T
traeai
登录

产品

LangSmith

别名:LangSmith AI

LangChain推出的通用运行时抽象产品

已跟踪 30 条高相关材料

TraeAI 观察

相关材料

已收录 30 条与 LangSmith 相关的内容,按评分排序。

https://t.co/IFXwxW8Oac

https://t.co/IFXwxW8Oac

Harrison Chase(@hwchase17)1618 字 (约 7 分钟)
92

本文介绍了如何通过Auth Proxy来保护LangSmith代理沙箱的网络访问,确保在大规模部署代理时的安全性。Auth Proxy通过在网络层控制和管理代理与外部服务的交互,实现了凭据的安全管理、网络访问的显式控制以及团队职责的清晰分离。

入选理由:Auth Proxy使API密钥不进入运行时,从而减少因提示注入、恶意依赖、意外日志记录和模型错误导致的损害。

精选推文#LangSmith#Auth Proxy#网络安全#代理沙箱#凭据管理#网络访问控制#团队职责分离中文
Annotation Queues | Introduction to LangSmith (8/12)

Annotation Queues | Introduction to LangSmith (8/12)

LangChain1249 字 (约 5 分钟)
85

LangSmith注释队列通过人工审核校准LLM情感评分,解决自动化评估偏差问题,提升模型可靠性。

入选理由:人工审核发现20%的LLM评分与实际情感不符,需校准

精选视频#LangSmith#LLM评估#人工审核#情感分析英文
Insights | Introduction to LangSmith (9/12)

Insights | Introduction to LangSmith (9/12)

LangChain685 字 (约 3 分钟)
85

LangSmith Insights通过自动分析生产数据,发现客户与代理交互中的隐藏问题,如交付最低限额投诉,并生成覆盖所有线程的分类报告。

入选理由:Insights自动分析生产数据,可发现评估器未覆盖的隐藏问题

精选视频#LangChain#LangSmith#生产数据分析#自动化报告生成英文
Closing the Loop | Introduction to LangSmith (11/12)

Closing the Loop | Introduction to LangSmith (11/12)

LangChain388 字 (约 2 分钟)
85

LangSmith通过自动化评估、人工审核和基线实验实现生产代理闭环优化,包含订单确认工具修复等完整流程。

入选理由:confirm_order工具通过对比订单总额与最低配送标准进行评估

精选视频#LangSmith#监控系统#自动化测试#ADLC#订单处理英文
The Real Cost of "We Can Just Build It Ourselves"

The Real Cost of "We Can Just Build It Ourselves"

LangChain252 字 (约 2 分钟)
85

自行构建运行时可能因边缘案例和机会成本过高而得不偿失,使用通用运行时抽象更高效。

入选理由:迁移到LangSmith运行时可减少80%的边缘案例处理时间

精选视频#LangChain#运行时抽象#工程决策#机会成本英文
Tool Problem or Model Problem? How Clay Tells the Difference

Tool Problem or Model Problem? How Clay Tells the Difference

LangChain226 字 (约 1 分钟)
85

LangSmith通过分析生产流量的多维模式,帮助工程师区分工具问题与模型问题,提升客户支持效率。

入选理由:LangSmith可同时分析使用模式、成本、错误和延迟等多维数据

精选视频#LangChain#LangSmith#工具问题#模型问题#生产监控英文
How Clay Monitors Millions of Agent Runs

How Clay Monitors Millions of Agent Runs

LangChain268 字 (约 2 分钟)
85

Clay通过LangSmith的insights产品和在线评估器实现百万级代理运行监控,揭示规模化部署中的行为分析挑战。

入选理由:LangSmith的insights产品可分析百万级代理运行中的用户行为模式

精选视频#LangChain#代理监控#大规模部署#在线评估器英文
Inside Toyota's Manufacturing AI: LangChain, LangSmith, and Six Figure ROI

丰田通过LangChain和LangSmith实现制造AI,减少停机时间并获得六位数ROI。

入选理由:LangChain使丰田节省数百万美元开发成本,避免重复造轮子

精选视频#LangChain#LangSmith#制造业AI#ROI#丰田英文
Build a secure computer for your agent

Build a secure computer for your agent

LangChain8637 字 (约 35 分钟)
85

LangSmith沙箱为AI代理提供安全隔离的计算环境,支持秒级启动、代码执行和资源控制,已被7000+企业采用。

入选理由:LangSmith沙箱可在1秒内创建隔离的计算环境

精选视频#AI代理#LangSmith#安全计算#LangChain中英混合
Machine Learning Mastery 图标

LLM Evaluation Frameworks Compared: How to Actually Measure What Your Model Does

Machine Learning Mastery4572 字 (约 19 分钟)
85

LLM评估框架存在可测量偏差,RAGAS/DeepEval/Promptfoo各有适用场景,需结合生产监控工具实现完整评估体系。

入选理由:RAGAS/DeepEval/Promptfoo三框架分别适用于不同评估场景,成熟团队常并行使用

精选文章#LLM#评估框架#RAGAS#DeepEval#Promptfoo英文
we did a bunch of work to standardize how coding agents trace to langsmith

we did a bunch of work to standardize how coding agents trace to langsmith

Harrison Chase(@hwchase17)102 字 (约 1 分钟)
85

LangSmith 现已支持 Cursor、Copilot 等编码代理的标准化追踪,实现无需额外配置的全链路可观测性。

入选理由:LangSmith 支持 Cursor/Copilot/Pi/OpenCode 四大编码代理的统一追踪

精选推文#LangSmith#编码代理#可观测性#LangChain英文
GLM 5.2 + dcode: Frontier Coding with Open Models

