AI 日报 · 2026-08-26

IBM 发布 Granite 4.2 推理模型家族，3B、8B、30B 稠密模型均以 Apache 2.0 开源，上下文扩展到 512K，支持思考/非思考切换与原生工具调用，训练涵盖 15T tokens 预训练、推理与智能体轨迹 SFT 以及多阶段强化学习。研究侧，量化感知修复让 4-bit 压缩模型在多数基准上超过全精度原版，EleutherAI 的 AI 谎言检测复盘则发现黑盒裁判模型能有效识别更大模型的欺骗、白盒方法高度依赖场景。LangChain/LangSmith 同日密集更新，从检索抽象、结构化工具、Plan-and-Execute 到 Deep Agents 调试、Rubric 自评和 Engine 问题检测，形成一套更完整的智能体开发与观测能力。此外，Google 发布 XR 手势生成原型 AgentHands，EVE Online 启动从 Stackless Python 2.7 到 Python 3 的迁移。

北美一手（LLMs 官方 & 关联账号）

Google

⭐⭐ [研究] AgentHands: Generating interactive hand gestures for spatially grounded agent conversations in XR

Google Research 发布了 AgentHands，一个基于 LLM 的 XR 研究原型，该成果发表于 CHI 2026。AgentHands 为对话式 AI 智能体生成与语音同步、富有表现力的手部手势，以在物理空间中提供空间锚定的指导，弥合抽象语言与用户物理环境之间的心理映射差距。文章通过专家形成的多维度分类法（包括手性、手势、空间性、时间动态、交互性和视觉特效）来定义虚拟手的可读性，并介绍了环境感知、手势事件库等工作流关键步骤。系统利用眼动追踪与场景重建将现实物体注册到 3D 空间，并支持指向、描绘、表达三类语义手势。该原型旨在让 XR 中的 AI 助手交流更自然、更具参与感。

衍生 & 周边（产品 / Agent / Tools / 观点）

模型发布

⭐⭐⭐ [模型发布] Granite 4.2 LLMs: How They're Built

IBM 发布了 Granite 4.2 推理模型家族，包含 3B、8B、30B 三个稠密 decoder-only 版本，均以 Apache 2.0 许可开源。模型从头预训练约 15T tokens，采用五阶段训练策略，将上下文窗口扩展到 512K，随后进行链式思考、推理与智能体轨迹数据的监督微调，并经过多阶段强化学习后训练，其中 8B 与 30B 还包含真实沙箱环境中的智能体强化学习。所有模型支持思考/非思考模式切换、低强度思考模式以及原生工具调用，可通过 vLLM 等 OpenAI 兼容接口使用，也支持 SGLang。文章还给出了架构细节，包括 GQA、RoPE、SwiGLU、RMSNorm 等。

产品更新

⭐⭐ [产品更新] Using LangSmith to Support Fine-tuning

LangChain 团队发布了一份使用 LangSmith 支撑大模型微调的指南，覆盖用 LangSmith 做数据集管理与评估，并可在 Colab 配合 HuggingFace 微调开源模型，也可接入 OpenAI 的微调服务。团队以 LLaMA2-7b-chat 和 gpt-3.5-turbo 为例，用从 LangSmith 导出的训练数据微调知识图谱三元组抽取任务，并用 LangSmith 评估结果。文章认为微调适合有充足样本的明确定义任务，不适合用来注入新知识——微调是学「形式」而非「事实」，可能增加幻觉；同时指出微调流程最大的痛点是数据集的收集清洗与评估。

⭐⭐ [产品更新] Timescale Vector x LangChain: Making PostgreSQL A Better Vector Database for AI Applications

