LangChain 宣布 LangSmith LLM Gateway 进入公开测试。该网关位于 Agent 与模型之间，统一执行运行时管控，避免成本超支和故障。支持按组织、工作区、API key、用户四个层级设置限时花费上限并追踪支出，超限时 Agent 收到 402 响应；同样四级可设速率限制；还支持模型回退和敏感数据处理。多租户场景下，可通过自定义请求头识别终端客户，在共用一把 API key 的情况下为每个客户单独设花费和速率上限。
推荐理由做生产环境 Agent 的团队可直接用：花费上限、限流、模型回退一次配置，避免重试循环烧出四位数账单
LangChain 在 Interrupt NYC 和 London 活动上发布多项更新。LangSmith 新增 AI Search（按语义搜索 trace，如判断用户是否沮丧、是否泄露 PII）、Managed Deep Agents v0.9（支持 Slack 交互、用户级记忆、定时任务，内置免费网页搜索）、Engine v2（红队测试、自动验证修复）、Trajectories（按时间线查看主 Agent 与子 Agent 路径）、Custom Apps 和 Fine-Tuning（用 Baseten 或 F…
推荐理由做 Agent 可关注 Managed Deep Agents 的免费网页搜索和用户级记忆，以及用生产轨迹微调模型的流程
Orange Business 基于 LangChain 和 LangSmith 构建了 Live Intelligence 平台，用于智能体开发、评估、可观测性和生产规模扩展，并强调平台的治理能力。原文未披露具体性能数据或部署规模。
推荐理由做企业级 Agent 平台可参考其评估与可观测性的组合方式
LangChain 的编码 Agent deepagents-cli 在 Terminal Bench 2.0 上从 52.8 分提升到 66.5 分，涨 13.7 分，排名从 Top 30 外进入 Top 5。模型固定为 gpt-5.2-codex，只调整 harness。做法是把 trace 分析做成 Agent Skill：从 LangSmith 拉取实验 trace，并行启动错误分析 Agent，再由主 Agent 汇总建议，人工可参与验证。优化集中在三个旋钮：系统提示词、工具、中间件。团队称自我验证和 t…
推荐理由只改 harness 不改模型就能涨 13.7 分，做 Agent 的可以直接抄这套 trace 分析流程
LangChain 在 LangSmith 中上线 AI Search，支持用自然语言查询 trace。用户直接描述想找的行为，LangSmith 就返回发生过该行为的 trace，替代按字段和标签手动筛选的方式。原文未披露支持的模型、价格和上线范围。
推荐理由调试 Agent 时不用再手写筛选条件，直接描述行为就能定位出问题的调用链
LangChain 为开源编码 Agent Open SWE 构建了模型路由，相比始终使用顶级前沿模型的基线，单线程中位成本下降 64%，质量无可测量变化。做法是先用 LangSmith 追踪数据给一周的交互线程按任务类型打标：新功能 22%、修 bug 17%、测试或空跑 16%；再结合成本与调用次数判断复杂度。LangChain 认为路由决策应放在 Agent harness 里而非通用网关，因为选模型需要 harness 已收集的领域与任务上下文。
推荐理由做 Agent 成本优化可直接照搬：路由放 harness 内、用 trace 打标分任务，实测省 64%
LangChain 为 LangSmith 推出 Custom Apps，允许团队基于 LangSmith 数据构建、发布并运行自定义 UI，直接嵌入 LangSmith 工作区。Plus 和 Enterprise 用户可用 LangSmith Chat 描述所需数据和可视化方式，由 Chat 生成应用；也可基于模板和 LangSmith API 自行编码。发布后应用成为工作区共享界面，无需自行处理托管、认证和权限。官方称已有数千个 AI 工程团队用 LangSmith 调试、评估和改进 Agent，此前部分团队需…
推荐理由做 Agent 评估和标注的团队，可省掉自建前端、托管和权限的维护成本。
LangChain 在 Interrupt NYC 上发布 LangSmith 多项更新。Engine v2 新增红队测试能力，可用生产 trace 和代码库生成假设、验证尚未在生产暴露的问题；可检测错误率、延迟、成本趋势及重复工具调用等低效行为；对部署在 LangSmith 上的 Agent 可自动验证修复方案并一键提 PR。Engine 自 5 月上线以来已分析超 6000 万条 trace。托管 Deep Agents v0.8 新增身份范围认证与记忆、渠道和工具管理。自托管版后续将支持 Engine 的 B…
