企业 AI 的知识层:运营结构
企业 AI 的知识层通过图结构建模运营组织,解决责任归属、流程执行等实际问题。Neo4j 图智能平台将业务单元、团队、角色和人员关系存储为可查询的图数据,帮助 AI 智能体准确理解业务流程中的权责关系。该层设计依赖于系统记录(如 Workday、BambooHR)的数据映射,并通过治理机制确保实体一致性、来源可追溯和结构验证。
企业 AI 的知识层通过图结构建模运营组织,解决责任归属、流程执行等实际问题。Neo4j 图智能平台将业务单元、团队、角色和人员关系存储为可查询的图数据,帮助 AI 智能体准确理解业务流程中的权责关系。该层设计依赖于系统记录(如 Workday、BambooHR)的数据映射,并通过治理机制确保实体一致性、来源可追溯和结构验证。
MIT 生物学系开发的 PottsMPNN 机器学习框架,通过整合蛋白质结构稳定性的物理原理,提升了序列生成能力和突变稳定性预测的准确性。该模型降低了对天然序列的依赖,能设计出结构可行且与任何天然蛋白序列都不相似的全新蛋白质。
fal 发布了 H3 Max,这是一个基于 MiniMax H3 进行后训练优化的视频生成模型,在人类偏好评估中,其在整体质量、提示词理解和美学三个维度均排名第一。该模型生成 5 秒视频的时间不到 3 秒,吞吐量约为官方 MiniMax H3 端点的 35 倍。H3 Max 现已上线 fal 平台,可通过 Playground、fal Agent 或 API 使用。
推荐理由:原文展示了模型在质量和速度上的双重优势,并提供了与原始模型的对比数据,读者可以据此评估其实际应用潜力。
NVIDIA 据报同意以 130 亿美元收购 Hugging Face,该消息来自 Weights & Biases 的新闻摘要。
Google 为 Search 中的 AI Mode 新增了航班价格追踪、积分里程显示和酒店直接预订三项旅行功能。航班价格追踪覆盖全球超 180 个国家和地区,酒店预订功能已在美国英语用户中推出,并集成了 Booking.com、Expedia 等多家合作伙伴。
Going Meta 第三季回顾了如何通过本体构建和评估来提升 AI 智能体性能,展示了 Neo4j 的 MCP 服务器和 Agent 技能在本体创建中的应用。本季重点探讨了本体作为智能体行为指导的实践,包括使用 SHACL 验证图结构、通过 Cypher 检查和仪表盘评估本体质量,并介绍了如何通过本体驱动智能体记忆与推理。相关代码、查询和数据集已上传至 GitHub 仓库。
面壁 MiniCPM5-2B 模型发布,为2B参数量级的密集Transformer模型,支持131,072上下文长度,适用于本地部署和资源受限场景。模型在2B规模中达到开源SOTA,平均分53.9,优于多个4B模型,在代码、数学、长上下文、工具调用和智能体任务中表现突出。
推荐理由:原文给出了模型参数、训练数据、评测基准和多芯片部署方案,读者可以据此判断它在2B规模模型中的性能定位和本地部署可行性。
千问发布Qwen-Drive-1.0-4B,一个统一3D感知、视觉问答与运动规划的自动驾驶多模态基础模型。该模型基于Qwen3.5-4B架构,通过外部BEV感知头和Planning Expert模块扩展能力,支持开放环路、伪闭环和闭环评估,在多个自动驾驶基准上表现领先。模型权重与代码已开源,提供SFT和RL两种规划专家版本,支持推理与部署。
LangChain 本月推出管理深度智能体(Managed Deep Agents)和 LLM 网关(LLM Gateway)的公开测试版,支持一键部署、成本控制和敏感数据处理。Deep Agents v0.7 版本减少 65% 的基础输入 token,同时保持性能。Stripe 和 Apollo 已分别基于 Deep Agents 构建了企业级生产力工具和 AI 助手,显著提升了效率。
Anthropic 今日宣布为全球科学家开放 10,000 个 Claude 订阅席位,提供一年免费或折扣访问。标准席位免费,高级席位每月 $15,使用量上限为普通席位的 5 倍。同时,AI for Science 计划将扩展至更多科学领域,包括数学和蛋白质设计等高计算需求的研究。
Anthropic 开放 Model Hardware Standard (MHS) 研究预览,该标准为 AI 智能体安全操作物理设备提供统一规范。MHS 可将实验室和制造设备的集成时间从数周缩短至数小时,支持显微镜、液体处理器和机械臂等设备并行运行。标准采用模型无关设计,通过标准化驱动程序和 MCP 协议实现设备互联,目前已与 Genentech、华盛顿大学等机构合作验证。
推荐理由:Anthropic 推出的硬件标准能显著降低设备集成时间,为实验室和制造业提供自动化新方案。
Weaviate 1.39 版本新增 Boost API 和 Maximal Marginal Relevance (MMR) 多样性选择功能并正式发布。Boost API 支持查询时重新排序,结合过滤、数值排名、时间衰减和数值衰减四种条件,可应用于 hybrid、bm25、near_text 等多种搜索方式。
Replit 推出面向所有用户的智能模型路由功能,可根据任务动态选择最佳模型以平衡质量、速度和成本。测试显示该功能在保持相同输出质量的同时,成本比上一代 Max Mode 降低 65%。所有用户默认从 Free Mode 开始,企业管理员可自定义工作区允许使用的模型集。