Timescale Vector 发布与 LangChain 的集成，使开发者可以用 PostgreSQL 作为 AI 应用的向量数据库。该集成引入基于 DiskANN 的新搜索索引，在百万 OpenAI Embeddings 数据集上相比 Weaviate 速度提升 243%（召回率约 99%），并比现有 PostgreSQL 搜索索引快 39.39% 至 1590.33%；启用 product quantization 后索引空间比 pgvector 节省 10 倍。它还支持基于时间的相似性搜索，利用 Timescale 超级表的自动时间分区与索引，可按时间范围或文档年龄过滤向量搜索，用于 RAG 的时间上下文检索。集成将向量、关系数据和时间序列数据统一在同一个 PostgreSQL 数据库中，简化 AI 基础设施栈，同时可用 PostgreSQL 数据类型存储和过滤元数据，并将向量搜索结果与关系数据 JOIN。未来版本将支持多属性过滤，官方还提供 90 天免费试用。

⭐⭐ [产品更新] Making Data Ingestion Production Ready: a LangChain-Powered Airbyte Destination

LangChain 官方博客宣布与 Airbyte 推出更深度的集成：在 Airbyte 中新增一个 LangChain destination。该集成旨在帮助团队将检索类应用从原型推进到生产，特别是解决数据摄入环节的可靠调度与转换问题。Airbyte 提供大量数据源、编排和定时重新索引能力，LangChain 则贡献文本分割（15 种以上实现）和嵌入（50 种以上集成）等转换逻辑。此前的集成方向是让 Airbyte 源作为 LangChain 的 Document Loader，本次则是反向打通，让 LangChain 成为 Airbyte 的目标端。

⭐⭐ [产品更新] LangServe Playground and Configurability

LangChain 宣布为部署工具 LangServe 新增 playground 与可配置性功能。playground 可为 chain 和 agent 提供简易 UI，支持流式输出、中间步骤日志以及修改可配置参数，并可通过分享链接方便团队协作。可配置性基于 LangChain Expression Language 新增的语法，任意组件都可设为可配置，并通过 URL 保存和分享不同配置。文章以 WebLangChain 为例，展示了将不同 LLM、prompt 和检索器作为配置项的做法。当前配置不会持久化，但 LangChain 正在 alpha 测试一个可持久化配置的部署平台。

⭐⭐ [产品更新] Retrieval

LangChain 官方博客宣布调整检索相关抽象，引入 Retriever 概念：检索器只需暴露 get_relevant_documents(query) -> List[Document] 接口即可接入。这一改动旨在让 LangChain 之外的检索器（如 OpenAI ChatGPT Retrieval Plugin）更易使用，也方便用户尝试混合检索等替代检索方法。同时，原先基于向量数据库的链已改为基于 Retriever：VectorDBQA 更名为 RetrievalQA，ChatVectorDBChain 更名为 ConversationalRetrievalChain 等。该变更向后兼容，现有链仍可继续工作，但官方建议尽快迁移到新的检索链。

⭐⭐ [产品更新] Introducing Pytest and Vitest integrations for LangSmith Evaluations

LangSmith 发布了与 Pytest 和 Vitest/Jest 的测试框架集成（beta），随 LangSmith Python 与 TypeScript SDK v0.3.0 推出，用于以熟悉的测试框架运行 LLM 评估（evals）。该集成保留了 Pytest/Vitest 的开发体验，同时可将测试输入输出、堆栈跟踪、指标与反馈记录到 LangSmith，便于调试、追踪指标变化并跨团队共享结果。文中还介绍了内置评估函数（如 expect.edit_distance）以及 @pytest.mark.langsmith 装饰器的用法，并给出了评估生成 SQL 应用的示例。

⭐⭐ [产品更新] Cube x LangChain: Building AI experiences with LLMs and the semantic layer

Cube 宣布与 LangChain 的集成，发布 CubeSemanticLoader 文档加载器，用于将 Cube 语义层的数据模型加载为向量嵌入并存入 FAISS 向量库，以便将自然语言输入与数据模型中的视图和成员匹配，降低 LLM 在文本转 SQL 场景中的幻觉风险。该集成配合一个基于 Streamlit 的聊天演示应用（代码在 GitHub），并附有构造 Cube SQL API 查询的 OpenAI 提示词示例。博客给出了 ingest 元数据、初始化 LLM、查询向量库等核心代码片段。

