traces

一位开发者构建了一个AI代理调试工具，通过比较重放与参考运行来识别行为首次偏离的位置，表达了对手动追踪调试的挫败感。

这篇推文推荐了一篇关于生产环境中智能体架构的文章，重点介绍了使用Traces诊断问题并实施迭代改进循环的做法。

Yohei Nakajima强调，在activegraph上构建智能体会自动产生一等公民的追踪记录，这不同于事后添加的解决方案，并通过一个编码智能体实验进行了演示。

马丁·卡萨多的一条推文，强调了一种解决方案，该方案解决了大规模向AI智能体暴露追踪数据这一难题，并平衡了成本与AI的杠杆作用。

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。

Respan推出了一款AI可观测性平台，能够自动捕获追踪记录中的问题，旨在取代基于智能体工作流程的手动调试。

Engine 是一种新工具，它将 Agent 可观测性追踪与自动修复和评估连接起来，为工程团队闭环 Agent 改进流程。

LangSmith Engine 是一个位于追踪数据之上的智能体，能够自动识别问题，并主动建议代码更改或添加评估器等行动项。