LangChain 揭秘 LangSmith AI Search:trace 轨迹化+小模型并行匹配
LangChain · x · 2026-10-17
LangChain 发布长推拆解 LangSmith「AI Search」背后的工程实现:
1️⃣ SmithDB 把每条 ingested trace 转成统一的标准消息格式,并构建跨调用的 trajectory 视图——即一段可读的 agent 会话轨迹(如 Fix test → Run tests → 1 failed → Edit auth → Fixed);搜索时先用结构化过滤条件(时间范围等)缩小候选集。
2️⃣ 再由一个小而快的模型把剩余轨迹逐条与用户描述比对,大量检查并行执行,单个通常不到半秒;匹配结果随发现随流式返回,不必等全量扫描完成。
这是一个「结构化过滤粗筛 + 语义模型精筛 + 流式输出」的混合检索架构,对做 agent 可观测性和 trace 检索的团队有直接参考价值。
所属事件:LangSmith 上线 AI Search:自然语言检索 Agent 轨迹(4 条相关)→
「编程与Agent」频道最新
- 斯坦福等提出 AutoSep:用更弱模型迭代攻防,把 agent reward hacking 成功率从 69.9% 降到 12.1% — Stanford · 2026-10-17
- 免费开源课「Harness Engineering」:14 讲+8 个实战项目教你构建可靠编码 Agent — techNmak · 2026-10-17
- Anthropic 工程师称现在用 Claude Slides 做 PPT,告别搜素材 — bcherny · 2026-10-17
- 开发者用 Claude 半年写出软体物理引擎，称复杂度超 BeamNG — grandprixlegends · 2026-10-17
- tldraw 推出 Codex 插件,在多人无限画布上与 AI 结对开发 — max__drake · 2026-10-17
- 开源版 Open Co-Scientist 复刻 Google AI 科学家，Elo 锦标赛进化假设 — Haunting-Stretch8069 · 2026-10-17