AI 武林：LangChain

Tales from the 2026 Developer Survey results

The Stack Overflow Podcast — Tue, 06 Oct 2026 00:00:00 +0800

訪談 Stack Overflow 資深分析師 Erin Yepis，解析 2026 年開發者調查結果。內容涵蓋 AI 程式設計助手的高使用率、開發者對 AI 產出驗證的必要性、以及文件組織對緩解 AI 幻覺的關鍵作用。

原站：https://rss.art19.com/episodes/8ae3745d-7f0d-46f1-8de5-d2051dba5a59.mp3?rss_browser=BAhJIg9BSVd1bGluQm90BjoGRVQ%3D--40c69dfd25591c59cb985eaa38245c7694c51649

Using Jev In Your Agent Harness

Sam Witteveen — Tue, 29 Sep 2026 00:00:00 +0800

介紹如何將 Jev 決策模型整合進 AI 代理系統，用於工具路由、風險過濾、技能選擇與檢索結果重排序等任務。透過用快速決策模型取代部分大型語言模型呼叫，可大幅降低成本並提升效率，同時提供實作示範與注意事項。

原站：https://www.youtube.com/watch?v=zaLQ0AnY9dI

Building an Agent Harness with Jev: What Actually Works?

Prompt Engineering — Tue, 29 Sep 2026 00:00:00 +0800

作者利用 TypeSafe 的 Jev 系統一模型與 Pi 編碼代理，在 Postgres 資料庫上建立測試 harness，驗證決策模型如何提升 AI 代理效能。透過實際跑 15 次測試，揭示當系統拒絕時代理尋找繞路行為的有趣發現。

原站：https://www.youtube.com/watch?v=4YVeQf8huyM

[AINews] not much happened today

Latent Space — Fri, 18 Sep 2026 00:00:00 +0800

彙整了 2026 年 9 月 16 日至 17 日的 AI 領域新聞，涵蓋 Anthropic 推出 Claude Code Projects 的多會話協作功能、Google Gemini 的 Antigravity 架構…

原站：https://www.latent.space/p/ainews-not-much-happened-today-612

You Built Your AI Second Brain. Now What? (Here's How to Evolve It)

Cole Medin — Thu, 17 Sep 2026 00:00:00 +0800

說明個人 AI 第二腦無法直接擴展至團隊，需建立底層團隊大腦結構。觀眾可學習如何整合聊天記錄、程式碼庫與文件，並使用 Oracle AI Database 實現團隊級別的安全與權限管理。

原站：https://www.youtube.com/watch?v=mjQlZrteMIY

AI Agent时代的FinOps：谁花光了所有Token | FinOps | AI Agent | Token治理 | TokenOps | 多Agent系统 | 成本优化 | 微软Foundry

Best Partners TV — Thu, 03 Sep 2026 00:00:00 +0800

探討 AI Agent 時代 token 成本失控現象，介紹 Microsoft Foundry 的 FinOps 治理框架與 TokenOps 開源方案。

原站：https://www.youtube.com/watch?v=nTfbAl40l40

AI Dev | San Francisco 2026 | 2,599 AI Developers

DeepLearningAI — Wed, 02 Sep 2026 00:00:00 +0800

DeepLearning.AI 舉辦的 AI Dev 活動匯集數千名開發者，由 Andrew Ng 主持，涵蓋代理系統、多模態應用等實作工作坊與技術分享。活動展示當前開發者解決的實際問題，並邀請觀眾於秋季前往紐約參與下一場。

原站：https://www.youtube.com/watch?v=Y_bxMqcCNbU

Meta Muse Code & Muse Spark Course – Build AI Agents, APIs, and Full-Stack Apps

freeCodeCamp.org — Wed, 26 Aug 2026 00:00:00 +0800

由 Andrew Brown 指導，教授如何使用 Meta Muse 模型與 Muse Code 工具建構全端應用程式與自主 AI 工作流。內容涵蓋模型架構、程式碼生成、API 整合及容器化部署等實作技巧。

原站：https://www.youtube.com/watch?v=b-P5ZQ1NxxE

When to Build Your Own Agent Harness | Harrison Chase, LangChain

Sequoia Capital — Thu, 13 Aug 2026 00:00:00 +0800

LangChain 共同創辦人 Harrison Chase 解釋建立自訂代理工具（harness）的時機，涵蓋從使用現成方案到自訂開發的決策。內容包含如何透過中介軟體與子代理調整核心迴路，以及可觀測性在除錯中的重要性。