GLM 5.2 + dcode: Frontier Coding with Open Models

LangChain1113 字 (约 5 分钟)
85

GLM 5.2与dcode结合实现开源模型编码突破,性能接近闭源模型且成本更低。

入选理由:GLM 5.2在终端基准测试中得81分,仅比Opus/GPT 5.5低2分

精选视频#GLM 5.2#dcode#开源模型#编码代理英文
How LangSmith Engine Turns Agent Traces Into Durable Memory

How LangSmith Engine Turns Agent Traces Into Durable Memory

LangChain2790 字 (约 12 分钟)
85

LangSmith 通过将代理的交互痕迹转化为持久记忆,实现代理的持续学习与行为优化。

入选理由:代理的短期记忆用于当前任务,长期记忆用于跨运行的行为改进。

精选视频#LangChain#AI代理#持续学习#记忆系统英文
The Agent for Your Agent.

The Agent for Your Agent.

LangChain678 字 (约 3 分钟)
85

LangChain 推出 Engine,通过自动化分析代理日志和测试,提升代理开发效率。

入选理由:Engine 可自动分析代理日志并生成修复建议。

精选视频#LangChain#AI代理#自动化测试#开发工具英文
observability is non-optional for agents

observability is non-optional for agents

Harrison Chase(@hwchase17)79 字 (约 1 分钟)
85

可观测性对于智能代理是必不可少的,需结合 LangGraph 和 LangSmith 工具实现。

入选理由:LangGraph 用于智能代理的编排,LangSmith 用于追踪、评估和回归测试。

精选推文#可观测性#智能代理#LangGraph#LangSmith英文
Run Untrusted Agent Code with LangSmith Sandboxes | Interrupt 26

使用LangSmith沙箱运行不受信任的代理代码

LangChain2363 字 (约 10 分钟)
85

LangSmith Sandboxes通过隔离执行环境安全运行不受信任的代理代码,有效防止如'sci-holude'供应链攻击等风险,适用于AI代理在软件工程、数据分析等场景。

入选理由:75% of Google code is AI-generated, 41% of GitHub commits from AI, 需LangSmith Sandboxes防止安全风险。

精选视频#LangSmith#AI Agents#Sandboxing#Security#LangChain英文
The Agent Development Lifecycle: Build, Test, Deploy, Monitor | Interrupt 26

LangChain提出Agent开发生命周期(ADLC),将智能体开发划分为构建、测试、部署、监控四个阶段,强调其与传统软件开发的本质差异在于输入输出空间的无限性和非确定性,成功团队的核心模式是"早发布、快迭代"。

入选理由:Agent输入空间无限(自然语言/多模态),输出因LLM非确定性而难以预测,导致传统软件测试方法失效

精选视频#LangChain#AI Agent#LLM#MLOps#软件工程英文
LLM Observability Tools for Reliable AI Applications

可靠的 AI 应用程序的 LLM 观测性工具

Machine Learning Mastery1959 字 (约 8 分钟)
85

本文介绍了七款领先的LLM可观测性工具,帮助AI工程师监控、评估和调试生产环境中的大型语言模型应用。

入选理由:LangSmith 提供全面的开发和生产生命周期支持,适用于使用 LangChain 或 LangGraph 的团队。

精选文章#LLM#可观测性#AI 工程师英文
Should You Use a Sandbox for Your Agent? | Max Agency #aidesign #aiinfrastructure

在AI代理系统中使用沙箱环境可显著降低生产风险,尤其在执行高危操作时能有效隔离错误、防止数据污染,并提升调试效率。

入选理由:90%的生产级AI代理应使用沙箱以降低运行风险。

精选视频#AI代理#LangChain#沙箱#AI基础设施#生产安全英文
How to manage context the right way with LangSmith's Context Hub

如何用 LangSmith 的 Context Hub 正确管理上下文

LangChain2560 字 (约 11 分钟)
82

LangSmith 的 Context Hub 提供集中化、版本化的上下文管理方案,解决 AI Agent 因上下文缺失、过时或分散导致的行为失效问题;通过 agent.md 合约与 memory 文件夹实现人类可编辑、Agent 可读写的协同机制。

入选理由:Context Hub 支持 Markdown 编辑 agent.md(代理操作合约)与 /memories/ 路径下的记忆文件,实现人类与 Agent 共享上下文源

精选视频#LangChain#LangSmith#AI Agent#上下文管理#MLOps英文

跨材料问答 · LangSmith

回答基于:LangSmith 相关 30 条材料
    0 / 500

    AI 可能会生成不准确的信息,请核实重要内容