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。
技术方向
部署工程 最新动态
把模型跑起来的工程实践：推理优化、显存与成本、Serving 架构与基础设施选型。
108 条精选近 30 天 57 条共收录 497 条
更新
精选归档 · 第 4 页
LangChain 博客精选AI 评分6565 LangChain 博客精选AI 评分6161 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。
LangChain 博客精选AI 评分6565 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。
LangChain 博客精选AI 评分6161 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。
LangChain 博客精选AI 评分6565 LangChain 用 Perplexity Agent API 构建可审计 VC 研究智能体
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 博客精选AI 评分6363 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。
LangChain 博客精选AI 评分5656 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。
LangChain 博客精选AI 评分6060 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。
The Pragmatic Engineer精选AI 评分6565 Ramp 构建内部智能体 Inspect 的实践与架构
Ramp 开发了名为 Inspect 的内部智能体，用于在远程沙箱环境中执行编码、调试、代码审查等任务。该系统基于 Cloudflare Durable Objects 和 Modal 沙箱，支持快速启动（<5秒）和跨功能协作，已覆盖75%的合并PR。Inspect 通过集成内部数据源与工具链，实现对前后端变更的自动验证，并作为平台支撑超过200个上层智能体，如自动修复、监控告警和数据分析代理。
推荐理由：原文详细展示了内部智能体 Inspect 的构建逻辑与实际应用场景，读者可借鉴其架构设计与落地路径。
Engineering at Meta精选AI 评分5757 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。
Engineering at Meta精选AI 评分5555 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。
Replit 博客精选AI 评分5454 Replit 推出黑盒渗透测试功能
Replit 为其平台应用推出了黑盒渗透测试功能，模拟外部攻击者通过网络和浏览器测试应用，无需访问源代码。该功能与现有的白盒代码扫描互补，用户可在项目安全中心运行‘Level 3’扫描同时启动两者。测试显示，两种扫描发现的漏洞重叠率很低，能分别捕捉逻辑缺陷和配置错误等不同安全问题。
推荐理由：原文对比了白盒与黑盒扫描的互补性，并给出了具体操作入口，读者可以据此评估其安全测试流程的完整性。
IEEE Spectrum · AI精选AI 评分6262 agentic AI 推动 CPU 需求激增
agentic AI 系统的兴起导致 CPU 需求显著上升，因工具调用、任务调度、tokenization 等环节主要依赖 CPU。Intel、AMD、Arm、Qualcomm 及 Nvidia 均已调整产品策略，强化 CPU 在 AI 工作流中的角色，Amazon Web Services 也已出台限制 CPU 使用的政策，反映出 CPU 资源正面临紧缺压力。
推荐理由：原文指出 agentic AI 的兴起正推动 CPU 需求激增，且已有企业开始调整产能布局，读者可据此预判硬件资源分配变化。
IEEE Spectrum · AI精选AI 评分6161 巴基斯坦司法系统试点JudgeGPT提升案件处理效率
巴基斯坦对1,559名试用法官开展JudgeGPT试点，该工具基于GPT-4与12.8万份判例及943部法规构建，结合RAG技术辅助法律检索与判决起草。研究显示，经系统培训的法官所在辖区案件解决率提升6.3%，且判决质量未下降，每投入1美元可节省约38.50美元司法成本。培训显著提升工具使用频率与持续性，但仍有约五分之一的法官存在过度依赖AI现象。
推荐理由：原文通过实证研究呈现了AI工具在司法系统中的实际应用效果，为公共部门AI落地提供了可参考的评估框架。
Mistral AI精选AI 评分6868 Mistral 推出区域推理端点、优先服务层并支持第三方开源模型
Mistral 宣布推出 Mistral Regional Endpoints 和 Mistral Priority Tier，以增强推理的区域控制和生产级可靠性。其平台将开始支持第三方开源模型，首个为 Z.ai 的 GLM-5.2。Mistral 还联合企业成立联盟，通过欧洲计算单位（ECUs）来确保欧洲的长期 AI 算力供应，目标是到 2030 年建设高达 1 GW 的算力容量。
推荐理由：Mistral 通过推出区域端点和优先服务层，为欧洲客户提供了符合数据驻留和监管要求的 AI 基础设施选项。
Neo4j 博客精选AI 评分6060 Neo4j Agent Memory Service 推出技能蒸馏与治理功能
Neo4j Agent Memory Service (NAMS) 发布技能蒸馏与治理功能，可将智能体在特定工作空间内积累的记忆图谱转化为可移植、有据可查的 Agent Skill 包。
推荐理由：原文详细介绍了从记忆到可执行技能的具体转化流程和治理机制，为构建可复用智能体工作流提供了技术路径。
Neo4j 博客精选AI 评分5757 Neo4j 发布支持多智能体系统的常量成本语义记忆工具
Neo4j 发布 Semvec 及 Semvec Cortex 工具，通过在 Neo4j 图数据库中持久化语义记忆，实现单智能体与多智能体系统的常量 token 成本记忆机制。该工具支持跨会话、跨团队、跨班次的共享记忆、漂移检测、共识投票与行为一致性验证，所有功能通过 Python API 在本地运行，无需外部服务或网络调用。
推荐理由：原文提供了可直接复用的代码实现和架构设计，读者可据此构建具有持久语义记忆的多智能体系统。
Berkeley AI Research精选AI 评分5757 伯克利研究：K-Search 通过 CUDA 到 MLX 的翻译层将内核优化知识迁移至 Apple Silicon
伯克利 AI 研究团队扩展了 K-Search 框架，为其增加了 MLX 后端，并开发了一个结构化的 CUDA-to-MLX 翻译层，能够将 NVIDIA CUDA 内核的优化知识自动迁移到 Apple Silicon 上。
推荐理由：研究提出了一种将 NVIDIA CUDA 内核优化知识自动迁移到 Apple MLX 框架的方法，为跨硬件生态的 AI 计算性能优化提供了新思路。
Together AI精选AI 评分6363 Together AI 开源 ThunderAgent，实现 2 倍吞吐的智能体推理系统
Together AI 开源了智能体推理系统 ThunderAgent，通过将工作流抽象为可调度程序，解决了高并发下 KV 缓存颠簸和节点负载不均的问题。在 8 节点 H100 集群上，相比 SGLang Gateway 实现了 2.39 倍的加速和接近线性的吞吐扩展。该系统与 OpenAI 兼容，只需在客户端添加 `program_id` 字段即可集成现有推理后端。
推荐理由：开源系统通过将智能体工作流抽象为可调度程序，解决了高并发下 KV 缓存颠簸和节点负载不均的问题。
Together AI精选AI 评分6060 Together AI 与 Moonshot AI 合作原生服务 Kimi K3 模型
Together AI 宣布与 Moonshot AI 达成战略合作，成为 Kimi K3 及后续开源模型的首发平台。Kimi K3 是目前最大的开源模型，拥有 2.8T 参数、1M token 上下文窗口和原生视觉支持，采用 Kimi Delta Attention 和 Attention Residuals 等新架构，推理效率比 Kimi K2 提升约 2.5 倍。
推荐理由：Together AI 与 Moonshot AI 合作，提供 Kimi K3 模型的原生推理服务，开发者可实现零数据留存、按需扩展和定制微调，这对开源大模型的生产化部署具有直接参考价值。