标签
Tavily 宣布原生集成 NVIDIA 的 NemoClaw Deep Agents Blueprint，可轻松配置工具使用和网络策略治理。
LangChain展示了一段7分钟的教程，由合作伙伴工程师Srimanth Tangedipalli讲解如何在受治理的NemoClaw OpenShell沙盒中运行Deep Agents代码，并通过Baseten使用NVIDIA Nemotron 3 Ultra。
NVIDIA Nemotron 3 Ultra 借助 LangChain Deep Agents 框架实现了基准测试领先性能，无需重新训练即可比闭源模型更低的成本获得更高准确度。
LangChain Academy 推出新课程《深度智能体入门》，讲授什么是 harness 以及 harness 的四大核心能力，并使用 LangChain 和 LangSmith 进行动手实践构建。
LangChain 宣布支持在 Deep Agents 中运行递归语言模型（RLM）工作流，并附带一个6分钟的讲解视频。
LangChain 发布了统一评估栈（Harbor + LangSmith）和基于 WASM+QuickJS 的进程内代码执行方案，旨在提升 AI agent 的评估可靠性与执行安全性。
LangChain的Deep Agents允许不受信任的代理编写的代码通过基于WebAssembly的代码解释器安全运行，提供执行和能力隔离，无需传统沙盒。
Harbor Framework 现在集成了 LangChain 的 Deep Agents、LangSmith Sandboxes 和 Observability，能够在隔离、可复现的环境中运行智能体，进行确定性测试。
LangChain 的 Deep Agents 现在支持动态子代理，主代理通过编写协调代码来大规模协调工作，实现处理数百份文档等具有确定性覆盖的工作流程。
Deep Agents 引入了动态子代理，它们通过代码脚本进行程序化编排，而不是使用工具调用，从而实现了可靠的扩展和复杂的工作流程。该功能集成了 QuickJS 代码解释器以实现轻量级执行。
LangChain 官方团队开源了教程 'Deep Agents from Scratch'，从零拆解主流 Agent 的核心设计模式，涵盖任务规划、上下文卸载到文件系统以及子代理隔离等思路，共 5 个渐进式 Notebook，可上手搭建完整深度研究 Agent。
Alex 是 LangChain 团队的新成员，发表了一篇文章，解释 Deep Agents 如何使用提示缓存来降低 API 成本。
一篇解释如何使用 LangChain 的 Deep Agents 库构建类似 Claude Code 的编码代理的文章，涵盖了架构和实现。
Box Agent 基于 LangChain 的 Deep Agents 框架构建，支持跨库搜索、多文档合成和结构化报告生成，同时保留 Box 现有的安全与权限模型。
这是由 Sydney Runkle 对 Deep Agents 的简短解释，由 LangChain 呈现。
LangChain展示了一个宏观经济研究代理，该代理由Deep Agents、LangSmith和You.com金融研究API构建，可分析GDP数据、检测异常、调查部门层面的结构和周期性驱动因素，并生成结构化的、有引用的简报。
LangChain 宣布 Managed Deep Agents 进入私有测试版，这是一个托管的 API 优先运行时，用于构建、运行和生产中操作深度代理，利用开源 Deep Agents 工具集，并与 LangSmith 集成，实现持久执行、流式处理和人机协作工作流。
Deep Agents 引入了解释器：小型嵌入式运行时，允许智能体在智能体循环内编写和执行代码，实现多步逻辑和中间状态管理，无需完整的沙箱开销。
Deep Agents v0.6 引入了代码解释器、用于按模型调优的测试配置文件、流式支持、用于检查点存储的 DeltaChannel 以及用于版本化代理记忆的 ContextHubBackend，实现了模型无关的编程式工具调用和递归工作流。
Box 与 LangChain 展示了利用 Deep Agents 和 VFS 沙箱实现的端到端供应商风险分析解决方案，其中 PDF 文件由并行子代理处理以生成结构化报告。