Toyota внедряет решения на основе Deep Agents и LangSmith для масштабирования корпоративного ИИ. Платформа ToyotaGPT с библиотекой агентов ускоряет разработку и применение ИИ-решений в разных сферах деятельности компании. Приложения вроде GearPal и R&D GPT оптимизируют производство и исследования, сокращая временные затраты.

LLM Research Business

читать →

~2 мин 28 просмотра

LangChain Blog 4 Aug 2026

Оценка голосовых агентов с помощью LangSmith: ключевые метрики и подходы

Оценка голосовых агентов проводится по трём измерениям: Execution, Outcome и Experience. LangSmith позволяет отслеживать взаимодействие, оценивать его с участием нескольких оценщиков и сравнивать изменения со временем. Для оценки используются детерминированные оценщики, LLM-судьи, audio-aware LLM-судьи и бизнес-проверки. Важны как технические метрики (задержка, время обработки), так и бизнес-результаты (процент успешных бронирований, решений проблем и т. д.).

LLM Audio Business

читать →

~6 мин 270 просмотра

LangChain Blog 3 Aug 2026

Kai от Stripe: агентный ИИ для повышения продуктивности сотрудников

Stripe создала платформу Kai — агента для повышения продуктивности сотрудников. Платформа построена на стеке LangChain/LangGraph и агентной платформе Deep Agents. За четыре недели число пользователей Kai выросло более чем в 16 раз, а сегодня 83 % сотрудников Stripe используют его каждую неделю. Платформа полезна для анализа данных, подготовки сделок и адаптации новых сотрудников.

LLM Agents Research

читать →

~5 мин 238 просмотра

LangChain Blog 26 Jul 2026

Собственное владение ИИ: как получить устойчивое преимущество

Собственное владение интеллектом позволяет компаниям контролировать модели, системы агентов и контекст, управлять стоимостью, качеством, рисками и поведением ИИ. В ближайшие пять лет ИИ будет использоваться либо для критически важных бизнес‑задач, либо как часть продукта. Ключевое преимущество — цикл обратной связи, благодаря которому система совершенствуется по мере использования.

LLM

читать →

~5 мин 347 просмотра

LangChain Blog 8 Jul 2026

NemoClaw Deep Agents: проект LangChain и NVIDIA для корпоративных агентов

LangChain и NVIDIA представили программу NemoClaw for Deep Agents blueprint для создания открытых агентных систем. Модель Nemotron 3 Ultra в связке с LangChain Deep Agents демонстрирует высокую производительность при низких затратах на логический вывод. Решение даёт командам контроль над полным стеком агентов и возможность оптимизировать их под конкретные задачи.

LLM

читать →

~2 мин 503 просмотра

LangChain Blog 8 Jul 2026

Schneider Electric: LLMOps на базе LangSmith для ИИ-решений

Schneider Electric внедряет программу ИИ с использованием более 60 агентов для оптимизации энергопотребления и повышения производительности. Компания построила платформу LLMOps на базе LangSmith и экосистемы LangChain. Решения позволяют отслеживать и оценивать агентные продукты, обеспечивая их готовность к производству.

LLM

читать →

~6 мин 511 просмотра

LangChain Blog 7 Jul 2026

LangSmith и анализ трассировок: как улучшить работу агентов

Анализ трассировок помогает понять и улучшить поведение агентов. Платформа LangSmith от LangChain Labs позволяет отлаживать решения агентов и оценивать изменения. В Terminal Bench 2.0 с помощью трассировок удалось повысить эффективность на 13,7 %. Данные станут ключевым фактором развития агентов.

LLM Research Agents

читать →

~3 мин 502 просмотра

LangChain Blog 2 Jul 2026

LangSmith: как контролировать расходы на работу с ИИ-агентами

Рост расходов на работу с ИИ-агентами стал проблемой для многих компаний из‑за фрагментации данных: разные инструменты кодирования регистрируют информацию в собственном формате. LangSmith позволяет отслеживать сеансы из разных инструментов в единой модели трассировки, стандартизировать стоимость, оптимизировать и контролировать расходы.

LLM

читать →

~4 мин 555 просмотра

LangChain Blog 2 Jul 2026

Наблюдаемость агентов: мониторинг и оценка LLM-агентов в производстве

Агенты на базе LLM работают иначе, чем традиционное ПО: они обрабатывают ввод на естественном языке, и их поведение недетерминировано. Для мониторинга таких агентов нужны особые подходы — например, очереди аннотаций для ручной проверки и онлайн-оценки с использованием LLM. LangSmith предлагает инструменты для наблюдения за производственными агентами, включая автоматическое обнаружение закономерностей в их использовании и ошибках.

LLM

читать →

~3 мин 623 просмотра

LangChain Blog 2 Jul 2026

Rippling: создание ИИ-системы за 6 месяцев с Deep Agents и LangSmith

Rippling за 6 месяцев создала ИИ-систему на базе Deep Agents и LangSmith для работы с массивной онтологией в сфере управления персоналом, ИТ, финансов и других направлений. В основе — мультиагентная архитектура с агентом-супервизором и специализированными агентами (read, RAG, action). LangSmith помогает отслеживать качество системы и устранять регрессии.

LLM

читать →

~3 мин 541 просмотра

LangChain Blog 2 Jul 2026

Бенчмаркинг извлечения данных: тестирование LLM на наборе данных LangChain

Опубликован новый набор данных для извлечения информации из журналов чата — он помогает тестировать LLM на распространённые проблемы при разработке диалоговых приложений. Проведены эксперименты с моделями GPT-4, Claude-2, Llama и Yi: оценивались различные стратегии подсказок и методы структурированного декодирования. Наилучшие результаты по корректности JSON показала модель Llama 70B при использовании декодирования на основе грамматики.

LLM

читать →

~6 мин 590 просмотра

LangChain Blog 29 Jun 2026

Динамические субагенты в Deep Agents: новая схема работы

В Deep Agents внедрены динамические субагенты, которые помогают агентам решать масштабные задачи за счёт программной оркестровки: вместо прямых вызовов инструментов агент пишет скрипт для организации работы субагентов. Механизм обеспечивает детерминированный охват и надёжную оркестровку сложных процессов. В материале описаны практические сценарии использования и шаблоны оркестровки.

LLM Agents

читать →

~1 мин 603 просмотра

// помочь проекту