DeepDigest
← все источники
LangChain Blog ↗ сайт источника

LangChain Blog

// статей переведено
35
// просмотров всего
4999
// приоритет
Стартап/Корпорация
// последний фетч
12 Aug, 22:00
LangChain Blog

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 142 просмотра
LangChain Blog

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 138 просмотра
LangChain Blog

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 227 просмотра
LangChain Blog

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 372 просмотра
LangChain Blog

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 392 просмотра
LangChain Blog

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 382 просмотра
LangChain Blog

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 436 просмотра
LangChain Blog

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 489 просмотра
LangChain Blog

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 415 просмотра
LangChain Blog

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 463 просмотра
LangChain Blog

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 481 просмотра
LangChain Blog

LangSmith: новые возможности и мероприятия в июне 2026

LangChain представила обновления LangSmith, включая новые шаблоны агентов и интерфейсы для работы с аудио и трассировкой. Запущен курс по развёртыванию LangSmith и учебное пособие по добавлению голоса в LangGraph Agents. Анонсированы мероприятия в разных городах в июне–августе 2026 года.

LLM Agents Research
читать →
~2 мин 546 просмотра
LangChain Blog

Deep Agents: оперативное кэширование для экономии токенов

Оперативное кэширование позволяет существенно снизить стоимость логического вывода. Deep Agents — универсальный инструмент для работы с кэшированием у разных поставщиков моделей. Тестирование показало, что кэширование сокращает стоимость токена на 49–80 %.

LLM
читать →
~2 мин 516 просмотра