LangChain Blog
Fuente de noticias de IA. Los artículos son seleccionados y adaptados por la redacción de Hamidun News.
Últimas publicaciones
LangSmith incorpora AI Search: las trazas de agentes ahora se buscan describiendo su comportamiento
LangChain añade AI Search a LangSmith: basta describir con palabras qué hizo el agente y el sistema devuelve las trazas donde ocurrió. Ya no hacen falta filtros manuales.
LangChain integra ScaleDown en Deep Agents para comprimir el contexto
LangChain muestra cómo los modelos ScaleDown con constrained decoding comprimen el historial y las respuestas de herramientas en Deep Agents para acelerar y abaratar los agentes largos.
LangChain añade a Managed Deep Agents una API de reacciones y respuestas con emojis para agentes
Managed Deep Agents incorpora una API para gestionar las reacciones de agentes distribuidos y un sistema que asigna emojis de forma dinámica mediante la herramienta que elija el desarrollador.
Snyk convierte su agente interno de soporte en Snyk Assist, una función para clientes
Snyk ha abierto a sus clientes un agente que antes solo ayudaba a su equipo de soporte. Snyk Assist se apoya en tres herramientas: LangChain, LangGraph y LangSmith.
LangChain: guía práctica sobre la memoria de los agentes de AI — corto plazo, largo plazo, LangSmith
LangChain ha publicado una guía estructurada sobre la arquitectura de memoria para agentes de AI: memoria de corto y largo plazo, con trazado mediante LangSmith.
LangChain publica una guía para crear un harness personalizado para agentes de IA
LangChain explica cómo construir un harness personalizado con create_agent y middleware: una capa de control que hace predecible a un agente de IA en una tarea concreta.
LangChain y NVIDIA lanzan blueprint NemoClaw Deep Agents para agentes IA empresariales
LangChain y NVIDIA presentaron el blueprint NemoClaw Deep Agents—un paquete de Deep Agents Code, modelo Nemotron 3 Ultra y OpenShell para agentes empresariales gestionados.
OpenWiki de LangChain: repositorio de documentación abierta para agentes de IA
LangChain lanzó la herramienta de código abierto OpenWiki—genera automáticamente documentación de código para que agentes de IA basados en código encuentren contexto necesario en el repositorio más rápidamente.
LangChain Compara GPT-4, Claude y LLMs de Código Abierto en Extracción de Datos
LangChain publicó un benchmark comparando la extracción de datos de registros de chat: GPT-4, modelos Claude y LLMs de código abierto evaluados en el mismo conjunto de tareas y métricas.
LangChain: claude-3.5-sonnet, gpt-4o, o1 y o3-mini Probados como Agentes ReAct
LangChain probó claude-3.5-sonnet, gpt-4o, o1 y o3-mini como agentes ReAct para aprender cómo el aumento de instrucciones y herramientas afecta el desempeño.
LangChain: enjambres de agentes IA en LangGraph reducen depuración de código en 93%
LangChain presentó arquitectura agentic engineering: enjambres de agentes IA con roles especializados construidos en LangGraph reducen tiempo de depuración en 93% y aceleran desarrollo colaborativo.
LangChain enseñó a LangSmith a alinear mejor veredictos de LLM-as-a-Judge con preferencias humanas
LangChain detalló cómo evaluadores auto-ajustables en LangSmith adaptan veredictos de LLM-as-a-Judge para coincidir con preferencias humanas reales mediante aprendizaje few-shot.
Nemotron 3 Ultra Alcanza Nivel Claude Opus 8 Veces Más Barato
LangChain mostró que NVIDIA Nemotron 3 Ultra con arquitectura de agente optimizada puede desempeñarse al nivel Claude Opus 4.8, pero 8 veces más barato.
NVIDIA NemoClaw: Agentes de IA con Deny-by-Default y Aprobación Humana para Código Sensible
LangChain y NVIDIA desarrollaron un marco controlado para gestionar agentes de IA al trabajar con código crítico que requiere supervisión.
OpenWiki Brains: memoria proactiva para agentes de AI desde Gmail, Notion y Git
LangChain presentó OpenWiki Brains, un sistema que convierte Gmail, Notion, Git y otras fuentes en una memoria wiki local, lo que permite a los agentes de AI trabajar con información actualizada sin reentrenamiento.
