看影片（在新分頁開啟原站）連到 AI Engineer
摘要
Marc Klingen 介紹如何讓 AI 自動執行從追蹤、資料集到評估的改進迴圈，取代人工每週閱讀追蹤。透過 Langfuse 工具示範，AI 能自行發現問題、更新評估標準並回測後發布新版本。
Marc Klingen demonstrates how AI can autonomously run improvement loops for agents using Langfuse, replacing manual trace reviews with automated feedback and version updates.
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
- Langfuse
適合誰看
正在開發或最佳化 AI Agent 的工程師與技術團隊。
摘要依據
- 講者
- Marc Klingen
- 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
- 0.83
- 新鮮
- 1.00
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
- Langfuse Walkthrough - Full Demo of Agent Tracing, Evals, Experiments and Prompt Management影片 ・ Langfuse ・ 15 分鐘
- Continuous Evaluation, Monitoring, and Operations of AI Agents with AWS Bedrock AgentCore & Langfuse影片 ・ Langfuse ・ 2 小時 23 分
- From Vibes to Production: Evaluating and Shipping AI Agents That Work 201 — Laurie Voss, Arize AI影片 ・ AI Engineer
- Accelerate agent improvement with LangSmith Engine影片 ・ LangChain ・ 3 分鐘
- Evaluating Agents in Production: Traces, LLM-as-Judge, and Prompt Management at Wonder影片 ・ LangChain ・ 3 分鐘
- From Vibes to Production: Evaluating and Shipping AI Agents That Work 201文章 ・ AIE Talks
摘要由 AI 根據標題與說明欄產生（還沒有取得原文），可能有誤；完整內容請看原站。看影片（在新分頁開啟原站）