返回探索
资讯VibeFix 内容整理更新于 2026年11月21日

LangSmith 换了记账方式:一个智能体,一条记录

2026 年 11 月 16 日,LangChain 宣布把 LangSmith 围绕智能体重建:每个智能体一条记录,挂负责人、唯一编号和类型,四个环境的追踪归到一处;搭建、运行、改进、治理第一次被同一条记录串起来,组织级仪表盘与身份集成还在路上。

LangSmith 官方 All agents 仪表盘截图,列出多个智能体及其追踪数、成本与错误率

一句话:LangSmith 以后按智能体记账,不再按项目记账

2026 年 11 月 16 日,LangChain 在官方博客发表《We rebuilt LangSmith around the agent》,宣布把 LangSmith 整个产品围绕“智能体”这一个对象重建了。这不是一次界面改版,也不是多加了几个按钮。改动的核心是一句话:以前 LangSmith 收到的追踪记录按项目平铺存放,跟产生它的智能体没有持久的关联;现在每个注册的智能体都有一条自己的记录,负责人、全球唯一的不可变编号和类型都写在这条记录上,本地、开发、预发布、生产四个环境的追踪记录和生命周期工具全部归到同一条记录下面。文章作者是 Sam Crowder,发布时间为 2026 年 11 月 16 日 18:00 UTC,全文已亲读。

这次重建有一个明确的时间背景。上周,LangChain 宣布了 C 轮融资,同时推出了 LangSmith Agent Platform,定位是一站式做智能体的开发、运行、改进与治理。新文章就是给这个平台补上数据模型:平台的三根支柱——运行、改进、治理——靠什么连到每一个具体的智能体身上?答案就是这条智能体记录。换句话说,C 轮发布讲的是“我们要做一个平台”,11 月 16 日这篇讲的是“平台内部的账本长什么样”。

为什么是现在改?博客开篇的判断很直接:2026 年是智能体 adoption 发生质变的一年,新的开发框架、模型和工程方法让智能体第一次能稳定地承担复杂而高价值的工作。于是公司里一下子冒出很多智能体:工程团队用编程智能体,产品团队做面向客户的智能体,各部门还有一堆内部效率智能体。它们用不同的框架搭建,跑在不同的运行时上,接不同的工具和模型。对 LangChain 来说,这意味着 LangSmith 面对的不再是“一两个实验性智能体”,而是一整个智能体群落。旧的组织方式在这种规模下先撑不住,这是重建的直接动因。

旧模型到底哪里别扭,博客分两个角色讲得很具体。对工程师来说,追踪、监控和部署散落在不同的界面里,来回切换的成本高到让人干脆跳过某些步骤——最常被跳过的就是评估。评估本来是智能体开发里最难也最重要的一环,需要搭数据集、跑对照、看回归,但如果每次都要先在几个工具之间翻找,很多人就先把功能发了再说。对平台团队来说,问题更基础:公司里到底有哪些智能体,每个归谁负责,各自花了多少钱、表现怎么样,这些问题答不上来。成本突然飙升时,甚至找不到一个可以问的人。这两个痛点加起来,就是这次重建要解决的事:一边是工程师的上下文切换,一边是平台团队的治理盲区。

新账本长什么样:一条记录,三个属性

新数据模型本身并不复杂,这正是它的优点。每个智能体记录包含三个属性。第一是负责人(Owner):一个写明了姓名的人,对这个智能体负责。第二是编号(ID):全球唯一、不可变,智能体改名、换环境、换版本,这个编号都不变。第三是类型(Type):这个智能体是干什么的,类型决定了它的仪表盘上显示什么信息、接哪些数据、按什么标准评估。三个属性分工清楚:负责人解决“出了问题找谁”,编号解决“不同环境里的记录是不是同一个智能体”,类型解决“用什么尺子量它”。

环境归一是这次改动里对日常开发最实在的一点。以前同一个智能体在本地跑出来的追踪和在生产环境跑出来的追踪之间没有任何关联,开发环境一个池子、预发布一个池子、生产一个池子,看起来像三个不同的智能体。现在四个环境都挂在同一个智能体编号下面,改了一版提示词或者换了一个模型,可以直接对比改动前后在各个环境里的表现,不用再靠时间戳和记忆去拼。博客的原话是,打开一条智能体记录,它的追踪、评估、Agent Server 和 Engine 发现的问题一键可达,不用再到处翻找。对每天要改十几次提示词的人来说,这个“一键可达”省下的不是点击次数,而是“评估到底跑没跑”的不确定性。