⭐⭐ [产品更新] Role Based Access Control (RBAC) for LangSmith

LangChain 宣布 LangSmith 新增基于角色的访问控制（RBAC）功能，企业版用户可在工作区或组织内为用户分配 Admin、Viewer、Editor 三种系统角色，并可创建自定义角色以细化权限。同时，LangSmith 的 API 密钥分为个人访问令牌和服务密钥两类：个人访问令牌随创建用户生效，用户被删除时一同失效；服务密钥以服务为主体，不受人员变动影响，仅工作区管理员可创建。旧 ls__ 前缀的 API 密钥已迁移为服务密钥，并将在 2024 年 7 月 1 日停止支持。

⭐⭐ [产品更新] Automating Web Research

LangChain 团队最初尝试构建一个自主 web research agent，但发现 agent 按顺序迭代搜索的效率不高。他们转而利用 AI 可并行发起多次搜索和读取多页面的优势，将方案简化成一个高效的 retriever。该 retriever 的流程是：用 LLM 生成多个搜索查询、并行执行搜索并取每个查询的 top K 链接、并行抓取页面、将内容索引到向量库，再检索最相关的文档块。团队发布了新的 LangChain retriever、相关文档、示例代码和 Streamlit 应用，并支持配置为私有模式运行。

⭐⭐ [产品更新] Plan-and-Execute Agents

LangChain 宣布推出一种新的 agent 执行器类型「Plan-and-Execute」，与此前基于 ReAct 的「Action」agents 形成对比。该方案将高层规划与短期执行分离：先由一个语言模型作为 planner 规划步骤，再由一个 Action Agent 充当 executor 逐步执行。团队认为它更适合复杂长期规划，并因关注点分离而提升可靠性，同时便于未来替换为更小的微调模型；主要代价是语言模型调用次数显著增加。初始版本已放入实验模块，提供 Python 和 JS/TS 文档。

⭐⭐ [产品更新] Workspaces in LangSmith for improved collaboration and organization

LangSmith 推出工作空间（Workspaces）功能，允许组织内按团队、业务单元或部署环境对用户和资源进行逻辑分组，以提升大型企业的协作效率与安全性。资源（如 trace 项目、数据集、标注队列、prompts）现在归属单个工作空间，不再跨空间共享；用户管理改为组织级，区分组织管理员与组织用户，并支持 RBAC 做细粒度权限控制。企业版最多可创建 10 个工作空间，可申请提高上限；计费席位方式和 API 密钥作用域规则不变。

⭐⭐ [产品更新] LLMs and SQL

LangChain 团队与社区成员 Francisco Ingham 和 Jon Luo 合写了这篇博客，介绍如何让 LLM 更可靠地生成 SQL 查询。文章指出主要挑战包括幻觉（LLM 编造不存在的表或字段）、上下文窗口限制，以及生成的 SQL 出错时的处理。提出的解决方案包括在 prompt 中描述数据库的 schema 和示例行、将探索性查询限制为前 K 行或汇总统计、以及让 LLM 从错误中学习并重写查询。文中还提到 LangChain 提供了 SQL chains 和 SQL agents，并预告了 3 月 22 日的网络研讨会。

⭐⭐ [产品更新] Multi-modal RAG on slide decks

LangChain 发布了一篇多模态 RAG 教程，并提供了面向幻灯片（slide decks）的模板与公开基准。文章介绍了两种方案：一是用多模态 embedding 直接嵌入幻灯片图像并检索；二是先用 GPT-4V 生成每页图像摘要，再由多向量检索器根据摘要与用户问题的相似度召回原图。两种方案最终都把检索到的图像交给 GPT-4V 生成回答。作者用 Datadog 财报演示文稿的 10 个问题做了评估：纯文本 RAG 准确率 20%，多模态 embedding 方案 60%，多向量检索器 + 图像摘要方案 90%。结果显示多模态方法明显优于纯文本 RAG，但基于图像摘要的方案复杂度与成本更高。相关模板、评估 notebook 与 LangSmith 对比页均已公开。