原站：https://www.youtube.com/watch?v=HI2q3ci3Iuc

not much happened today

AINews（Latent Space／smol.ai） — Fri, 07 Aug 2026 00:00:00 +0800

彙整了 2026 年 8 月 7 日 AI 領域的新聞動態，涵蓋 OpenAI 將 Astra 模型提升至關鍵級別以加強網路安全、Hugging Face 多代理協作失敗事件、LangChain 推出 Managed Deep…

原站：https://news.smol.ai/issues/26-08-07-not-much

not much happened today

AINews（Latent Space／smol.ai） — Fri, 31 Jul 2026 00:00:00 +0800

DeepSeek 推出 V4-Flash API，在架構與參數規模不變的情況下，透過後訓練最佳化大幅提升效能，Terminal-Bench 分數達 82.7，成本比 GPT-5.6 Luna 低約 60%，並立即以 MIT 授權開放權重。

原站：https://news.smol.ai/issues/26-07-31-not-much

Agentic AI – Complete Course for Beginners

freeCodeCamp.org — Thu, 30 Jul 2026 00:00:00 +0800

教導如何從零開始構建生產級多代理系統，掌握 LangChain 與 LangGraph 的核心概念與實作技巧。學員將學習如何設計序列、並行與條件工作流，整合 RAG、記憶機制與人工介入控制，並透過實際專案將應用程式部署至 AWS 與…

原站：https://www.youtube.com/watch?v=Zy7EXDONlTY

深度拆解：AI Agent Harness 的构造

寶玉 — Sun, 10 May 2026 00:00:00 +0800

深入解析將大型語言模型轉化為生產級 AI Agent 所需的「Agent Harness」架構，涵蓋編排迴圈、工具、記憶與上下文管理等核心元件。

原站：https://baoyu.io/translations/2026-05-10/akshay-pachaar-2041146899319971922

【十字路口】探秘 Claude Code，搞懂 Agent Harness｜对谈来新璐【视频播客】

Koji杨远骋 — Wed, 06 May 2026 00:00:00 +0800

訪談拆解 Agent Harness 的執行、狀態與治理三層架構，並透過 Claude Code 原始碼分析其上下文壓縮與記憶機制。內容涵蓋從 LangChain 到原生 Agent 的開發趨勢、沙箱技術演進，以及未來「零人公司」的構想。

原站：https://www.youtube.com/watch?v=FZO0eLl5jqo

Harness Engineering 到底是什么？概念、实战与争议，一次全部讲清楚

马克的技术工作坊 — Tue, 05 May 2026 00:00:00 +0800

介紹 Harness Engineering 的概念，並探討其與 Prompt Engineering 及 Context Engineering 的差異。

原站：https://www.youtube.com/watch?v=7nCzfgDjSo8

Ep 85: Has AI Infra Stabilized, FM Vibe Shift, & What's Next for Coding Agents

Unsupervised Learning — Thu, 23 Apr 2026 00:00:00 +0800

訪談探討 AI 基礎設施是否已穩定、程式碼代理戰爭的現狀與未來，以及企業自建模型與強化學習的價值。兩人深入分析從 LangChain 到 DeepAgents 的架構演變，討論 Claude Code 與 Codex 的競爭，並展望世界模…

原站：https://unsupervised-learning.simplecast.com/episodes/ep-85-has-ai-infra-stabilized-fm-vibe-shift-whats-next-for-coding-agents-IjTaA0mQ

Everything Gets Rebuilt: The New AI Agent Stack | Harrison Chase, LangChain

The MAD Podcast — Thu, 12 Mar 2026 00:00:00 +0800

Harrison Chase 與 LangChain 共同創辦人深入探討 AI 代理（Agent）如何從簡單提示演變為具備規劃、編碼與工具使用能力的複雜系統。

原站：https://podcasters.spotify.com/pod/show/firstmark/episodes/Everything-Gets-Rebuilt-The-New-AI-Agent-Stack--Harrison-Chase--LangChain-e3gapv9

愛好 AI Engineer 電子報 🚀 新型態代理人 OpenClaw 正夯，電子報改版 #35

ihower（張文鈿） — Sun, 22 Feb 2026 00:00:00 +0800

介紹新型態開源 AI 代理軟體 OpenClaw 的用法與安全設定，並整理近期 AI Agent 架構、評估與效能最佳化等文章重點。讀者可學習如何部署個人助理、選擇多代理設計模式，以及系統化評估 AI 表現的方法。

原站：https://ihower.tw/blog/13630-aie-openclaw

Episode 65: The Rise of Agentic Search

Vanishing Gradients — Fri, 19 Dec 2025 00:00:00 +0800

探討 AI 代理搜尋與檢索如何改變軟體開發與使用者體驗，強調從簡單堆疊大型上下文視窗轉向精確的「上下文工程」。內容涵蓋如何構建可靠的代理系統、使用混合搜尋、建立黃金資料集以及處理代理評估挑戰。

