Building Engine v2: How LangChain approaches agent improvement

摘要

Ben Tannyhill 介紹 LangSmith Engine 如何透過自我評估與紅隊測試提升代理效能，並分享跨追蹤趨勢檢測與小模型優勢等實作經驗。

Ben Tannyhill explains how LangSmith Engine improves agent performance through self-evaluation and red teaming.

這筆內容還沒有取得字幕或內文，這段摘要只根據標題與說明欄產生，可能不夠準確；實際內容請以原站為準。

提到的工具與公司

• LangSmith
• LangSmith Engine
• LangSmith Deployment
• IssueBench

適合誰看

正在開發或最佳化 AI 代理的工程師與產品經理。

摘要依據

依據

標題與說明欄（還沒有取得字幕或內文）

為什麼排在這裡

人氣

0.60

新鮮

0.99

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Accelerate agent improvement with LangSmith Engine影片 ・ LangChain ・ 3 分鐘
• Catch Agent Regressions Before You Ship: Evals for Managed Deep Agents影片 ・ LangChain ・ 9 分鐘
• The Self-Improving OSS Agent Stack — Marc Klingen, Langfuse影片 ・ AI Engineer
• Langfuse Walkthrough - Full Demo of Agent Tracing, Evals, Experiments and Prompt Management影片 ・ Langfuse ・ 15 分鐘
• Aayush Agrawal - Evals: The Engine for Agent Improvement影片 ・ Berkeley RDI ・ 6 分鐘
• Continuous Evaluation, Monitoring, and Operations of AI Agents with AWS Bedrock AgentCore & Langfuse影片 ・ Langfuse ・ 2 小時 23 分