还有一点值得单独拎出来:LangSmith 强调自己是可组合的(composable)。如果你已经在别的平台上跑智能体,不必搬家,可以只把追踪和治理接进来;如果全套都建在 LangSmith 上,产品之间会互相加持。博客举的例子是,Engine 发现问题后,可以先在 Agent Server 的预览环境里验证拟议的修复,确认没问题再合入生产。发现问题、验证修复、合入生产,这个闭环以前要靠人工在几个工具之间搬运,现在是同一条记录上的连续动作。

四段生命周期,终于连成一条线

博客把智能体的开发生命周期分成四段:搭建(Build)、运行(Run)、改进(Improve)、治理(Govern)。搭建可以用 LangSmith Studio 里的自然语言搭建器,用文字描述出一个智能体;也可以用 LangChain 的开源框架自己写代码;或者用任何其他框架。运行可以部署在 LangSmith Agent Server 上,也可以继续留在你自己的运行时里。改进包括追踪、评估、数据集、标注和 Engine,只要智能体往 LangSmith 发追踪,这些工具都能用。治理则靠智能体注册表和 LLM Gateway,在组织层面看清每个注册智能体的情况并加以管控。

四段本身都不是新功能,新的是它们第一次被同一条记录串起来。以前的 LangSmith 更像一个工具箱:追踪是一个工具,评估是一个工具,部署又是一个工具,各自都很好用,但工具之间没有共同的“主语”。现在主语有了,就是智能体记录。搭建时定下的类型决定了改进阶段的评估标准,运行阶段产生的追踪直接成为改进阶段的数据集来源,治理阶段看到的成本和质量数字按智能体汇总,而不是按项目汇总。这种串联对团队的意义比单个功能大:它让“改了提示词—跑了评估—看了结果—决定发不发”变成一条看得见的链路,而不是散落在聊天记录和个人记忆里的零碎操作。

不同智能体,不同尺子:Agent Type 是关键一招

如果说智能体记录是账本,那么智能体类型(Agent Type)就是账本里最有想法的一页。博客的逻辑是:不同的智能体干不同的活,就该用不同的尺子量。编程智能体的好坏,要看它写的代码有没有被合并、每花一块钱产出多少、它完成的是哪类工作;客服智能体的好坏,则要看延迟低不低、问题解决得快不快。拿同一套指标去量这两种智能体,要么量不出东西,要么量错东西。类型就是把这个道理做进产品里:给智能体定一个类型,它的仪表盘、数据连接和评估标准就按这个类型来。

具体到仪表盘,通用智能体的默认视图包括描述、近期活动、在线监控、常用模型和工具,以及 Engine 发现的失败;编程智能体的视图则突出已合并的 PR、花掉的 token 成本和完成的工作类型。博客强调这些仪表盘是“有主见的”(opinionated):定好类型就直接能用,不用先搭自定义视图。而且同一个类型的所有智能体都按同一套标准衡量,团队里三个人各跑一个编程智能体,数字之间可以直接比较。这个细节对团队管理很实在:以前各人搭各人的视图,数字对不上,争论就停留在“我的智能体感觉更好用”的层面;现在尺子统一了,比较才有意义。

数据连接是类型机制的另一个落点。编程智能体类型允许连接 GitHub 仓库,追踪智能体的工作在下游的实际结果——代码合并了没有、PR 走到哪一步了。博客说,随着更多类型加入,还会继续做类似的集成,让每种智能体都能看到与其目标相关的数据。目前已有的类型是通用和编程两种,语音智能体正在路上:语音智能体不只要解决问题,还要在低延迟和良好音质的前提下与人交互,评估标准自然也要跟着变。这个路线图透露了一个判断:LangChain 不打算用一套抽象的“智能体健康度”打发所有场景,而是准备为每类智能体各做一套量身的标准。

