讨论列表 - 求真求是网

技术工具

git maxd通过langchain认证代理工程师考试，并发现自己在评估（evals）方面存在短板，同时对比展示了deepagents v0.7相比v0.6在输入令牌成本上削减超一半的实测数据。网友纷纷送上祝贺，气氛相当热烈。大家觉得能通过这个认证本身就很有含金量，尤其佩服他不仅考过了，还自己动手做了v0.6和v0.7的对比测试，用真实数据证明..

7

0

技术工具

langsmith llm gateway公开测试，提供跨模型的支出限额、速率限制和数据脱敏等统一管理功能。网友们觉得数据脱敏很实用但常被团队忽略，关心脱敏范围是否包括请求体，认为网关统一管理运维更轻松，还有人用它类比短期记忆与长期记忆的整合。

10

0

技术工具

langchain与cognition总裁联合推出全新max agency，并发布openwiki与langsmith追踪集成功能，用于分析编码代理与代码库的交互。网友热议：这波操作太猛了，直接打通了openwiki和langsmith的追踪数据，以后看编码代理怎么跟代码库互动的细节全透明了，对调试和优化帮助很大，期待实际效果！

10

0

技术工具

apollo团队将在interrupt nyc分享如何将其ai助手从自研监督器迁移至langgraph的deep_agent，并保持生产流量质量稳定。网友最关心迁移中的“丑陋细节”和踩坑经验，想知道如何在不中断服务的情况下保持质量稳定，而非只看演示。

7

0

技术工具

openai悄然开源了codex security cli，可用于代码库安全扫描、追踪修复及集成ci/cd流程。网友普遍看好开源方向，认为这推动了前沿发展；有人关心自动验证修复功能，但也担心在大型仓库中频繁调用api的成本过高。

8

0

技术工具

openwiki 宣布支持12家llm提供商，包括openai、anthropic等，强调通过chatgpt登录即可轻松使用。网友们积极询问功能扩展，如okf 0.2支持和多仓库代码库适配，开发者回应即将添加；有人分享自己整合多提供商配置的实用经验，也有人展示kimi k3在物理模拟中的出色表现。

5

0

技术工具

openai 悄然发布了开源 codex security cli，用于扫描代码库、追踪安全问题并集成到 ci/cd 流程中。网友看法不一：有人提醒包名大小写写错了，有人质疑开源安全层是便于审计还是更难管控，还有人趁机吐槽 gpt 应用不稳定、消息丢失，威胁要转用 claude。

13

0

技术工具

langchain 推文展示了 langsmith 作为可观测性平台，帮助 salesforce 等企业监控 ai 代理并确保代码质量，同时预告了即将举办的 interrupt nyc 活动。网友觉得 langsmith 确实牛，salesforce 都靠它把关代码质量，但更搞笑的是，很多人吐槽自己用的 ai 提示词其实特简单，比如“再检查一遍”..

12

0

技术工具

langchain发布评估工程技能，帮助编码代理利用仓库上下文和跟踪数据自动构建并验证评估任务。网友觉得评估工作确实变简单了，有人已经装进claude code跑起来了，说内置验证器审查正是需要的功能；也有人调侃在真实仓库里跑一下，评估结果就没那么玄乎了。

19

0

技术工具

langchain推出针对pipecat、livekit、openai realtime和gemini live四个语音框架的langsmith追踪功能，解决语音智能体在生产环境中的调试难题。网友普遍认为语音追踪是刚需，能大幅降低调试痛苦；有人关心是否一次集成即可；也有调侃说追踪了框架却没追踪到“跳过腿部训练日”的幽默评论。

16

0

技术工具

langsmith engine通过合成多样化trace数据来训练代理，以提升其大规模挖掘和修复问题的能力。网友们觉得这招挺绝，相当于给引擎喂了各种“数据方言”让它啥都懂；也有人调侃“谁评估评估者”最终还得靠人，同时惊叹用ai重建sqlite成本能差15倍，说明模型选择太关键了。

19

0

技术工具

git maxd发现langchain的create_deep_agent本质上是create_agent加上默认中间件栈，核心只有2个节点工作，其余都是中间件钩子。网友kunal觉得这个发现很不错，简单直接地表达了赞赏，认为“真好”。

41

0

技术工具

openwiki 三天内获得1700星标，正从代码库扩展到通用记忆维基，征求用户对功能的需求。网友们最关心的是能不能接入notion、gmail、slack这些日常工具，还有人说把个人笔记和项目上下文串起来就够实用了，也有人好奇在大规模代码库里到底跑不跑得动。

49

0

技术工具

开发者推出了langgraph sync，一个能让langgraph工作流图与python代码实时双向同步的可视化编辑工具。网友觉得这工具很棒，因为用langchain开发本身就很有趣，而它正好解决了图与代码双向同步的痛点，比之前的工具更实用，期待更多反馈和改进。

