在 Claude Science 中运行 NVIDIA BioNeMo NIM 微服务进行蛋白质结构预测
NVIDIA 宣布其 BioNeMo NIM 微服务现可在 Claude Science 中运行,用于蛋白质结构预测。该集成使 AI 科学家能够调用专门的模型来辅助科学研究的假设提出与实验规划环节。
NVIDIA 宣布其 BioNeMo NIM 微服务现可在 Claude Science 中运行,用于蛋白质结构预测。该集成使 AI 科学家能够调用专门的模型来辅助科学研究的假设提出与实验规划环节。
NVIDIA Omniverse NuRec 平台旨在帮助开发者将感知软件栈适配到不同车型。该平台通过合成数据生成,能模拟传感器位置、校准、视场、遮挡和车身几何等关键参数的差异。这有助于解决因车型变更导致的感知性能变化问题,加速自动驾驶系统的开发与验证。
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。
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。
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。
NVIDIA TensorRT Model Connect 开源参考实现集合简化了将开源 AI 模型集成到原生应用的过程。该工具通过两条命令,即可将模型从检查点部署到 NVIDIA TensorRT 推理环境,减少了模型特定的转换、预处理和后处理代码需求。
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。
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。
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。
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。
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 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。
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 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。
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。
GraphSAGE 允许在新增节点时不重新训练整个图谱,直接生成嵌入向量。Aura Graph Analytics 提供模型存储功能,支持复用训练好的 GraphSAGE 模型处理新数据。文章演示了如何在合成电商图谱上训练 GraphSAGE,并用其为从未见过的新客户生成嵌入,无需重新训练。
Ollama 现已支持将 Claude Desktop 配置为第三方网关提供商。开发者可以在 Claude Desktop 中使用 Ollama 托管的开源模型或云端模型,并可在 Anthropic 模型与 Ollama 模型之间轻松切换。Ollama 默认禁用遥测,并执行零数据保留政策。
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。
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。
Microsoft Copilot Studio 通过 per-user Okta SSO 与 Neo4j 集成,确保每个用户仅能访问其权限范围内的数据。该方案使用 OAuth 2.0 获取 Okta 访问令牌,并将其直接传递给 Neo4j MCP 服务器,由数据库验证权限并映射 Okta 组到 Neo4j 角色。
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。