治理的野心:不管智能体跑在哪里,都要看得见

博客用相当大的篇幅讲治理,因为智能体蔓延(agent sprawl)已经从工程问题变成了治理问题。蔓延来自三个方向:工程团队自己搭的智能体,业务部门从 ServiceNow、Glean 这类厂商平台买来的智能体,以及员工自己找来的编程和效率智能体。平台团队和 AI 负责人要对所有这些负责,但要求所有团队统一用一个平台并不现实。LangSmith 的答案是:不必统一平台,统一观测。任何支持 OpenTelemetry 协议(OTLP)的运行时上的智能体都可以接进来注册,注册之后就和自家工程师搭建的智能体一样被衡量。

这个做法的实际含义是,治理不再以“谁搭建的”为边界,而以“有没有注册”为边界。每个注册的智能体都有负责人、编号和类型,管理员可以用同一套方式监控整个智能体舰队,成本和质量指标按智能体汇总到各个环境。如果某个从厂商平台接入的智能体成本突然飙升,管理员能看到该找哪位负责人,顺着追踪记录看到底是哪个环节出了问题。这个场景很具体:不是“智能体失控了怎么办”的宏大叙事,而是“账单多了一笔,找谁问”的日常问题。

但也要把话说清楚:博客讲的是“看得见、找得到人”,不是“自动管得住”。注册、编号和负责人解决的是归属和可见性,至于每个智能体能调哪些工具、能花多少钱、出错时自动停不停,这些执行层面的控制要靠 LLM Gateway 和各组织的策略,博客没有展开讲。把“治理可见性”和“治理执行力”混为一谈,是读这类发布最容易踩的坑。LangSmith 这次交付的是前者,后者仍有待观察。

下一步画了什么饼:红队、标注、微调、身份

博客的路线图部分值得逐条看,因为它说明了 LangSmith 认为“一条记录”最终能长成什么。第一,Engine 会对智能体做红队测试(red team),主动找失败,修复上线后再监控有没有回归。第二,团队可以在自定义标注应用里审阅生产环境的追踪,审阅过的例子自动流入评估数据集——人的判断变成可复用的评估数据,而不是审完就忘的聊天记录。第三,最好的运行轨迹(trajectories)会成为微调模型的数据,用更便宜、表现更好的模型降低成本。第四,组织级仪表盘:工作区级别的集中视图已经有了,公司级的汇总视图正在做。第五,身份:每个智能体已经有唯一的不可变编号,下一步是把它注册进身份提供商,让安全团队像管理任何其他身份一样管理和审计智能体。

这五条里,前三条其实已经存在于今天的 LangSmith 里,博客的说法是“现在我们把它们连起来,让开发体验更简单”。后两条则是明确还没交付的东西。读路线图要分清两类:“已有功能的新连接”和“还没做出来的新能力”。组织级仪表盘和身份提供商集成属于后者,意味着今天的治理能力还停留在工作区层面,一家公司要总览全部智能体还得再等。对正在评估的人来说,这个区分比路线图本身更重要:买的是现状,不是路线图。

怎么看这次改动:一次迟到的整理,还是一次必要的打底?

坦率地说,LangSmith 这次改动没有带来任何一个让人眼前一亮的新功能。没有新模型,没有新基准分数,没有“用了就快十倍”的承诺。它做的事更像是整理房间:把散落在各处的追踪、评估、部署和治理收进以智能体为单位的抽屉里,贴上负责人、编号和类型的标签。这种改动在日常开发里最管用。智能体开发最痛苦的部分从来不是“写不出智能体”,而是“智能体跑起来之后,不知道它干得怎么样、不知道该信哪次运行的结果、出了问题不知道从哪查起”。这次重建正对着这三个“不知道”下手。

但也要看到这篇博客没回答的问题。第一,定价和版本:新模型是否影响现有套餐、BYOC 和自托管的收费方式有没有变化,博客只字未提。第二,迁移成本:已经在旧项目结构里积累了大量追踪的老用户,怎么过渡到智能体记录,博客没有给方案。第三,时间表:组织级仪表盘和身份集成只说了“在做”,没有给日期。第四,效果证据:博客没有给出任何一家客户在改用新模型之后的具体收益数字,比如评估覆盖率提升了多少、定位问题的用时缩短了多少。这些缺失并不意味着改动不实在,而是意味着它目前还只能按“厂商的架构判断”来理解,不能按“已验证的效果”来宣传。

