Why Your AI Agents Can't Talk to Each Other (Yet) — Vlad Luzin, BAND
Vlad Luzin 指出人類目前像路由器一樣在多個 AI 之間傳遞訊息，他認為建立 AI 與 AI 間的通訊層能解決單一代理的偏見與注意力分散問題。BAND 提供包含身份、登錄檔與即時對話的互動層，讓代理能跨組織協作並保留人類參與。
4,443次觀看
※ 摘要僅根據標題與說明
LangGraph
28 筆內容提到
最近 7 天 4 筆↑1（比前一期多 1 筆）（再前 7 天 3 筆）
這一頁列的是「提到 LangGraph」的內容（名稱由語言模型從內容裡整理），不一定整筆都在講它。只想追它的新內容：訂閱 RSS；想找標題裡就有它的：搜尋「LangGraph」。
最新
依發布時間
How Zip Uses LangSmith and LangGraph to Ship New Features Faster
Zip 團隊分享如何透過 LangGraph 與 LangSmith 加速 AI 功能開發與追蹤。透過這些工具，團隊無需額外編碼即可獲得節點互動與 LLM 呼叫的追蹤資料，並建立評估機制防止回退問題。
3,642次觀看※ 摘要僅根據標題與說明
The Human Is an Async API — Melanie Warrick, Temporal
Melanie Warrick 透過冰淇淋配送示範，說明如何建立不阻塞且能持久化狀態的人機迴圈代理系統。她展示如何利用 Temporal 的機制讓代理在等待人類決策時不中斷其他工作，並從失敗中恢復。
7,953次觀看※ 摘要僅根據標題與說明
Interrupt NYC: Opening Keynote
Harrison Chase 分享如何透過 LangGraph 與 LangSmith 建構領域專屬智慧，並介紹 Managed Deep Agents、LangSmith Engine v2 等最新功能與觀察工具。
6,361次觀看※ 摘要僅根據標題與說明
Stellantis: How a Global Automaker Deployed AI Agents at Scale
Stellantis 透過 Databricks 架構部署 AI 代理，將供應鏈規劃時間縮短至一天並節省成本。影片介紹了 Optima 系統的生產架構與大型企業部署多代理系統的經驗。
3,961次觀看※ 摘要僅根據標題與說明
Why Your AI Agent Fails in Production (And How to Catch It)
展示如何建立端到端的 AI 代理評估管道，將本地演示中的問題轉化為生產環境的實際測試。觀眾能學習使用 Antigravity、OpenTelemetry 等工具標準化追蹤並設定自動化評分標準。
1.8 萬次觀看※ 摘要僅根據標題與說明
Your Agents Are in Solitary Confinement: Why MCP & A2A Aren't Enough — Vlad Luzin, Band
Vlad Luzin 指出當前 MCP 與 A2A 協議無法解決多代理協作的狀態保持與發現問題，導致代理陷入「數位孤立監禁」。
8,330次觀看How to Build AI Agents in Python - 3 Ways
介紹如何用 CrewAI、OpenAI Agents SDK 與 LangGraph 三種方式在 Python 建構 AI Agent。透過實際程式碼示範，比較各框架在簡單原型、功能完整性與生產級複雜度上的差異，幫助讀者選擇合適工具。
5.1 萬次觀看Middleware for Managed Deep Agents
LangChain 產品經理 Nathan Drezner 介紹管理式深度代理的中介層，示範如何加入預設的 PII 中介層來遮蔽客戶郵件，並從零編寫自訂的日誌中介層。觀眾能學習如何為代理擴展生命週期，加入政策執行、容錯與速率限制等自訂行為。
3,867次觀看※ 摘要僅根據標題與說明
How Lyft Increased Its Agent Resolution Rate by 16% with LangSmith and LangGraph
Lyft 工程師分享如何利用 LangGraph 與 LangSmith 重建客服代理架構，將開發時間從六個月縮短至兩週，並將解決率提升 16%。透過元代理架構與可觀測性工具，讓產品經理與營運人員無需寫程式即可快速部署新代理。
6,093次觀看※ 摘要僅根據標題與說明
Share your Managed Deep Agent with your team using Slack
示範如何將 LangSmith 中的研究助理代理部署到 Slack 團隊環境，包含設定連線、授權、監控追蹤及自訂外觀。看完即可掌握將 AI 代理整合至 Slack 並讓團隊使用的具體步驟。
2,931次觀看※ 摘要僅根據標題與說明
Build fences not sandboxes, earn the currency of trust, and share the cognitive burden of agents across engineers
探討 Ox Alpha 等黑箱模型的風險、工程信任的貨幣價值、多代理圖形架構以及資深工程師如何轉型為 Staff Engineer。透過實例與專家對談，提供建立安全邊界、最佳化認知負荷及跨團隊協作的具體策略。
System Design for AI Agents – Building a Multi-Agent PR Reviewer
詳細教學如何設計並構建一個生產級的多代理 AI 系統，用於自動審查程式碼合併請求。內容涵蓋系統架構、資料庫選擇、故障容錯機制與驗證流程，讓讀者掌握將 AI 整合進工程實作的完整方法。
7.7 萬次觀看Why Graph Engineering will 10x your Claude/Codex
深入解析「圖工程」概念，說明如何將單一大對話轉換為結構化的工作流圖，透過規劃、並行研究、懷疑者檢查與合併等步驟提升 AI 產出品質。看完後讀者能學會如何將現有任務拆解成可管理的步驟，並加入人工審核機制以減少錯誤。
22.2 萬次觀看not much happened today
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。
Agentic AI – Complete Course for Beginners
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…
39.7 萬次觀看not much happened today
匯總了 2026 年 7 月 AI 領域的最新動態，涵蓋中美 AI 政策博弈、開源模型競爭及基礎設施發展。內容重點包括美國可能限制中國開源模型、Hugging Face 因安全事件轉向自部署 GLM-5.2、Kimi K3 與 Qwen…
