无论你是 LangChain 的新手还是 AI 专家，
产品更新
v0.2 版本对于 LangChain是个大版本的更新，包括 LangChain、LangSmith 和 LangGraph 产品
LangChain
? LangChain v0.2 版本发布了版本化文档，结构和内容更清晰。
LangChain 更新了 LangChain v0.2 的文档[1]，将其分为：
• 教程：从头到尾构建特定应用程序（例如聊天机器人、RAG 应用程序或代理）的分步指南
• 操作指南：关于如何执行特定任务的详细指南（更深入、进阶）
• 概念指南：新概念或 LangChain 知识的术语以及技术词汇表
• API 文档：详细的技术参考文档
对于老版本的用户 langchain 提供了 Python 迁移脚本[2] 或JavaScript/TypeScript 迁移脚本[3]。
? JavaScript 的多模态函数调用让你可以传递图像、视频和音频并获取结构化输出。
LangChain 的 @langchain/google-genai 或 @langchain/google-vertexai 包中，添加了具有结构化输出的函数调用，允许你构建具有多模态支持的更可靠应用程序——包括图像、音频和视频。阅读更多内容请见文档[4]。
LangSmith
✂️ 数据集拆分用于评估和筛选/编辑数据集示例
通过数据集拆分，可以更轻松地在 LangSmith 中对数据的子集进行评估。你可以用不同的拆分名称标记示例[5]，编辑并添加到拆分中，并根据所需标准进行筛选。
当你有一个包含多个类别的数据集需要单独评估时，拆分非常有用。这允许你通过将示例添加到单独的拆分中进行测试，同时保持你的评估工作流程。
除了拆分，你还可以通过以下操作加快查找相关信息的速度：
克隆示例到另一个数据集
在 这个视频[6] 中查看如何使用数据集拆分的示例。
? 通过重复来建立对实验结果的信心
现在可以在 LangSmith 中运行多次重复实验[7]。这有助于平滑应用程序或 LLM 评估器引入的变异噪声，从而提高对实验结果的信心。
你可以检查 N 次重复的平均分数，并比较不同重复间的变异性输出。
? 现成的在线评估器提示以捕捉 RAG 的错误检索和幻觉
LangSmith 的在线评估器（LLM 作为评判者）自动在生产轨迹上运行，具有可定制的提示和自动化规则。新的现成评估器为你提供自定义提示，可以：
• 标记检索到的文档是否与用户输入问题相关（文档相关性）
• 在 RAG 回复中检查幻觉（幻觉）
• 检查 RAG 答案是否有助于解决问题，无需真实答案（答案有用性）
• 根据特定标准进行标记
? 管理无需句柄的提示
改进了 SDK 和 LangSmith Prompts UI，使导航提示更简单。
在通过 SDK 拉取或推送你自己的提示时，你不再需要指定句柄。例如，你可以使用 hub.pull('prompt_name') 而不是 hub.pull('handle/prompt_name')。
Speak the Lang
使用LangChain、LangSmith或LangGraph构建具有高质量和准确性的LLM应用程序的真实用例和示例，即使在生产中也能实现。
Agent 的自动校正
反思性循环促使 LLM 反思和批判其过去的行为，可以提高代理人的质量和成功率。这里是我们看到代理人如何利用自我纠正来取得更好成果。
?使用LangGraph和Codestral的自修复代码助手
随着从Mistral发布了Codestral-22B（一个在80多种编程语言上训练出来的代码生成模型），测试了使用Codestral结合LangGraph构建自校正代码助手。
? 多代理流代理，具有文本到SQL的审阅者自动更正功能
FlowiseAI的新Multi-AgentFlow以协作执行任务的代理团队为特色。对于文本到SQL的查询，处理如下——SQL Expert代理生成查询，Executor代理运行查询，最后由Reviewer代理自动更正查询。
该系统与函数调用、多模式、API和提示输入变量一起，使用反射循环来提高长时间运行任务的输出质量。
LangGraph 追踪器
这个项目[8]来自Jan Willem Altink（Esdec产品经理），展示了如何使用LangGraph来管理费用。可以发送发票图片（通过提取）—该项目然后帮助对费用进行结构化和分类，并将其放入数据库中。
