管深度代理一併用於模型路由。用戶定義路由,Jev 負責模型選擇。
LangChain 表示已測試 Jev 對比 GPT-5.6 Luna、GPT-5.6 Terra 及 Claude Sonnet 4.6 作為代理評估評判,報告每次呼叫均與人類審核者一致,方差最多低 913x,每次呼叫 0.44s,完整運行成本為 $0.34,而使用 Claude Sonnet 4.6 則為 $28.17。
LangChain 表示 Jev-as-a-judge 現已於 LangSmith 推出。該公司聲稱它可為每條生產追蹤評分、在成本不上升的情況下為每條追蹤檢查更多準則,以及足夠快地捕捉安全或保安問題以觸發自動回應。
LangChain 表示,將於 LangSmith LLM Gateway 把開源決策模型 SemIf 免費提供一星期。在被引用的帖文中,Jacob Lee 亦表示 SemIf 會免費服務一星期,並與 TypeSafe SDK 兼容。
LangChain 重點介紹了 Sydney Runkle 一段不足 10 分鐘的影片,拆解 @typesafeai 的新 Jev 模型,以及如何將其接入智能代理。