@LangChain：来自@AdamRLucek关于LangSmith Engine的精彩讨论！
摘要
Adam Łucek 讨论了 LangSmith Engine，这是一个使用追踪数据来自动化代理开发的代理。
查看缓存全文
缓存时间: 2026/09/12 02:43
@AdamRLucek 关于 LangSmith Engine 的精彩讨论：
Adam Łucek (@AdamRLucek): 过去五个月我一直在研究 Engine——这个“为智能体工程而生的智能体”——虽然可能有些主观，但我认为它相当酷。因此想简要介绍我们如何借助自身智能体，结合追踪数据来推进自动化智能体开发。
@AdamRLucek 关于 LangSmith Engine 的精彩解析： 智能体框架核心要义，90秒速通版。 关键结论：若未从事模型研发，则必然深耕框架工程。
https://academy.langchain.com/courses/foundation-introduction-to-deepagents…
相似文章
@LangChain: 改进智能体 旧方法：手动读取追踪、寻找模式、编写评估、创建修复。更好的办法…
这条推文对比了改进AI智能体的旧手动方法与使用LangSmith Engine的新自动化方法，后者循环进行追踪、评估和修复。
@LangChain：.@AdamRLucek 关于我们如何利用追踪数据为生产环境中的代理构建评估系统。
Adam Łucek 探讨了 LangChain 如何使用追踪数据为生产环境中的代理构建评估。
@LangChain：LangSmith 让 @MorningstarInc 能在一个地方追踪每一个代理决策。高级软件工程师 Matt Trivett 讨论调试在使用 LangSmith 前后的变化……
LangSmith 实现了代理决策的集中追踪，提高了调试效率，正如 Morningstar Inc 的高级软件工程师所展示的那样。
@LangChain：减少分类时间，更快修复，更早发现回归。介绍LangSmith Engine：一个能够自动工作的智能体……
LangChain 推出 LangSmith Engine 公测版，这是一个自主智能体，能够监控生产追踪、聚类故障、诊断根本原因，并提出修复和评估覆盖建议，以简化智能体开发。
@LangChain: "LangSmith 让我们能够监控所有代理，了解哪些有效，哪些无效，哪些工具调用失败…"
丰田的企业AI团队使用LangSmith和Deep Agents来扩展AI代理开发，将生产时间从6个月缩短至4天，并部署了超过50个代理。