原站：https://hugobowne.substack.com/p/the-rise-of-agentic-search

Episode 61: The AI Agent Reliability Cliff: What Happens When Tools Fail in Production

Vanishing Gradients — Thu, 16 Oct 2025 00:00:00 +0800

Alex Strick Van Linschoten 分享從 LLM Ops Database 累積的真實案例，指出多代理系統若過度複雜會陷入混亂。

原站：https://hugobowne.substack.com/p/episode-61-the-ai-agent-reliability-2a3

Selecting The Right AI Evals Tool

Hamel Husain（部落格） — Wed, 01 Oct 2025 00:00:00 +0800

透過資料科學家實作同一評估任務，比較 Langsmith、Braintrust 與 Arize Phoenix 三款工具的優缺點。

原站：https://hamel.dev/blog/posts/eval-tools

【生成式人工智慧與機器學習導論2025】第 2 講：上下文工程 (Context Engineering) — AI Agent 背後的關鍵技術

Hung-yi Lee — Mon, 22 Sep 2025 00:00:00 +0800

介紹上下文工程（Context Engineering）的概念，說明其與提示工程（Prompt Engineering）的異同，並探討如何透過最佳化輸入讓語言模型獲得預期輸出。

原站：https://www.youtube.com/watch?v=lVdajtNpaGI

Episode 57: AI Agents and LLM Judges at Scale: Processing Millions of Documents (Without Breaking the Bank)

Vanishing Gradients — Fri, 29 Aug 2025 00:00:00 +0800

由 UC Berkeley 的 Shreya Shankar 分享如何將大型語言模型應用轉化為可靠且低成本的自動化流程。她介紹了將非結構化文件處理視為 ETL 管道的框架，強調透過人工錯誤分析、設定驗證規則與使用廉價模型來平衡準確度與成本…

原站：https://hugobowne.substack.com/p/episode-57-ai-agents-and-llm-judges-0f5

Using LLM-as-a-Judge For Evaluation: A Complete Guide

Hamel Husain（部落格） — Tue, 29 Oct 2024 00:00:00 +0800

提供一套完整的實作指南，教導如何建立「以大型語言模型為裁判」的評估系統。作者透過協助超過 30 家公司的經驗，指出常見錯誤並提出「評論跟隨」技術，強調先找準領域專家、構建多樣化資料集，再迭代建立自動裁判，避免陷入無效的指標堆疊。

原站：https://hamel.dev/blog/posts/llm-judge

ChatGPT 實戰課：利用不同資料源打造創新產品／王鵬傑 ExplainThis.io Co-Founder | #gaiconf #生成式AI年會#generativeai#genai 2023

Generative AI 年會 — Fri, 11 Aug 2023 00:00:00 +0800

王鵬傑示範如何利用 Embedding 技術與不同資料源打造 ChatPDF 等創新 AI 產品，並分享提升產品品質與效能的實作技巧。

原站：https://www.youtube.com/watch?v=2gNV9-zzyRc

LLM Powered Autonomous Agents

Lilian Weng（部落格） — Fri, 23 Jun 2023 00:00:00 +0800

深入探討以大型語言模型為核心的自主代理系統架構，涵蓋規劃、記憶與工具使用等關鍵機制。讀者可從中學習 Chain of Thought、ReAct 等具體技術，並了解 AutoGPT、ChemCrow 等實作範例的運作原理與限制。

原站：https://lilianweng.github.io/posts/2023-06-23-agent

Prompt Engineering vs. Blind Prompting

Mitchell Hashimoto（部落格） — Fri, 14 Apr 2023 00:00:00 +0800

區分「提示工程」與「盲目試錯」，透過建立示範集、設計候選提示詞、系統性測試與成本效益分析，展示如何將提示工程應用於實際專案。讀者能學習如何將自然語言輸入轉為結構化資料的工程化流程，並掌握驗證與持續改進的方法。

原站：https://mitchellh.com/writing/prompt-engineering-vs-blind-prompting

Prompt Engineering

Lilian Weng（部落格） — Wed, 15 Mar 2023 00:00:00 +0800

深入探討提示工程（Prompt Engineering）的實作方法與理論基礎，涵蓋零樣本、少樣本學習、指令提示及思維鏈等技術。讀者可學習如何透過精心設計提示來引導大型語言模型，並了解相關研究論文與最佳實踐。

原站：https://lilianweng.github.io/posts/2023-03-15-prompt-engineering