⭐⭐ [产品更新] Debugging Deep Agents with LangSmith

LangChain 博客介绍了 LangSmith 新增的深度智能体调试能力。作者指出，深度智能体运行时间长、涉及数十上百个步骤和多人机交互回合，调试难点在于长提示词、超长 trace 和多轮对话。LangSmith 通过 run、trace、thread 三层结构记录执行数据。为此推出两项工具：Polly，一款应用内 AI 助手，可在 Trace 和 Thread 视图中用自然语言提问来定位问题；以及 langsmith-fetch，一个为 Claude Code 等编码智能体配备调试能力的命令行工具。

⭐⭐ [产品更新] Structured Tools

LangChain 宣布推出「结构化工具」（structured tools）抽象，并配套一个新的 agent 类。此前工具只能接收单个字符串输入，现在工具可以接收任意数量、任意类型的输入，从而支持更复杂的模型与工具交互。结构化工具由名称、描述、args_schema（基于 Pydantic 的参数校验模型）以及 _run/_arun 实现函数组成。文章回顾了从 ReAct 链到多动作 agent 的演进，并解释了工具命名、描述与参数 schema 对 agent 选择与校验输入的作用。

⭐⭐ [产品更新] Multi-Vector Retriever for RAG on tables, text, and images

LangChain 博客发布了三个新 cookbook，演示用 multi-vector retriever 对包含表格、文本和图像的混合文档做 RAG。核心思路是把用于生成答案的原始文档与用于检索的引用解耦：对文档摘要做向量检索，命中后将完整文档或表格/图像交给 LLM 合成答案，避免丢失上下文。文中用 Unstructured 将 PDF 等文件切分为表格、图像和文本块，并为表格生成摘要以适配自然语言检索。三个 cookbook 分别覆盖半结构化（表格+文本）、多模态（文本+表格+图像）以及私有多模态场景，并给出将多模态 LLM 与 multi-vector retriever 结合以支持图像 RAG 的思路。

⭐⭐ [产品更新] Introducing Rubrics: Build Agents that Evaluate and Correct Their Work

LangChain 宣布为 Deep Agents 新增 RubricMiddleware，让智能体在完成任务前对照 rubric 自行评估并迭代修正。该实现使用一个专门的 grader 子智能体进行评估，它可调用工具、查看完整对话记录，并逐条返回反馈；当任一标准未达时，反馈会被注入对话并触发新一轮运行，直到全部满足或达到迭代上限。博客给出了从定义中间件到在 invoke 时传入 rubric 的完整代码示例，并指出该方法最适用于有明确可验证成功标准的任务，例如通过测试、避免禁用模式、覆盖必需章节。

⭐⭐ [产品更新] LangSmith Engine Improves Agent Issue Detection by 2x

LangChain 发布 LangSmith Engine 的更新，称其识别代理问题的能力在内部基准上提升超过 2 倍，在修复问题的公开基准（如 Terminal-Bench）上提升 25%。Engine 是平台内的深度代理，可自动分析生产轨迹、定位问题、生成修复 PR 并持续监控回归。新版本还支持自托管部署、Slack 告警和 Linear 集成，并新增降低成本的精简分析模式。自 5 月推出以来，Engine 已扫描超 6000 万条轨迹，发现逾 2 万个问题，节省数万小时工程时间。

⭐⭐ [产品更新] Using skills with Deep Agents

Anthropic 提出了 agent skills 概念：skills 是包含 SKILL.md 文件及关联文件的文件夹，agent 可以动态发现并加载它们以更好完成特定任务。LangChain 已将 skills 支持加入其开源工具 deepagents-CLI。文章指出通用 agent（如 Claude Code、Manus）倾向于只使用少量工具，关键在于给 agent 提供文件系统和 shell 访问权，而不是为每项任务绑定专用工具。与传统工具相比，skills 的优势在于 token 效率（渐进式披露，默认只加载 YAML frontmatter）和降低认知负担。使用 deepagents-CLI 时，可将示例 skills 复制到 skills 文件夹，通过 deepagents skills list 查看，相关请求会自动触发读取对应 SKILL.md。

