🕸️LangChain Blog•較早收集於 44m
Polly 在 LangSmith 全面可用
#agent-debugging#ai-assistant#dev-toolspollypollylangsmithlangchain
💡代理除錯更簡單—Polly 在 LangSmith 全面可用，處理深層追蹤！(28字)
⚡ 30-Second TL;DR
有什麼變化
Polly 現已在所有 LangSmith 環境中全面可用
為什麼重要
此發布大幅提升使用 LangSmith 的代理開發者的生產力，透過自動化複雜除錯。它降低擴展代理應用至生產環境的門檻。
下一步行動
立即在 LangSmith 儀表板啟用 Polly 以除錯代理追蹤。
誰應關注：Developers & AI Engineers
關鍵要點
- •Polly 現已在所有 LangSmith 環境中全面可用
- •專為除錯深層代理追蹤和長提示設計
- •識別導致代理失敗的隱藏脈絡
- •優化除錯流程，不同於傳統方法
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 6 個來源。
🔑 增強重點摘要
- •Polly 已於 2025 年 12 月 10 日正式推出測試版，現已在 2026 年 1 月進展至全面可用階段，標誌著 LangChain 在 AI 代理工程工具的重大產品演進[1][6]
- •Polly 整合 LangSmith 的追蹤基礎設施，能夠分析三層級數據結構：個別運行（Runs）、單次執行追蹤（Traces）和完整對話線程（Threads），使其能處理跨越數小時、數天或數十次互動的複雜對話模式[4]
- •該工具在提示工程領域提供自動化功能，包括「優化提示」、「生成工具」和「生成輸出架構」等選項，允許開發者透過自然語言指令直接修改遊樂場狀態[3]
- •Polly 在評估器構建器中支援自動生成評估器代碼、改進建議和邊界情況處理，擴展其在代理驗證和質量保證工作流中的應用範圍[3]
🛠️ 技術深入
- •Polly 透過 LangSmith 的追蹤基礎設施運作，該基礎設施捕捉代理執行的完整數據：個別步驟（LLM 呼叫和工具執行）、單次執行的追蹤樹狀結構，以及包含多個追蹤的完整對話線程[4]
- •在追蹤頁面上，Polly 分析運行數據和執行軌跡，檢查完整追蹤上下文，包括運行元數據、輸入、輸出、中間步驟和配置[3]
- •在線程視圖中，Polly 能夠訪問跨越數小時、數天或數十次往返互動的完整對話信息，識別代理行為模式、上下文丟失和行為變化[4]
- •提示工程功能允許 Polly 直接修改遊樂場狀態，更新消息、工具、輸出架構和示例，支持對話式迭代[3]
- •LangSmith 追蹤設置需時數分鐘，一旦數據流入 LangSmith，Polly 即可立即開始分析代理行為、識別問題和改進提示[4]
🔮 前景展望AI analysis grounded in cited sources
Polly 將成為 LangChain 生態系統中代理開發的標準工具
隨著 Polly 從測試版進展至全面可用，其在 LangSmith 中的深度整合表明 LangChain 正將 AI 輔助工程視為核心產品策略。
AI 輔助提示工程將減少手動調整複雜代理系統的時間成本
Polly 的自然語言提示修改能力消除了手動編輯數百行指令的需求，可能改變開發者優化代理行為的工作流程。
多層級對話分析功能將推動企業級代理應用的採用
Polly 能夠分析跨越數天的完整對話線程並識別用戶情感，使其適合於客服和支持代理的生產環境部署。
⏳ 時間線
2025-12
Polly 在 LangSmith 推出測試版，提供追蹤分析、線程分析和提示工程功能
2026-01
Polly 進展至全面可用階段，LangSmith Self-Hosted v0.13 發布，擴展功能奇偶性
📎 來源 (6)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
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： LangChain Blog ↗
每週 AI 簡報
每週一封，可隨時退訂。