跳到正文
9月1日周二
8月31日周一
  1. Amazon Science33

    Verus 如何验证 Rust 代码的正确性

    Verus 是一个开源的 Rust 自动程序验证工具,可直接在 Rust 源文件中添加代码规范和证明,确保程序行为符合数学定义。它通过预条件和后条件检查代码逻辑,例如验证二分查找函数返回的索引是否在数组范围内并匹配目标值。Verus 提供快速反馈,开发者可在一秒内获得验证结果,并支持 AI 智能体加速证明过程。

  2. MIT News · 人工智能34

    Julia 编程语言如何从 MIT 研究项目发展为全球性工具

    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。

  3. Ollama 博客44

    Ollama 推出透明按 token 计费的新订阅计划

    Ollama 的 Pro、Max 和 Team 订阅计划现已采用透明的按 token 计费模式,每个计划均包含每月使用额度。Pro 计划每月 20 美元含 60 美元额度,Max 计划每月 100 美元含 300 美元额度,Team 计划每月 500 美元含 1000 美元共享额度。新定价无服务费和数据保留,支持 Claude Code 和 Codex 等流行编程智能体,并提供 API。

8月29日周六
8月28日周五
  1. Neo4j 博客32

    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。

8月27日周四
  1. Neo4j 博客29

    Going Meta:构建(和评估)本体的季节

    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。

  2. LangChain 博客49

    2026年8月:LangChain通讯 — 管理深度智能体、LLM网关及其他更新

    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。

  3. LangChain 博客32

    Replit Agent 如何通过复杂工作流推动 LangSmith 达到新极限

    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。

  4. LangChain 博客29

    Podium 如何通过 LangSmith 优化智能体行为并减少 90% 的工程干预

    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。

  5. LangChain 博客26

    LangSmith 重构产品首页并推出资源标签以提升组织性

    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)。

  6. LangChain 博客29

    LangSmith 和 LangChain OSS 如何帮助你满足欧盟 AI 法规要求

    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。

  7. LangChain 博客56

    LangSmith LLM Gateway 公开测试版发布

    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。

  8. LangChain 博客52

    LangChain 重构聊天机器人并上线新功能

    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。

  9. LangChain 博客60

    LangChain 发布 LangGraph v0.1 与 LangGraph Cloud

    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。

  10. Neo4j 博客21

    Neo4j Aura 初创公司开发指南

    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。

  11. LangChain 博客65

    LangChain与NVIDIA发布NemoClaw深度智能体蓝图

    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。

  12. LangChain 博客61

    LangChain 与 NVIDIA 联合发布企业级智能体开发平台

    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。

  13. LangChain 博客65

    LangGraph Platform 正式发布,支持长周期状态化智能体的部署与管理

    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。

8月26日周三
  1. LangChain 博客61

    Candidly 在 LangSmith 中构建状态感知智能体的实践

    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。

  2. LangChain 博客63

    LangChain 与 You.com 联合发布金融研究智能体框架

    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。

  3. LangChain 博客36

    LangChain 展示如何通过智能体 AI 实现金融服务的 ROI

    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。

  4. LangChain 博客56

    Harmonic 用 Deep Agents 重构 Scout 实现 4 倍留存

    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。

  5. LangChain 博客60

    LangSmith Engine 发布用于改进智能体的自动化工具

    LangSmith Engine 发布,是一个运行在代理追踪数据之上的智能体,可识别重复失败模式、生成可操作问题、提出评估器和数据集示例,并支持与代码库连接以推动修复。该工具通过轨迹压缩、分阶段筛查和专用子代理架构,实现对大规模追踪数据的高效分析,已在 LangChain 内部投入使用。

    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。

8月25日周二
  1. Engineering at Meta57

    Meta 发布专为 AI 规模设计的 RDMA 传输协议 MetaRoCE

    Meta 发布 MetaRoCE,这是一种专为 AI 工作负载设计的 RDMA 传输协议,适用于大规模以太网环境。MetaRoCE 通过 Open Compute Project (OCP) 开源了协议规范、参考软件实现和合规测试套件。

    推荐理由:Meta 开源了专为 AI 规模设计的 RDMA 传输协议 MetaRoCE,包含规范、参考实现和测试套件,可提升分布式训练和推理效率。

  2. Engineering at Meta55

    Meta发布MTIA 300训练芯片:集成NIC和通信卸载引擎

    Meta发布MTIA 300训练芯片,专为推荐和排序模型训练设计,集成12个800 Gbps RDMA NIC芯片,提供1.2 TB/s I/O带宽,通信与计算分离,通过16个专用消息引擎实现通信卸载,与GPU相比通信时间提升3.9倍。芯片支持HCCL通信库,可编译通信操作为独立子图,实现主机无干预执行,适用于PyTorch框架。

    推荐理由:原文详细说明了MTIA 300芯片的通信架构设计和性能提升,读者可据此理解其如何解决推荐模型训练中的通信瓶颈问题。

8月21日周五
8月19日周三
  1. Neo4j 博客26

    什么是图技术?以及为何它是企业 AI 的未来

    图技术通过存储和分析数据之间的连接,使 AI 智能体能直接查询、遍历和推理关联数据,从而将模型幻觉率降低 44%。它构建知识图谱,让智能体在回答问题时能追踪多个实体之间的关系路径,而非仅依赖孤立数据片段。图技术作为企业 AI 的知识层,提供记忆、上下文和推理能力,无需替换现有数据库即可实现更准确、可解释和可治理的 AI 应用。