45

0

技术工具

langsmith 是评估和持续改进编码智能体的最佳平台，其核心在于通过环境模拟、追踪和失败模式分析来构建高质量评估，并认为评估本身就是智能体的训练数据。有网友认为现有评估平台大多偏向产品型智能体，缺乏针对复杂研发任务的编码智能体评估工具，因此不得不自己搭建；也有网友讨论更智能的模型在推理时更高效，以及glm 5.2比fable 5贵且慢。

56

0

技术工具

langchain发布了langsmith engine，一个能自动追踪代理故障、优先处理问题并草拟修复方案的智能体，并分享了其架构决策和沙盒使用经验。网友普遍认为这解决了生产级追踪痛点，让部署智能体不再可怕；也有人争论它是否绑定langchain生态，但多数人认可其“替大家踩坑”的价值，尤其对多工具混用导致账单翻倍、可见性归零的问题深有共鸣。

44

0

技术工具

langchain推文核心是教开发者如何让ai代理真正学习，通过langsmith engine暴露问题并写回context hub，实现跨运行改进。网友热议：有人说记忆和痕迹要分开，否则代理只会堆日志；有人质疑如何避免继承坏痕迹；还有人趁机推广自己的一键创建代理工具，顺便吐槽谷歌开除开发者的骚操作。

63

0

技术工具

langchain推出deep agents v0.6，新代码解释器让代理在运行时内调用工具，仅传回相关结果，减少往返和token浪费。网友们普遍点赞，认为终于不用再让临时结果塞满上下文了；也有人借机分享自己用类似思路做搜索引擎的后端经验，还有调侃市政和职场隐私的。

68

0

技术工具

网友热议kubernetes被部署在科研船、战斗机甚至士兵背包等极端场景，感叹这是从未想过的“离谱”用例。网友们普遍觉得这用法太疯狂了，有人担心海上断网怎么搞，也有人开玩笑说“容器崩溃”分不清是软件还是船上的集装箱，还有不少人举出更多例子，比如丰田汽车、美军f-16和中国高速收费系统都在用k8s。

71

0

技术工具

当前ai编码工具面临的核心挑战是：如何让claude code等助手获取企业系统间的完整上下文，形成统一的知识层。网友们普遍认为这像2015-2022年的内部知识库热潮，担心最终会因维护困难而失败；有人觉得mcp协议算是个方向但不够好，也有人认为大厂自己就能解决，或者团队会自建类似内部操作手册的定制方案。

64

0

技术工具

deepagents的代码支持直接调用最新发布的模型，是一个与模型无关的测试框架，比claude code/codex更灵活。网友觉得这工具一发布就能直接用，确实很方便，但adam表示他们真正看重的是那0.4%的性能提升，这才是他们投入工作的关键。

68

0

技术工具

langchain 宣布通过 langsmith 迭代改进，将代理从首次运行推向生产级可靠性，并推广与sierra产品总监的播客对话。网友觉得langchain这波操作挺实在，强调“迭代改进”和“持久可靠”正是大家搞ai代理最头疼的事，播客里聊的产品实战经验也很接地气，值得一听。

64

0

技术工具

grok build 连续发布 v0.2.54 和 v0.2.55 更新，新增功能并修复了 windows、表格、mermaid 图表及长对话滚动等多个 bug。网友觉得这更新挺勤快，但吐槽点也实在：有人嫌终端复制粘贴麻烦，有人希望直接启动 exe 别关掉，还有小白求更傻瓜的 ai，当然也有老粉夸 grok 越来越好用，就是被低估了。

71

0

技术工具

langsmith沙箱与harbor框架深度集成，实现一键安装认证即可运行评估，并支持docker快照和多环境配置。网友觉得这才对嘛，装好就能直接用，省心省力；同时有人提到微调开源模型（如qwen）后性能可以追上甚至超过顶级模型，效果很香。

75

0

技术工具

antithesis通过确定性测试和混沌工程，在33分钟内完成24小时测试，高效发现百万分之一概率的bug。网友觉得这技术很牛，但吐槽门槛高，得先预约演示才能用，有点劝退；也有人建议试试它的多宇宙调试器，说效果炸裂。

77

0

技术工具

langchain团队强调通过多种循环机制（令牌循环、智能体循环、自我验证循环）来构建和检测ai代理系统，并宣布了芝加哥线下活动及新的xlsx工具基准测试。网友们热烈讨论循环技术，认为不要手动修复问题而应构建可扩展系统，并强调需要加密证明来确保循环和决策的可信度，同时对langchain提供的多种循环工具表示兴奋。

76

0

技术工具

grok build 迎来重大更新（v0.2.51），新增代码审查命令、mermaid 图表渲染改进及双点击确认权限等多项功能。网友普遍认为 mermaid 图表升级和代码审查命令很实用，能节省时间；双点击确认和思考块保持展开的 ux 改进被点赞；也有人担心快捷键冲突，但整体觉得 xai 迭代速度很快。

73

0

AI 大模型资源圈

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具

技术工具