对 vibe coding 的实践者来说,这次改动有一个直接的启示:当你用 Claude Code、Codex 或其他编程智能体帮你写项目时,真正决定你能不能放心把活交给它的,往往不是它一次写得多漂亮,而是你能不能事后查清它每一步干了什么。LangSmith 想做的就是把这种“事后可查”变成基础设施:每个智能体一条记录,每次运行都有归属,每次改动都能对比。只要你开始让智能体碰生产代码、碰真实用户数据,“谁干的、花了多少、结果如何”就不再是加分项,而是必须有的底线。这篇博客的价值就在于,它把这条底线从“建议”变成了“产品结构”。

如何上手,与本文的边界

按博客的说法,新的 LangSmith 已经在云端、自带云(BYOC)和自托管环境全球可用。最快的上手方式有两条:用 LangSmith Studio 从零搭建第一个智能体,或者把已经在跑的智能体接进来。博客没有给出具体的迁移指南或定价页链接,动手之前建议先到官方文档核对自己所在环境的开通情况和版本要求,再决定是新建还是接入。

最后说明本文的边界。站内此前没有发表过 LangSmith 专题文章,这篇是第一次系统介绍它的新数据模型;文章的全部核心事实都来自 2026 年 11 月 16 日的 LangChain 官方博客原文,C 轮与 Agent Platform 的背景也以该文自己的表述为准。博客中的产品截图数字属于官方示意数据,本文没有引用;组织级仪表盘、身份提供商集成、语音智能体类型等内容在原文中明确标注为路线图,本文按“在做”处理,没有写成已交付。如果你正在用的正是 LangSmith,不妨打开一条智能体记录看看:负责人、编号、类型三样齐不齐,四个环境的追踪是不是已经归到了一起——这比任何发布文章都更能说明这次重建到底落没落地。

LangSmith 新旧数据模型对照与四段生命周期示意图:旧模型按项目平铺追踪、新模型以智能体记录为中心,串联搭建、运行、改进与治理

阅读 6评论 0

评论 (0)

ME
0/1000
评论加载中...

原始来源

浏览项目广场发布你的项目

相关文章

一名戴眼镜的开发者坐在木桌前敲笔记本电脑,左边外接显示器上是深色背景的 C 语言代码,桌上有绿植
资讯
微软的编程模型终于不当配角了:MAI Code 2 拿 96% 的分数、只收 5% 的钱,但先看清三处“但是”

2026 年 11 月 17 日,微软发布 MAI Code 2 和 Code 2 Flash:大模型 770 亿激活参数、100 万上下文,四项基准平均通过率 63.2%,与 GPT-6.1 Sol、Claude Opus 5.5 咬得很紧,但每任务成本只有 0.309 美元。先看清三处“但是”:价格是推广价、分数是三者最低、长周期任务不在舒适区。

开发工作流产品发布模型动态
一名开发者坐在双显示器工位前敲键盘,左屏是深色代码编辑器,右屏是带绿色对勾与柱状图的测试仪表盘,桌上有台灯和马克杯
资讯
你的智能体到底变好还是变坏了:AWS 开源 UAEF,给所有框架的智能体用同一把尺子量

2026 年 11 月 11 日,AWS 开源 UAEF:先把 LangGraph、LangChain、Strands、Bedrock AgentCore 等框架的运行记录翻成统一格式,再用 36 个指标、7 个维度打分,回归超过 5% 就亮灯。评审模型本身也被防了一手:打分要引原文作证,分数不能用来决定安全放行。

开发工作流产品发布测试与质量
黑色背景上,一名指挥家背对镜头高举指挥棒,脚下环绕着旋转的光轨,像一支乐队正在被指挥
资讯
一个接口接 45 个模型,坏了自动换一家接着跑:Perplexity 的 Orchestrator 想当模型界的‘总机’

2026 年 11 月 17 日,Perplexity 推出 Orchestrator API:一个接口接通 OpenAI、Anthropic、Google、xAI 与 GLM、Kimi、DeepSeek 等开源权重模型,按回答模型的公开价计费、不收平台费。同一模型挂了就换一家部署接着跑,路由功能还能按任务把请求分给不同的模型。

开发工作流产品发布模型动态