💼VentureBeat•較早收集於 7m
LangSmith Engine 自動化代理除錯與故障修復

💡自動化您的代理除錯循環:LangSmith 新引擎可自動偵測、診斷並修復生產環境故障。
⚡ 30-Second TL;DR
有什麼變化
自動化偵測、診斷並修復代理生產環境故障的完整循環。
為什麼重要
此工具大幅縮短了管理複雜代理工作流的 AI 工程師的故障排除時間。在模型供應商紛紛建立自有可觀測性工具的競爭環境中,這將 LangChain 定位為關鍵的中間層平台。
下一步行動
註冊 LangSmith Engine 公測版,並在您現有的代理追蹤資料上測試其自動化根本原因分析功能。
誰應關注:Developers & AI Engineers
關鍵要點
- •自動化偵測、診斷並修復代理生產環境故障的完整循環。
- •監控明確錯誤、追蹤異常、負面用戶回饋以及代理的非預期行為。
- •針對特定故障模式生成自定義評估器,以防止未來出現回歸問題。
- •與現有的 LangSmith 追蹤基礎設施整合,並支援企業級評估器結果。
🧠 深度解析
Web-grounded analysis with 29 cited sources.
🔑 增強重點摘要
- •LangSmith Engine 由一個「深度代理」驅動,該代理能夠存取追蹤數據、評估器回饋和代理的原始碼(如果已連接),以識別並將生產故障歸類為具體問題,從而實現自動化診斷和修復建議。
- •除了偵測和修復,LangSmith Engine 還能主動為特定故障模式生成自定義的線上評估器,並將失敗的追蹤數據納入離線評估數據集,以防止未來回歸並強化測試套件。
- •LangSmith Engine 與 LangSmith 的現有追蹤和評估基礎設施無縫整合,而 LangSmith 本身是一個「框架無關」的平台,支援任何大型語言模型(LLM)應用程式或 AI 代理,包括 OpenAI SDK、Anthropic、自定義實作、LangChain 或 LangGraph。
- •該平台還引入了 LangSmith LLM Gateway,提供運行時治理功能,例如在請求到達模型之前設定費用限制和編輯敏感數據,並將這些政策事件整合到 LangSmith Engine 中進行分類和處理。
📊 競品分析▸ Show
| 功能/產品 | LangSmith | Braintrust | Arize Phoenix / AX | Langfuse |
|---|---|---|---|---|
| 核心功能 | 代理除錯、可觀察性、評估、自動修復、PR草稿 | 評估優先的可觀察性、自動評分、實時監控、生產反饋循環 | 開源追蹤 (Phoenix)、託管平台 (AX)、ML+LLM統一、CI/CD整合 | 輕量級追蹤、監控、提示管理、評估 |
| 框架支援 | 框架無關 (LangChain, LangGraph, OpenAI SDK, Anthropic, 自定義) | 框架無關,IDE原生可觀察性 | OpenTelemetry友好,供應商無關追蹤 | 支援多種框架 (OpenAI SDK, LangChain, LlamaIndex等),開源核心 |
| 自動化 | 自動偵測、診斷、修復、PR草稿、評估器生成 | 自動化評分、從生產日誌生成測試數據集 | 自動化AI和程式碼評估,防止回歸 | 自動化儀器追蹤 |
| 定價模式 | 開發者免費 (5k追蹤/月),Plus $39/用戶/月 (10k追蹤/月),企業版自定義,自託管僅限企業 | 免費雲端層 (50k觀察/月),Pro $59/月起,自託管免費 | Phoenix開源免費,AX定價未明確說明 | 開源核心免費,部分功能需企業授權 |
| 優勢 | 完整的代理開發生命週期自動化,深度整合LangChain生態系統,LLM Gateway提供運行時治理 | 評估優先,專為AI數據規模設計的儲存和查詢層,非技術用戶友好 | 開源靈活性,OpenTelemetry兼容,統一ML和LLM監控 | 易於設定,開源自託管選項,強大的追蹤功能 |
🛠️ 技術深入
- LangSmith Engine 由一個「深度代理」驅動,該代理能夠存取追蹤數據、評估器回饋以及代理的原始碼(如果已連接到程式碼儲存庫)。
- LangSmith 的核心架構包含前端(處理請求和顯示UI)、後端(管理API請求、記錄模型執行追蹤、處理並儲存元數據)。
- 平台使用三種資料庫系統:ClickHouse 作為追蹤和回饋的主要資料儲存(高容量數據),PostgreSQL 用於事務性工作負載和操作數據,Redis 作為記憶體內鍵值資料庫用於快取。
- LangSmith Engine 監控多種信號類型,包括明確錯誤(工具呼叫失敗、超時)、線上評估器失敗、追蹤異常(延遲峰值、token溢出、意外步驟計數)、負面用戶回饋以及代理的非預期行為。
- 如果連接到程式碼儲存庫,Engine 能夠讀取實時程式碼庫以診斷問題並生成修復建議,並能為 LangChain、LangGraph 和 Deep Agents 等構建的代理提出程式碼更改。
- LangSmith 支援在 AWS、GCP 或 Azure 上進行自託管部署,提供不同的配置選項,包括僅可觀察性與評估,或包含代理部署的完整平台。
- 平台內部使用「熱度」('heat')作為一個關鍵指標,影響代理的性能和決策制定。
🔮 前景展望AI analysis grounded in cited sources
AI代理的開發與部署週期將顯著加速,減少人工介入。
LangSmith Engine 自動化了偵測、診斷和修復生產環境故障的循環,並僅在合併請求階段需要人工審核,大幅縮短了從故障發現到解決的時間。
企業將能更可靠地部署複雜的AI代理,降低生產風險。
透過自動生成回歸評估器和從生產故障中創建測試數據集,LangSmith Engine 有助於持續強化代理的韌性,並在部署前捕獲更多潛在問題。
LLM應用程式的運行時治理和成本控制將更加精細化。
LangSmith LLM Gateway 的引入,允許在請求到達模型之前設定費用限制和編輯敏感數據,並將這些政策事件整合到 LangSmith Engine 中進行管理,從而實現更嚴格的運行時治理。
⏳ 時間線
2022-10
Harrison Chase 推出 LangChain 作為開源專案。
2023-07
LangSmith 推出封閉測試版,作為 LLM 應用程式的監控和評估平台。
2024-02
LangChain 完成由 Sequoia Capital 領投的 2500 萬美元 A 輪融資。
2024-07
LangSmith 轉為全面商業產品,開始收取使用費。
2025-10
LangChain 獲得 IVP 領投的 1.25 億美元 B 輪融資,估值達到 12.5 億美元,成為獨角獸公司。
2026-05
LangSmith Engine 推出公測版,實現代理除錯循環的自動化。
📎 來源 (29)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
- langchain.com
- venturebeat.com
- langchain.com
- medium.com
- langchain.com
- articsledge.com
- leanware.co
- langchain.com
- langchain.com
- augmentcode.com
- mlflow.org
- breyta.ai
- rhesis.ai
- braintrust.dev
- contrary.com
- braintrust.dev
- reddit.com
- langchain.com
- aiweeklyreview.com
- wikipedia.org
- businessmodelcanvastemplate.com
- langchain.com
- vstorm.co
- langchain.com
- medium.com
- langchain.com
- sacra.com
- texau.com
- tracxn.com
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源: VentureBeat ↗


