LangSmith 集成 Jev：低成本大规模 trace 挖掘，直接产出 eval
hwchase17 · x · 2026-09-22
hwchase17（LangChain 创始人）转发 LangSmith 团队推文，推广 Jev 在 LangSmith 中的集成。
核心卖点：
- 用 Jev 做大规模 trace 挖掘，成本足够低，甚至不需要子采样
- 把每条 trace 数据变成理解，再转化为 evals 和环境
- 从这些 evals 出发构建持续改进的 agents
- LangSmith Gateway 还可以尝试其他开源 Jev 变体，找到最适合自己任务的
本质上是在把「观察生产流量 → 自动生成评估 → 迭代 agent」的闭环做得更便宜更易用。
所属事件:LangSmith 上线 Jev-as-a-judge 低成本评估(2 条相关)→
「编程与Agent」频道最新
- 新基准 Continual-ARC：主流 Agent 都学不会经验，9B 模型微调反而可以 — alifcoder · 2026-11-12
- 开发者放话：AI Agent 基础设施需要彻底重构，别套用 Kubernetes — krishnan · 2026-11-12
- SpaceX 工程师 Lauren Tan 七步法：月发 11000 个 PR、回滚率仅 0.5% — TheTuringPost · 2026-11-12
- 让编码 agent 不产垃圾代码的 7 步法：单月合入 1.1 万 PR、回滚率 0.5% — TheTuringPost · 2026-11-12
- Every agent 新功能：从 Slack 直接创建和编辑 Google 表单 — every · 2026-11-12
- 复盘百个付费 AI 客户项目:5千到1.8万美元的生意怎么做 — aryanXmahajan · 2026-11-12