The Control-vs-Magic Spectrum Building Agents
訪談 iFood 資料與 AI 總監 Thiago Cardoso，分享如何將 AI 代理應用於大規模生產環境。內容涵蓋從控制到自動化的譜系、多代理架構設計、語境工程的重要性，以及利用 WhatsApp 作為介面提供個人化金融服務。
The Age of Async Agents — Cognition's Walden Yan & OpenInspect's Cole Murray
訪談 Cognition 創辦人 Walden Yan 與 OpenInspect 創辦人 Cole Murray，探討背景代理（Background Agents）如何從概念走向實用，以及 Devin 等工具在 2025 年底後的演變。
【十字路口】探秘 Claude Code，搞懂 Agent Harness｜对谈来新璐【视频播客】
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。
Ep 85: Has AI Infra Stabilized, FM Vibe Shift, & What's Next for Coding Agents
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…
Everything Gets Rebuilt: The New AI Agent Stack | Harrison Chase, LangChain
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。
Episode 71: Durable Agents - How to Build AI Systems That Survive a Crash with Samuel Colvin
探討如何將軟體工程原則應用於 AI 代理，以建立能從失敗中恢復的「耐損代理」。講者 Samuel Colvin 強調生產環境需要高可靠性，並介紹了將代理拆分為確定性工作流與隨機活動的架構，利用 Temporal 等工具實現狀態持久化與重試…
How to write a good spec for AI agents
提供撰寫高績效 AI 程式碼代理規格書的實戰框架，涵蓋從高階願景到執行細節的規劃步驟。讀者可學習如何將大型任務拆解、設定執行命令與測試規範，並利用 Plan Mode 避免過度工程化，確保 AI 專注且高效產出。
How New Libraries Saw a 50% Improvement | Maria Gorinova
訪談 Tesla 工程師 Maria Gorinova，探討 AI 代理在程式開發中對函式庫抽象的誤用問題。透過 Tesla Registry 與 Tiles 技術，提供上下文讓代理更精準理解函式庫，測試顯示新函式庫使用率提升 50%。
Episode 61: The AI Agent Reliability Cliff: What Happens When Tools Fail in Production
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。
- 2,707次觀看
※ 摘要僅根據標題與說明
最受歡迎
依人氣
Agentic AI – Complete Course for Beginners
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…
39.7 萬次觀看How to Build AI Agents in Python - 3 Ways
介紹如何用 CrewAI、OpenAI Agents SDK 與 LangGraph 三種方式在 Python 建構 AI Agent。透過實際程式碼示範，比較各框架在簡單原型、功能完整性與生產級複雜度上的差異，幫助讀者選擇合適工具。
5.1 萬次觀看Why Graph Engineering will 10x your Claude/Codex
深入解析「圖工程」概念，說明如何將單一大對話轉換為結構化的工作流圖，透過規劃、並行研究、懷疑者檢查與合併等步驟提升 AI 產出品質。看完後讀者能學會如何將現有任務拆解成可管理的步驟，並加入人工審核機制以減少錯誤。
22.2 萬次觀看Why Your AI Agent Fails in Production (And How to Catch It)
展示如何建立端到端的 AI 代理評估管道，將本地演示中的問題轉化為生產環境的實際測試。觀眾能學習使用 Antigravity、OpenTelemetry 等工具標準化追蹤並設定自動化評分標準。
1.8 萬次觀看※ 摘要僅根據標題與說明
System Design for AI Agents – Building a Multi-Agent PR Reviewer
詳細教學如何設計並構建一個生產級的多代理 AI 系統，用於自動審查程式碼合併請求。內容涵蓋系統架構、資料庫選擇、故障容錯機制與驗證流程，讓讀者掌握將 AI 整合進工程實作的完整方法。
7.7 萬次觀看Why Your AI Agents Can't Talk to Each Other (Yet) — Vlad Luzin, BAND
Vlad Luzin 指出人類目前像路由器一樣在多個 AI 之間傳遞訊息，他認為建立 AI 與 AI 間的通訊層能解決單一代理的偏見與注意力分散問題。BAND 提供包含身份、登錄檔與即時對話的互動層，讓代理能跨組織協作並保留人類參與。
4,443次觀看※ 摘要僅根據標題與說明
The Human Is an Async API — Melanie Warrick, Temporal
Melanie Warrick 透過冰淇淋配送示範，說明如何建立不阻塞且能持久化狀態的人機迴圈代理系統。她展示如何利用 Temporal 的機制讓代理在等待人類決策時不中斷其他工作，並從失敗中恢復。
7,953次觀看※ 摘要僅根據標題與說明
Your Agents Are in Solitary Confinement: Why MCP & A2A Aren't Enough — Vlad Luzin, Band
Vlad Luzin 指出當前 MCP 與 A2A 協議無法解決多代理協作的狀態保持與發現問題，導致代理陷入「數位孤立監禁」。
8,330次觀看How to write a good spec for AI agents
提供撰寫高績效 AI 程式碼代理規格書的實戰框架，涵蓋從高階願景到執行細節的規劃步驟。讀者可學習如何將大型任務拆解、設定執行命令與測試規範，並利用 Plan Mode 避免過度工程化，確保 AI 專注且高效產出。