deep-agents

文章讨论了开源 Stagehand SDK 与 Browserbase 的集成，为 LangChain 中的 AI 代理提供现成的浏览器工具，从而轻松设置浏览器交互。

LangChain 在其 Deep Agents 框架中引入了一项新功能，其中子代理现在可以分叉监督者的完整对话上下文，而不是从空白上下文窗口开始。

Caspar讨论了LangChain的托管深度代理如何自动设置Slack，并基于代理名称生成图标，灵感源自DitherAvatar。

LangChain Academy将于9月17日举办一场关于Deep Agents的现场研讨会，教导参与者构建具备规划、记忆和子智能体的智能体，以处理复杂任务。

Box采用LangChain的Deep Agents框架构建企业AI代理，强调模型灵活性和更快开发周期等优势，适用于复杂内容管理任务。

LangChain 推出了托管深度代理 (MDA)，这是一种简化生产 AI 代理构建和部署的方案，提供托管基础设施和深度代理框架。

LangChain使用Deep Agents测试了NVIDIA的开源路由器Switchyard，结果表明在模型之间进行路由可以将成本降低约70%，同时保持约90%的准确率，并推出了针对NVIDIA模型的新中间件集成。

Harmonic 的 AI 产品工程师 Austin Berke 分享了他们使用 LangChain 的 Deep Agents 框架重构 Scout 产品的经验，将第1周到第4周的用户留存率提升了4倍。核心思路是利用文件系统作为共享存储来管理上下文，打通代理、前端和确定性进程，让模型能够按需构建上下文。

LangChain 分享了 Sydney Runkle 撰写的一份指南，解释了 Deep Agents、LangChain 和 LangGraph 之间的区别及使用场景，并附有示例，帮助开发者选择合适的包。

LangChain Academy 宣布对其免费的“Introduction to Deep Agents”课程进行更新，新增了动态与异步子代理模块、课程导师技能、顶点项目、实践练习和 TypeScript 支持，以及 Deep Agents v0.7 的更新。

LangChain发布了Deep Agents v0.7，这是一个更精简的智能体框架，通过移除默认系统提示、精简工具描述以及将TodoListMiddleware设为可选，将基础输入令牌减少了65%，并在多个模型上验证了性能相当。

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。