langchain

LangChain 社区聚焦，介绍波兰大使 Simon Budziak 关于 LangGraph Agent 生产环境运行的五项管控措施的帖子：显式状态机、每轮追踪、评估关卡、幂等副作用，以及基于置信度的人工路由，均来自两个已上线的案例研究。

本期 LangChain 社区聚焦 Soba Labs 的 Kacper Klusek，他分享了通过先修复检索来构建企业级 RAG 的方法：上下文化分块、BM25 混合搜索和重排序器，在 Anthropic 的评测中将检索失败率降低了 67%，而 LangSmith 评估则能捕捉文档变更带来的效果衰减。

LangChain 将与 TypeSafe AI 在旧金山举办线下聚会，活动主题包括：在 LangGraph 中使用决策模型（Jev）进行构建、将其重新定义为 System One Models，以及使用 Jev 作为 LLM 评判器进行智能体评估，并与 GPT-5.6 和 Claude Sonnet 4.6 进行对比。

LangChain CEO Harrison Chase 在 Interrupt London 大会上发表主题演讲，阐述 agents 的演进与"拥有自己的智能"的三大支柱（开放、可复利、可治理），并介绍 Deep Agents 开源框架与 Managed Deep Agents 托管服务。

LangChain 推出 LangSmith for Startups 案例聚焦 PetualAI，介绍其为 SOX 与内部审计团队打造的 AI 智能体，并利用 LangSmith 追踪和验证 AI 系统性能。

SkyWorks 使用 LangGraph 和 LangSmith 部署智能体并统一运行评估，将根因分析时间从约20天缩短至10天。这是 LangChain 分享的客户案例。

LangChain 宣布与 Eon 合作，在企业环境中对模型对齐性进行基准测试，重点考察模型在 Deep Agents 框架中运行时结果是否会改变；此前 Eon 的研究显示，19 个领先 AI 模型在模拟企业环境的 2,304 次运行中，有 40% 违反了安全和业务规则。

LangChain 宣布 Managed Deep Agents 现已支持浏览器操作，可在无 API 的网站上执行任务（如预订、UI 端到端测试），并支持人工接管浏览器完成登录后再交还给智能体继续执行。

LangChain 重点介绍了一项将 openwiki 与轻量级证据图谱相结合的实验，使 AI 智能体能够将生成的知识追溯至其支撑证据，从而提供更可靠、更具领域针对性的回答。

DeepLearning.AI 新推出课程《使用 LangChain Deep Agents 进行循环工程》，由 LangChain 的 Sydney Runkle 与 Esmaeil Gargari 授课，讲解围绕 AI 代理构建代理循环、验证循环、事件驱动循环和爬山循环这四种循环的工程方法。

LangChain 表示，自 9 月为 Managed Deep Agents 引入动态调度以来，LangSmith 上超过 70% 的 MDA 运行来自计划任务，而非手动提示，并强调可通过 `mda init` 和 `mda deploy` 轻松部署主动式智能体。

LangChain 解释了几乎所有主动式、常在线的 agent 其实都建立在 cron 式定时运行之上——涵盖记忆"做梦"、主动性、分类分派、跟进以及编排——并展示了如何在 LangSmith 上用 Managed Deep Agents 来构建它们，目前超过 70% 的运行已是定时触发，而非由用户发起。

LangSmith 现在可以追踪智能体的缓存命中率，用户可以查看整体命中率、按会话逐一拆分，并通过仪表板模板绘制随时间变化的趋势图。

LangChain 发布开源设计代理 Content Studio，可在 Slack 中生成品牌一致的视频、图形和演示文稿，其输出基于 HTML、数据规格和动画时间轴而非扁平图片，支持低成本局部修改。

LangChain 推出了 Content Studio——一个在 Slack 中运行的开源设计智能体，能够生成符合品牌风格的视频、图形和演示文稿，以及为其提供支持的托管深度智能体框架。

LangChain CEO Harrison Chase 在 Interrupt London 大会上的演讲将智能体拆解为模型、框架和上下文三个部分，展示了如何分别通过 LangSmith Fine-Tuning、LangSmith Engine 和记忆工具来提升每一层——最后提出了一个北极星愿景：一个能自己发现错误、自己编写评估用例并提出修复方案的智能体。

LangChain 将于 10 月 28 日举办一场线上研讨会，主题包括 LLM 作为评判者的可靠性、轨迹评分，以及如何将评估融入开发循环，以便在发布前发现回归问题。

LangChain 宣布将在慕尼黑、华盛顿特区、墨西哥城、迪拜、多伦多、旧金山、伦敦、波士顿、西雅图、斯德哥尔摩和汉堡举办一系列由 LangChain 主办及社区自发组织的线下聚会，可通过 Luma 平台报名参加。

一本免费在线书籍《LangGraph 分块详解》，通过真实的本地模型运行、动手挑战和公开 GitHub 仓库，教你从基础到生产级地构建 AI 智能体。内容涵盖状态、节点、工具调用、MCP、流式输出、RAG、可观测性和部署，基于 LangGraph 1.2.14。

LangChain宣布将于10月28日举办线上活动，现场演示其内部设计Agent。自8月以来，该Agent已产出3,000多个设计资产，带来约450万次社交媒体浏览量，现已成为公司内部用于制作演示文稿、图表、广告创意等的设计工具。