⭐⭐ [产品更新] Building Self-Correcting Memory in OpenWiki

OpenWiki 构建了一套可自纠错的记忆系统，解决长期记忆中知识随时间过时的问题。它要求 agent 在写 wiki 页面时，同时记录页面中的事实性论断及支持这些论断的代码证据，并用文件路径加行号定位。运行时为每条证据保存版本号，当来源代码版本与当初支持论断的版本不一致时，该论断就会被标记为过期。过期后 OpenWiki 会重新核对当前代码：论断仍成立则刷新证据版本，不成立则同步更新 wiki 内容与证据。由此形成自纠错闭环，而不是每次从零重新生成 wiki；文中还提到这些论断与 OKF v0.2 相关联。

研究

⭐⭐ [研究] What We Learned Trying to Catch AI Liars: An Aletheia's Quest Retrospective

EleutherAI 回顾了参与 Aletheia's Quest 比赛的经历，这是一项由 Cadenza Labs 和 NDIF 主办、Schmidt Sciences 资助的 AI 谎言检测竞赛，共有 19 支团队参加。他们使用黑盒与白盒方法，在 27B 到 120B 参数规模的多个模型上测试了数百种检测器变体。主要结论是：黑盒监控表现超出预期，一个较小的可信裁判模型就能有效识别更大模型的多数欺骗行为，而白盒方法的效果高度依赖具体场景。团队发布了包含最佳方法和精选欺骗数据集「gauntlet」的配套仓库，供后续研究使用。比赛中他们在大部分时间排名第一，最后几天被 SAIN Groningen 反超，最终名次待未公开测试数据公布。

⭐⭐ [研究] Quantization-Aware Healing: a compressed, 4-bit model that outperforms its full-precision original

该研究提出量化感知修复（QAH）方法：直接从压缩前的全精度模型蒸馏到量化后的学生模型，而非从已修复的 bfloat16 检查点蒸馏，从而消除精度上限。作者将 GPT-OSS 120B 压缩至 60B 并量化为 MXFP4 后，QAH 在 9 个基准中的 7 个上超过了其全精度（bfloat16）原版，且模型更小、运行更便宜。文章指出常规的量化感知训练（QAT）和量化感知蒸馏（QAD）在结构压缩后失效，因为不存在独立训练的较小架构全精度版本，只能以质量有损的恢复检查点为教师，限制了恢复效果。

⭐⭐ [研究] Benchmarking Question/Answering Over CSV Data

LangChain 团队发布了一篇关于对 CSV（表格）数据进行自然语言问答的深度技术博客。他们先搭建了简易 Streamlit 应用收集真实用户问题，并用 LangSmith 记录反馈，从而构建问题与标准答案数据集；随后用 LLM 辅助评估来比较不同方案。调试中发现初始方案的不足，最终改进为一个基于 OpenAI functions 的自定义 agent，配备 Python REPL 与检索器两个工具。团队已将收集反馈的应用、数据集和评估脚本开源，并提供了配套视频。

观点

⭐⭐ [观点] The rise of "context engineering"

LangChain 创始人 Harrison Chase 在博客中提出「上下文工程（context engineering）」概念，即构建动态系统，以正确格式为 LLM 提供所需信息与工具，使其有望完成任务。文章认为智能体（agent）失控大多不是因为模型能力不足，而是缺少合适上下文、指令或工具。他强调上下文来源多样且动态变化，提示构建逻辑也需动态化，同时信息格式与工具入参设计同样关键。文章还区分了上下文工程与提示工程：在复杂应用里，提供完整、结构化的上下文远比措辞技巧重要。

⭐⭐ [观点] Agentic Engineering: How Swarms of AI Agents Are Redefining Software Engineering

本文提出 agentic engineering 概念：将 AI 智能体视为有明确角色、共享记忆和统一可观测性的数字团队成员，通过多智能体协调贯穿软件交付全流程。与 Codex、Claude 等编码智能体不同，agentic engineering 定位为更高抽象层的控制平面，编排跨团队工作流、维护长期记忆与状态；二者互补，编码智能体可作为 worker 智能体内的推理与代码生成引擎。在 20 多个调试工作流的试点中，协调式多智能体执行将定位根因的时间较历史基线减少 93%，一个月内 512 个会话节省逾 200 工程小时；开发工作流执行时间减少 65%，主要收益来自压缩下游测试环节。系统基于 LangChain 工具套件（LangSmith、LangGraph）实现，核心理念是让系统模仿真实工程团队的协作方式，而非打造更快的单点编码工具。