NVIDIA 推出 NVLink Fusion 技术,将 NVLink 与高带宽内存(HBM)集成,以支持下一代 AI 基础设施。该技术旨在满足大型模型和复杂推理工作负载对算力的巨大需求,为超大规模企业和 AI 原生公司部署定制 AI 加速器(XPU)提供关键的内存带宽支持。
本文提出一种基于 Ising 模型的依赖感知标签聚合方法,用于评估多个大语言模型作为评判者时输出的相关性,并据此调整综合评分。该方法在三个二分类任务中,相比加权多数投票和均匀多数投票基线,准确率分别提升了 9% 到 14%。该方法适用于无监督场景,从评判者输出中学习模型技能和相似性,无需依赖人工标注的参考标签。
LangChain 的 Python 包发布两周年,其已从开源库发展为公司,并推出 LangGraph 和 LangSmith 两个关键产品。LangSmith 提供生产级 LLM 应用的测试与可观测性工具,支持企业如 Moody's、Elastic 等进行 AI 交互的深度分析与调试。
Factory 通过集成自托管 LangSmith 实现了对自主大语言模型(LLM)系统反馈循环的自动化,从而将迭代速度提升 2 倍。LangSmith 提供了自定义追踪和反馈 API,使 Factory 能够将日志与 AWS CloudWatch 集成,精准调试上下文感知问题并优化提示词。
Replit Agent 通过复杂工作流对 LangSmith 的可观测性功能提出更高要求,促使其改进大规模追踪性能和前端渲染能力。新增的“在追踪内搜索”功能允许用户直接按关键词过滤追踪内容,大幅缩短调试时间。线程视图支持多轮对话中多个追踪的整合,帮助 Replit 更好地识别用户卡点和需要人工干预的环节。
LangChain 创始人 Harrison Chase 回顾了项目从 2022 年个人开源项目起步,经历 ChatGPT 发布后的爆发式增长,逐步演变为 LangChain 公司。
Podium 使用 LangSmith 优化其 AI Employee 智能体行为,减少 90% 的工程干预。通过构建测试数据集、离线评估和实时反馈机制,Podium 提升了模型对对话结束点的识别能力,F1 分数从 91.7% 提升至 98.6%。LangSmith 提供的追踪功能帮助技术支持团队快速定位问题根源,区分应用错误、上下文缺失或模型对齐问题。
LangSmith 重构了产品首页并引入资源标签功能,以更好地组织工作区内的资源。首页按可观测性、评估和提示工程三个主要领域重新划分,支持更清晰的开发流程管理。资源标签允许用户按自定义标签或“Application”进行过滤,提升资源分组和访问的灵活性,并将很快支持基于属性的访问控制(ABAC)。
LangSmith 和 LangChain OSS 提供工具帮助满足欧盟 AI 法规对高风险 AI 系统的要求,包括完整执行追踪、自动事件日志、透明决策和人类监督机制。其支持端到端追踪、自定义评估器和人类干预路径,适用于金融、医疗等关键领域。产品提供自托管、BYOC 和云端部署选项,确保数据合规存储与访问。
LangSmith LLM Gateway 公开测试版上线,提供针对生产环境 Agent 的模型调用治理能力,支持成本控制、速率限制、模型降级和敏感数据保护,可统一管理多模型、多提供商的调用策略,适用于组织、工作区、用户及 API key 级别的控制,并与 OpenAI、Anthropic、Fireworks 等主流模型提供商兼容。
推荐理由:原文给出了成本控制、速率限制和数据保护等核心功能,读者可据此评估其对生产环境治理的实际影响。
LangSmith 推出自我优化的 LLM-as-a-Judge 评估系统,通过存储人类对评估结果的修正作为少样本示例,使评估器在后续迭代中自动适应。该系统减少对提示工程的依赖,适用于检测 RAG 幻觉、答案正确性及毒性内容等场景。用户可免费注册 LangSmith 尝试该功能,评估器支持在线和离线模式,配置简便且能随时间改进。
LangChain 发布 2024 年 AI 行业报告,指出 OpenAI 仍是 LangSmith 用户使用最多的 LLM 提供商,使用量是 Ollama 的 6 倍以上。Ollama 和 Groq 等支持开源模型的平台今年增长迅速,进入前五。JavaScript SDK 使用量同比增长 3 倍,反映出开发者对构建 Web 优先应用的兴趣增加。
LangChain 重构了 chat.langchain.com 聊天机器人,采用 createAgent 和 Deep Agent 两种架构,分别用于快速文档问答和深度代码分析。新系统通过直接调用文档、知识库和代码库的 API,实现精准引用和上下文优化,支持多模型切换与实时流式响应,已在生产环境上线。
LangChain 举办首届 AI 智能体会议 Interrupt,聚焦 AI 智能体的未来方向、实际应用及风险挑战。会议于 5 月 13-14 日在旧金山 The Midway 举行,仅限 750 人参加,提供早鸟票购买。参会者可参与工作坊、主题演讲及与 Andrew Ng 等行业先锋的对话,探索 AI 智能体在企业生产中的落地实践。
