Catch Agent Regressions Before You Ship: Evals for Managed Deep Agents

摘要

LangChain 產品團隊成員 Nathan 介紹 Managed Deep Agents 內建的評估能力，說明如何透過 Harbor 環境、任務與檢查機制，自動檢測模型退化並監控執行狀態。影片示範了從建立評估指令碼到在 LangSmith 檢視追蹤資料的完整流程，並提供簡易的 Pytest 測試範例。

LangChain product team member Nathan explains evaluation capabilities in Managed Deep Agents, demonstrating how to detect regressions and monitor performance using Harbor and LangSmith.

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

• Harbor
• LangSmith
• Claude Code

適合誰看

正在開發或維護管理型 AI 代理（Managed Deep Agents）的開發者與工程師。

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

0.56

新鮮

0.90

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

• Managed Deep Agents - Tools影片 ・ LangChain ・ 6 分鐘
• Langfuse Walkthrough - Full Demo of Agent Tracing, Evals, Experiments and Prompt Management影片 ・ Langfuse ・ 15 分鐘
• Evaluating Agents in Production: Traces, LLM-as-Judge, and Prompt Management at Wonder影片 ・ LangChain ・ 3 分鐘
• Continuous Evaluation, Monitoring, and Operations of AI Agents with AWS Bedrock AgentCore & Langfuse影片 ・ Langfuse ・ 2 小時 23 分
• The Self-Improving OSS Agent Stack — Marc Klingen, Langfuse影片 ・ AI Engineer