推荐理由做 Agent 可观测性的团队可看：Engine 已分析 6000 万条 trace，新增自动验证修复并提 PR。
LangChain 为 LangSmith Engine 推出 v2 版本，新增红队测试功能，可主动检测幻觉和系统提示词违规等尚未在生产环境暴露的问题。Engine 自 5 月上线以来已分析超过 7000 万条 trace，诊断出数万条问题。v2 还能识别更隐蔽的问题，如低效的 agent 轨迹（错误或重复的工具调用）以及错误率、延迟、成本等指标的趋势变化，并在人工审核和部署前自动验证其提出的修复方案。红队测试目前面向现有 LangSmith Deployment 用户开放 Private Beta。
推荐理由做 Agent 的团队可以申请 Beta，提前发现幻觉和提示词违规，不用等用户踩坑
LangChain 在 LangSmith 中推出 Trajectories 功能，把一次 Agent 会话中的消息按首次出现顺序聚合展示，覆盖主 Agent 和子 Agent 中人类、AI 与工具的消息。它是对 thread 内 trace 的投影，去掉嵌套 run 结构，只保留解释 Agent 行为的消息和动作，每条消息只出现一次。用户可将 thread 以 trajectory 形式查看、用在线评估器打分，并送入标注队列或数据集。该功能开箱支持 LangChain、LangGraph、Deep Agents，…
推荐理由调试长会话 Agent 时，先用 Trajectories 定位出错轮次，再跳回完整 trace 看运行细节。
LangChain 发布 LangSmith Fine-Tuning 及配套 CLI 工具 smithtune，可将 LangSmith 中的 agent 轨迹数据转为微调数据集，支持监督微调（SFT）。训练环节接入 Fireworks 或 Baseten，评估仍在 LangSmith 完成，全流程通过一个 CLI 驱动，也可交给编码 agent 执行。官方称基于自有示例训练的专用模型在特定任务上可达到或超过通用前沿模型，且成本与延迟通常更低。目前仅支持 SFT。
推荐理由做 agent 的团队可以用它把线上轨迹直接变成训练数据，训练托管在 Fireworks 或 Baseten
LangChain 推出 Managed Deep Agents 0.8，新增四项能力：用户自有凭证、用户级记忆、HTTP channels，以及 Slack 文件传输，并内置由 Parallel 提供支持的网页搜索工具。该产品把 Deep Agents 框架与生产运行所需基础设施打包，项目以代码优先方式组织在仓库目录中，包含 instructions.md、identity、memory、tools、channels、middleware、schedules、connectors、skills、sandbox、e…
推荐理由想让 Agent 上生产又不想自己搭记忆、鉴权和 Slack 接入的团队，可看这份目录结构清单
LangChain 宣布 Jev 可作为评判模型用于 LangSmith 的评估功能。Jev 由 TypeSafe AI 团队开发，属于 System One 模型，不生成文本，而是对状态返回带类型的答案和概率，支持三种问题类型：返回是/否概率的 noul、从选项集中选一的 choice、按有序量表打分的 score。LangChain 称其能以远低于 LLM 评判的成本评估开放式 Agent 行为，速度介于代码评估与 LLM 评判之间。用户可在任意 tracing 项目的 Evaluators 标签页中试用。
推荐理由做 Agent 评估的团队可省下 LLM 评判的开销，直接换成返回结构化结果的低成本评判器
LangChain 发布博客，介绍两家医疗 AI 公司如何用 LangSmith 把临床专家评审转化为可复用资产。Included Health 的 AI 导诊产品 Dot 基于 LangGraph 和 Deep Agents 构建，负责解答医保账单问题、分诊并识别急症；Abridge 把医患对话转成临床笔记并接入病历与计费。两者共同约束是：准确性由工程团队之外的临床专家判定，而专家时间是最稀缺资源。做法是把专家输入沉淀为标注数据集、校准后的评测器和自动发布门禁，并应对 PHI 处理与数据漂移问题。原文信息有限，具…
推荐理由做医疗或高合规 AI 产品的团队可参考：把专家评审变成可复用评测集和发布门禁，而非一次性人工成本。