LangChain 在 2026 年 1 月发布了 LangSmith Agent Builder 的 GA 版本,支持通过自然语言构建智能体,包括提示词生成、工具选择、子智能体和技能配置。
LangChain 发布 LangGraph v0.1,提供对智能体工作流的细粒度控制能力,支持条件分支、循环、人类协作与时间旅行式调试;同时推出 LangGraph Cloud,提供可扩展、容错的部署基础设施,支持一键部署、流式输出、异步任务与定时任务,并集成 LangGraph Studio 用于可视化调试与协作。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Neo4j Aura 提供了初创公司构建图应用的完整指南,包括安装工具、实例配置和常见错误避免。使用 neo4j-cli 安装所有技能并开启自动刷新,确保技能与 Neo4j 功能同步更新。通过 GraphRAG、MCP 服务器、GDS 和 Agent Memory 等工具,可逐步构建图应用并优化性能。
LangChain与NVIDIA联合发布NemoClaw深度智能体蓝图,整合Nemotron 3 Ultra模型、LangChain Deep Agents Code与NVIDIA OpenShell运行时,支持企业构建可治理、可优化的开放智能体系统。在评测中,该方案以$4.48成本达成0.86综合得分,较次优方案降低约10倍推理成本。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
LangChain 与 NVIDIA 联合发布企业级智能体开发平台,整合 LangGraph、Deep Agents 与 NVIDIA Nemotron 模型、NeMo Agent Toolkit、NIM 微服务及 Dynamo,支持从构建、加速、部署到监控的全流程。
推荐理由:原文给出了平台整合的完整能力链,读者可以据此评估其对开发效率和生产部署的影响。
AI Agent Latency 101 介绍了开发者如何通过识别瓶颈、优化 UX 和减少 LLM 调用次数来提升 AI Agent 速度。文章指出,使用 LangSmith 可以追踪每个步骤的延迟,并通过“瀑布流”视图识别主要延迟来源;同时建议通过流式返回结果和在后台运行 Agent 来减少用户感知的延迟。
WikiBench 用于评估 OpenWiki 生成和维护代码库文档的效果,通过“阅读代理”判断生成的维基是否有助于回答基于代码库的问题。该基准测试在 Harbor 框架上运行,生成两类问题:覆盖问题和检索问题,并为每个问题提供包含预期事实的 JSON 评分标准。测试结果显示,使用 OpenWiki 0.3.0 与源代码结合时,阅读代理的平均得分最高,且成本低于仅使用源代码的情况。
LangChain 和 LangGraph 发布 1.0 版本,标志着框架稳定化,新增 Insights Agent、Agent Builder(私有预览)及 LangSmith 平台的完整 agent 工程化能力,涵盖可观测性、评估、部署与无代码构建,支持长周期任务与生产级交付。
推荐理由:原文给出了1.0版本发布、新功能上线和平台能力升级,读者可据此评估其对 agent 工程化的影响。
LangChain 宣布 LangGraph Platform 正式上线,提供一键部署、水平扩展、持久化存储和原生 LangGraph Studio 等能力,支持长周期、状态化智能体的生产级运行。该平台提供云、混合和完全自托管三种部署模式,适用于需高可用、可追溯、多团队协作的智能体工作流。
推荐理由:原文给出了部署选项和核心功能,读者可以据此判断它如何支持长周期智能体的生产化落地。
Candidly 基于 LangSmith 构建了状态感知智能体,通过分析对话轨迹中的用户行为与代理响应特征,训练出一个输入-输出隐马尔可夫模型,实现对对话状态的实时推断,并据此动态调整响应策略,提升任务完成率。该方法将评估信号转化为控制信号,适用于多轮交互场景中的实时干预。
推荐理由:原文详细展示了如何将对话分析转化为可实时干预的策略,为构建状态感知型智能体提供了可复用的方法论。
LangChain 官方发布教程,展示如何使用 Perplexity Agent API、LangGraph 和 LangSmith 构建可审计的 VC 研究智能体。
推荐理由:原文展示了如何用 Perplexity Agent API 和 LangGraph 构建可审计的投资研究智能体,提供了可复用的架构与实现路径。
LangChain 博客提出了一种名为 Wiki Memory 的 AI 智能体记忆系统,通过将原始数据转化为结构化文件形式,为智能体提供持久、可读的知识层。该方法不同于 RAG,采用预计算方式生成知识摘要,便于后续智能体快速理解领域内容。Wiki Memory 适用于长期领域知识存储,而非短期对话状态或高频日志记录。
LangChain 与 You.com 联合发布基于 Deep Agents 和 Finance Research API 的金融研究智能体框架,支持对欧盟27国2025年GDP数据进行自动化分析,实现异常检测、行业归因与可审计报告生成,完整执行过程通过 LangSmith 可视化追踪,提供可复现、可验证的AI研究工作流。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。