其他

⭐⭐ [其他]

LangChain 博客发布了一份 cookbook，演示如何结合 Deep Agents 与 Parallel Task API 构建自动化的公司尽职调查 agent。该 agent 编排五个研究维度：公司概况、财务健康、诉讼监管、新闻声誉、竞争格局，每个维度由独立 subagent 负责。竞争格局返回前三名竞争对手后，编排器会并行派发多个竞争者分析 subagent，并在最后交叉核对工作底稿、处理低置信发现、生成带引用和风险标记的最终报告。Parallel 的 Task API 返回带逐字段引用、推理轨迹和 Basis 置信度的结构化结果，并支持基于上下文的追问。文章包含完整实现代码，并已在 Rivian Automotive 上端到端验证：约 23 分钟完成 9 次调用。

⭐⭐ [其他] How LangSmith and LangChain OSS Help You Meet EU AI Act Requirements

欧盟 AI 法案对高风险 AI 系统（如金融、医疗、HR 等领域）设定了合规要求，截止日期为 2026 年 8 月 2 日，不合规最高面临 €15M 或全球年营业额 3% 的罚款。文章逐条对应法案条款（风险管理系统、自动事件日志、可追溯决策、数据治理与偏见审查等），介绍 LangSmith 与 LangChain OSS 如何满足这些要求。LangSmith 提供端到端 tracing、执行图可视化（LangSmith Studio）以及基于 trace 数据自动聚类失败模式的 Insights Agent，支持自定义仪表盘与告警。数据方面提供 14 天基础保留与 400 天扩展保留，并支持自托管、BYOC 及欧盟境内数据驻留。文章还说明持续评估工具用于生产流量的质量与安全度量。

⭐⭐ [其他] How Lyft Built a Self-Serve AI Agent Platform with LangGraph and LangSmith

Lyft 使用 LangGraph 构建了一个面向客户支持的多智能体系统，日处理数百万次骑手和司机的交互。该系统采用路由器多智能体架构：元智能体作为有状态路由器，将请求分发至专门的子智能体，每个子智能体都是完整的 LangGraph StateGraph。平台让运营团队、VoC 负责人和产品经理通过自然语言和配置直接定义及迭代智能体，减少了对机器学习工程师的依赖，将单个智能体的开发周期从约六个月缩短到几周。在生产质量方面，团队借助 LangSmith 进行追踪、看板监控和 LLM-as-a-judge 评估，并发现结构化的提示词编写是决定智能体可靠性的关键因素之一。

⭐⭐ [其他] How We Build Agent Environments & Tasks

LangChain 的工程师在博客中分享了他们构建合成 agent 环境与任务的方法。核心是一条两阶段流水线：先根据 traces、代码或人工输入生成详细的任务 spec（用自然语言描述输入、环境和测试脚本），再把 spec 转成具体的 eval 任务及对应环境。他们引入了「world spec」概念，用于沉淀项目共享知识、脚本和辅助函数。团队强调这一过程高度迭代，并已把流程打包进更新后的 eval-engineering skill，方便各团队自行复用。

⭐⭐ [其他] EVE Online: The Move to Python 3 Begins!

EVE Online 宣布开始从 Stackless Python 2.7 迁移到 Python 3。自 2003 年上线以来，该游戏一直运行在 Stackless Python 上，上一次重大升级是 2010 年到 Python 2.7。此次迁移将先用 futurize 脚本处理约 240 万行代码，再对约 2 万个 Python 2 与 Python 3 行为差异点进行人工审查，例如整数除法从向零取整变为浮点结果。公告未说明如何替代 Stackless，但去年会议曾介绍在 EVE Frontier 的 Carbon 引擎中用调度库替换 Stackless 的方案，相关库 carbonengine/scheduler 已开源。