LangChain 发布多智能体系统中的上下文管理新模式
LangChain 在 deepagents 框架中引入了 subagent 的两种上下文模式:isolated(隔离)和 fork(分叉)。isolated 模式下子智能体从零开始,仅接收任务描述;fork 模式下子智能体继承监督智能体的完整对话历史,避免重复上下文获取。
LangChain 在 deepagents 框架中引入了 subagent 的两种上下文模式:isolated(隔离)和 fork(分叉)。isolated 模式下子智能体从零开始,仅接收任务描述;fork 模式下子智能体继承监督智能体的完整对话历史,避免重复上下文获取。
Neo4j 发布 @neo4j-labs/nams-ai-provider 工具包,为 Vercel AI SDK 提供基于图数据库的持久化记忆功能,支持三种集成模式:Provider、Middleware 和 Tools,通过单行代码替换即可实现跨会话记忆,记忆内容以实体-关系图结构存储,支持检索、修正和合并实体,且保证在模型调用失败时不影响响应。
推荐理由:原文给出了集成代码示例和三种模式,读者可以据此判断如何在现有 Vercel AI SDK 项目中实现持久化记忆。
Neo4j 发布 Aura Agent 功能,实现 Salesforce Agentforce 与 Neo4j 知识图谱的无代码多智能体集成。该功能通过 MCP 协议连接,将图谱计算与工作流分离,使 Agentforce 仅需发送自然语言问题,Aura Agent 负责解析、执行 Cypher 查询并返回带证据的推荐结果,无需自定义代码。
NVIDIA 团队利用 NemoClaw 构建了一个记忆驱动的“参谋长”智能体。该智能体通过维护一个名为“自我模型”的人类可读知识层来存储相关记忆,使 AI 能够理解并处理随时间变化的企业消息、决策、项目和职责等上下文信息。
LangChain 发布对 Model Context Protocol (MCP) 的新版支持,将 MCP 功能整合进主包 langchain.mcp,基于 FastMCP 构建,支持无状态协议、客户端缓存和中断式 elicitation。
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。
财富管理公司正利用 AI 驱动资产管理规模(AUM)的有机增长,而非仅用于降本。Cerulli Associates 的研究显示,整合 AI 的公司有机增长率比非 AI 公司高出约 40%,这直接推动了 AUM 扩张并成为并购溢价的关键。具体工作流包括 AI 驱动的推荐引擎、跨业务销售机会挖掘以及多智能体增长流程,其中使用 Writer 多智能体方法的客户将销售通话预订量提升了 5 倍以上。
Fly.io 为其 Sprites 服务发布了 MCP 服务器,让 AI 智能体可以通过 MCP 协议动态创建和管理云端计算机。Sprites 是具备持久文件系统和真实网络连接的轻量级云计算机,旨在为 AI 智能体提供安全、可扩展且成本低廉的执行环境。用户可通过指定 URL 在 Claude Desktop 等支持 MCP 的工具中集成此功能,并利用预设的安全护栏控制资源使用。
GPT-6 Astra 在 ARC-AGI-3 Semi-Private 基准上,使用 Standard harness 得分 62.7%(花费 $26K),使用 Provider Adapter harness 得分 99.9%(花费 $19K),在 96% 的关卡中行动数少于人类中位数。
推荐理由:GPT-6 Astra 在 ARC-AGI-3 上表现出显著的行动效率优势,其构建符号模型和自定义工具的能力为理解智能体推理提供了新观察维度。
WRITER 的营销策略与运营高级主管 Megan Filbin 提出,在 AI 执行工作时,团队价值存在于四个核心职能而非组织架构重组。这四个职能是战略、策展、架构和编排,多数人会在单一角色中结合其中两到三项。该框架将执行工作交给智能体,从而为真正区分品牌的创造性工作释放更多时间。
Google 发布 Gemini 3.8 Flash 和 3.8 Flash Cyber 两款新模型,前者在编码与智能体任务中性能显著提升,后者在漏洞检测与自动修复方面达到前沿水平,均以 Flash 级别的速度和成本提供,其中 3.8 Flash Cyber 通过 Fairwind 程序向受信任的防御方开放。
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。
Meta 发布了一套用于构建组织级AI第二大脑的系统架构,该系统通过分层设计(知识系统、推理管道、评估框架、自我改进循环)实现专家知识的结构化存储与自动化迭代。知识以可导航文件系统形式组织,推理通过可组合的‘配方’(recipes)实现,反馈通过自动化编译与回归测试转化为永久性知识更新,无需模型重训练。系统已在合规领域验证,显著减少专家评估时间,提升输出一致性,并支持跨领域扩展。
推荐理由:原文构建了可审计、可迭代的AI知识系统,读者可参考其分层架构和自动化改进机制来设计企业级智能体系统。
NVIDIA 介绍了如何利用其 Nemotron 模型构建自适应智能体网络安全系统,以应对传统安全方案难以发现的未知威胁。该系统通过协调智能体工作,能够执行长期复杂的安全目标,旨在超越依赖现有警报和预定义工作流的传统实现。
Google 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 模型推出了智能体视频理解功能。该功能通过动态搜索视频片段,将分析成本降低高达 66%,token 消耗减少高达 88%,同时将准确性提升高达 7%。
推荐理由:原文给出了新功能在成本、效率和准确性上的具体提升数据,以及支持的模型和开放入口,读者可以据此评估其对视频分析工作流的影响。
JuliaHub 推出了 AI 平台 Dyad 3.0,以帮助工程团队加速开发火箭、热泵和卫星等复杂物理系统。该平台允许工程师上传数据和设计文档,由自主 AI 智能体进行物理模拟、安全分析和质量控制,实现“代理式”硬件设计。其底层编程语言 Julia 拥有超过 100 万用户,采用即时编译技术,旨在为科学家和工程师提供兼具易用性与高性能的编程工具。
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。
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 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。
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。
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 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。
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。
LangChain 与 Pay-i 联合展示如何通过智能体 AI 在金融服务中证明投资回报,重点分析 RFP 处理和 AML 合规监控两个用例。LangSmith 提供智能体执行的全链路追踪,包括模型调用、工具调用和成本计算,而 Pay-i 将智能体成本与可衡量的业务成果关联,定义并跟踪如需求提取准确率(目标 95%)和响应草案无需重大修改率(目标 65%)等关键 KPI。
Harmonic 用 Deep Agents 重构其 AI 产品 Scout,将产品迭代周期从月级缩短至天级,通过单个前沿模型与工具集成实现开放任务处理,支持跨数据层与企业上下文的多步推理。
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。