LangSmith 微调 CLI smithtune 可在 FireworksAI_HQ 与 baseten 上训练
Ankush Gola 表示,smithtune 会从 LangSmith 拉取、筛选并处理轨迹,在 FireworksAI_HQ 和 baseten 上训练,再用 LangSmith 评估结果。代码位于 langchain-ai 的 GitHub 仓库。
Ankush Gola 表示,smithtune 会从 LangSmith 拉取、筛选并处理轨迹,在 FireworksAI_HQ 和 baseten 上训练,再用 LangSmith 评估结果。代码位于 langchain-ai 的 GitHub 仓库。
LangChain 表示,LangSmith Custom Apps 可以用一条提示词根据智能体数据生成界面,包括用于标注运行记录、对比实验和查看追踪的视图。
Fireworks 表示,它是 LangChain 的 LangSmith Fine-Tuning 与 smithtune 的首发训练合作伙伴,并描述了一条只需一条 CLI、无需单独训练基础设施的路径:从 LangSmith 轨迹到 Fireworks 上的托管 SFT,再到评估与部署。
Managed Deep Agents 0.8 新增用户记忆,并允许控制记忆的存储位置。Nathan Drezner 表示,在私密上下文中创建的记忆绝不会被共享;Context Hub 让开发者可以查看通用智能体记忆,同时保持用户记忆私密。
Managed Deep Agents 0.8 新增用户自有凭证与记忆、用于接入内部工具的 HTTP 通道、原生 slackhq 文件传输,以及通过 p0 提供的内置网页搜索。
LangChain 在 Interrupt 发布 LangSmith Engine v2。它能在进入生产前识别智能体问题,在向用户展示前测试拟议修复,并呈现低效的智能体工作以及成本和延迟趋势。
LangChain 在 Interrupt 发布 LangSmith Engine v2,并表示它能主动发现智能体问题,并在用户看到之前加以解决。
schedules/ 中包含 cron 表达式和提示词的计划文件可以部署,使 Managed Deep Agent 自行运行。
这场活动介绍在线评估的关键要素,以及团队如何用 Tuned Evaluators 分析智能体交互,并把反馈附加到生产环境的追踪记录上。
LangSmith 为受支持的决策模型提供每一步的可见性,包括 Jev 和 SemIf。
LangChain 表示,Managed Deep Agents 只需几行代码即可构建这类智能体。其示例 Patch 在 Slack 讨论串中被提及并收到功能描述后,会发起包含 diff 的 pull request。
LangChain 引用了 nathan drezner,并链接了 Typesafe AI 的 Jev 中间件官方文档。该中间件可在用户定义路由后,为 LangChain 托管深度智能体处理模型选择。
Nathan Drezner 表示,TypeSafe AI 的 Jev 中间件可与 LangChain 托管深度智能体配合使用,用于模型路由。用户定义路由,Jev 负责模型选择。
LangChain 表示,其将 Jev 与 GPT-5.6 Luna、GPT-5.6 Terra 和 Claude Sonnet 4.6 作为智能体评估评判进行了对比测试,报告称每次调用均与人类评审员匹配,方差最高降低 913 倍,每次调用耗时 0.44 秒,完整运行成本为 0.34 美元,而使用 Claude Sonnet 4.6 为 28.17 美元。
LangChain 表示,Jev-as-a-judge 现已在 LangSmith 中可用。该公司声称,它可以对每条生产轨迹打分,在成本不上升的情况下检查每条轨迹的更多标准,并足够快地发现安全或安保问题以触发自动响应。
LangChain 表示,将在 LangSmith LLM Gateway 中把开源决策模型 SemIf 免费开放一周。在被引用的帖子中,Jacob Lee 还表示 SemIf 将免费提供一周,并兼容 TypeSafe SDK。
LangChain 重点介绍了 Sydney Runkle 的一段不到 10 分钟的视频,拆解 @typesafeai 的新 Jev 模型以及如何将其接入智能体。