我们重点介绍使用 LangChain 生态系统不同部分的最激动人心的方式——从 LangGraph Cloud 中构建的各种应用程序，到关于如何可靠地测试 LLM 应用程序的客户案例。此外，掌握最新的 Agent 趋势，并为我们即将到来的黑客马拉松做好准备。

产品更新

重点介绍 LangChain、LangSmith 和 LangGraph 的最新产品更新和新闻

🔁 LangSmith：自我改进的评估器

现在，人们可以轻松地在 LangSmith 中纠正“LLM 即法官”评估器，并将这些纠正作为少量示例传递回评估器，以创建自我改进的反馈循环。观看此视频，将自我改进的评估器添加到任何 LangSmith 数据集中。

☁️ LangGraph Cloud：用例

我们用于大规模运行 Agent 的最新基础设施 LangGraph Cloud，可用于许多不同的 LLM 应用程序。

观看此视频，了解如何在 LangGraph Cloud 上构建全栈、生成式 UI 应用程序，该应用程序可以生成图表、分析查询以动态过滤和可视化数据，然后在 LangGraph Cloud 上部署。
想要使用 LangGraph Cloud 构建一个 Discord 机器人，以记住对话并从中学习吗？观看此视频，了解我们是如何从构建到部署再到测试其性能的。
对于可以灵活处理模型幻觉的自我纠正 RAG 应用程序，LangGraph Cloud 也非常方便。在此处查看示例。

📓 LangGraph 文档

我们已经改进了 LangGraph 文档，使其包含清晰且可操作的操作指南和全面的概念指南

人工参与循环：了解如何添加断点、等待用户批准等
流式传输：了解如何使用 LangGraph 的一流流式传输支持来流式传输图状态、LLM 令牌等
可控性：使用子图、分支等创建高级控制流
预构建的 ReAct Agent：使用 LangGraph 的预构建实现，只需几行代码即可快速构建强大的 ReAct 风格的 Agent
概念指南：了解 Agent 概念和 LangGraph 的核心底层构建块

活动和聚会

在下个月的以下线下活动中，与 LangChain 爱好者、员工和热情的 AI 应用程序构建者会面

🌉 （8 月 11 日）旧金山 Agent 黑客马拉松

加入我们的 Agent 和复合 AI 黑客马拉松，届时将有来自 Fireworks、Factory AI 和 LangChain 领导者的演讲。现金奖励和积分等你来拿！这是一个完全线下的黑客马拉松。在此处申请。

🙈 错过也没关系，往期活动：

感谢所有参加我们区域聚会的人！在过去的一个月中，我们在纽约市和德克萨斯州奥斯汀市遇到了许多 LangChain 构建者和爱好者——未来还会有更多活动！
观看重播，了解我们的现场小组讨论，主题是如何实现 GenAI 热潮”，嘉宾包括 Edo Liberty（Pinecone CEO）和 Harrison Chase（LangChain CEO）

畅谈 Lang

了解我们超过 100 万的开发人员和构建者如何在日常工作中使用 LangChain、LangSmith 和 LangGraph。感谢您一直以来帮助我们做得更好！

🤖 Agent，无处不在

通过我们的“圈内动态”博客系列，了解我们的 CEO Harrison Chase 关于 Agent 应用程序常见问题的最新想法和学习。查看

我们还为最受 Agent 功能之一“人工参与循环”添加了视频教程。观看第 1 部分，了解如何在 LangGraph 中添加断点以在特定步骤停止 Agent 以进行人工批准，然后观看第 2 部分，了解如何等待人工反馈以澄清问题。

想要更深入地了解多 Agent 设置吗？Jockey（来自 Twelve Labs）是一个会话式视频 Agent，它使用 LangGraph 来优化其令牌使用和视频处理。在此处阅读博客。

🛠️ 测试和评估 LLM 应用程序

作为内部法律团队的 AI 助手，Wordsmith 在其整个产品生命周期中采用了 LangSmith——从将调试时间缩短到几秒，到建立基线以测试其 RAG 应用程序，然后在同一天发布到生产环境。在此处阅读他们的故事。

然而，当涉及到 Agent 时，构建和测试是一项艰巨的任务。我们最近举办了一个研讨会，讲解如何使用 LangGraph 和 LangSmith 构建和测试可靠的 Agent，从实现到评估。

与标准 RAG 不同，Agent 记忆系统动态创建文档以供以后检索。New Computer（个人 AI 助手 Dot 的创建者）使用 LangSmith 快速迭代和评估其应用程序的精确率、召回率和 F1 值——结果召回率提高了 50%，精确率提高了 40%。他们还利用回归测试来优化对话提示。阅读在此处阅读完整故事。

✨ 值得关注的社区项目

这里有一些来自社区成员的令人兴奋的项目和论文，包括代码和实现

使用 LangChain.js + Next.js + Gemini 为个人网站构建的简历聊天机器人，作者：Aaron Philip（DevRev 技术人员）
从本地到全局：使用 Neo4j 和 Langchain 构建 GraphRAG，作者：Tomaz Bratanic（Neo4j 研究员）
使用 LangChain 学习 RAG 的教程，作者：Sakuna Harinda（H2O.ai 软件工程师）
使用 Milvus 和本地 Llama 3 (Ollama) 构建 LangGraph 自适应 RAG，作者：Stephen Batifol（Zilliz 开发者布道师）

如何关注 LangChain 最新动态？查看 LangChain 博客和 YouTube 频道，获取更多产品和内容更新。如有其他问题，请发送电子邮件至 support@langchain.dev。