LangChain: mejorar agentes de IA significa extraer datos de sus trazas
LangChain describió una metodología para mejorar agentes de forma iterativa a través de la minería de trazas, el entrenamiento de modelos jueces económicos y hill-climbing con evaluaciones automáticas.
Schneider Electric construyó una base LLMOps a escala empresarial con LangSmith
El gigante industrial compartió cómo implementó LangSmith para observabilidad, evaluación de calidad e implementación controlada de productos AI en toda la empresa.
LangSmith y LangChain OSS: cómo cumplir los requisitos del EU AI Act para agosto de 2026
LangChain explicó cómo LangSmith y las herramientas open-source cubren requisitos clave de la normativa europea sobre AI antes de la fecha límite del 2 de agosto de 2026.
LangChain actualizó LangSmith: copiloto de guardia para el triaje de alertas, depuración por voz y Deep Agents Rubrics
LangChain publicó su resumen de junio: LangSmith recibió un copiloto de guardia para el triaje de alertas, soporte para computer use, depuración por voz de trazas y un nuevo sistema de evaluación de agentes, Deep Agents
LangChain Deep Agents reduce los costos de LLM en un 80% con caché de prompts
Deep Agents en LangChain almacena automáticamente en caché las partes repetidas del prompt y reduce los costos de tokens hasta en un 80% en todos los grandes proveedores — sin configuración adicional.
LangSmith aprende a comparar LLM open-source ajustados con evaluación automática
LangChain describió cómo probar varios modelos open-source fine-tuned en LangSmith: ejecuciones en paralelo, un LLM-judge e informes comparativos en una sola interfaz.
Cómo incorporar el conocimiento y el criterio del equipo al ciclo de mejora de los agentes de IA — LangChain
LangChain explica por qué los agentes de IA funcionan mejor cuando reflejan la experiencia del equipo, y cómo convertir el conocimiento tácito de los empleados en señales de entrenamiento para el agente.
LangChain explicó por qué Fleet combina un chat de propósito general y agentes especializados
LangChain explicó cómo Fleet cubre dos escenarios de delegación: un chat de propósito general para tareas puntuales rápidas y agentes especializados para los procesos recurrentes del equipo.
Factory AI duplicó la velocidad de las iteraciones con LangSmith de LangChain
Factory AI automatizó el feedback loop de los agentes de AI para escritura de código con LangSmith de LangChain y duplicó la velocidad de las iteraciones de producto.
LangChain: cómo la ingeniería de bucles de agentes hace fiables a los agentes de IA
LangChain explica por qué la fiabilidad de un agente de IA no depende del modelo, sino de la arquitectura del 'bucle', y cómo diseñar bucles anidados con LangGraph.
LangChain lanzó subagentes dinámicos en Deep Agents: orquestación mediante código
LangChain actualizó Deep Agents: los agentes de AI ahora gestionan tareas a gran escala mediante código, lo que garantiza cobertura y fiabilidad en pipelines complejos de varios pasos.
LangChain: por qué la neutralidad de modelos protege a las empresas del vendor lock-in
LangChain advierte: los laboratorios de AI integran la dependencia no en los modelos, sino en la capa de herramientas de los agentes, y solo un framework open-source neutral protege a las empresas.
LangGraph suma tolerancia a fallos: reintentos, timeouts y manejadores de errores para agentes de producción
LangChain publicó una guía sobre los tres primitivos de tolerancia a fallos de LangGraph — RetryPolicy, TimeoutPolicy y error_handler — para crear agentes de producción fiables.
LangChain Lanza Herramientas Headless: Los Agentes Funcionan Directamente en el Navegador
LangChain lanzó herramientas headless que permiten que los agentes de IA ejecuten tareas de forma segura en el lado del cliente — con acceso a APIs de navegador y datos locales sin transmisión al servidor.
New Computer Aumentó la Precisión de Búsqueda de Memoria del Agente en 50% con LangSmith
La startup New Computer logró un aumento del 50% en la completitud de recuperación de recuerdos utilizando la herramienta de observabilidad LangSmith, mejorando prompts mediante pruebas comparativas.