LangChain lanza una herramienta automática para detectar errores: localiza fallos automáticamente, repara el código y lo envía directamente a los usuarios

Según la monitorización de Beating, LangChain anunció en su conferencia Interrupt dos actualizaciones clave destinadas a resolver los problemas de depuración de agentes: la nueva base de datos subyacente SmithDB y la herramienta de automatización de resolución de errores LangSmith Engine.

La arquitectura subyacente antigua ya no podía soportar el creciente volumen de datos de trazas (trayectorias de ejecución). La nueva versión de SmithDB abandona el esquema tradicional de disco local y en su lugar utiliza almacenamiento basado en objetos. Este cambio ha aumentado el rendimiento de consulta de las cargas de trabajo principales hasta 15 veces.

Sobre una base más rápida, LangSmith Engine automatiza directamente el proceso de «corregir errores». Monitorea continuamente el entorno de producción en segundo plano, clasifica automáticamente las llamadas fallidas y localiza en qué parte del código ocurrió el problema. Además, también redacta automáticamente para los desarrolladores las solicitudes de extracción (PR) para corregir vulnerabilidades y los conjuntos de pruebas (evals) correspondientes.

Para agentes complejos, revisar manualmente grandes volúmenes de trazas en busca de patrones se ha convertido en el mayor cuello de botella en eficiencia. La actualización de LangChain, en esencia, convierte el ciclo completo de «descubrir errores - localizar código - corregir automáticamente - agregar pruebas» en una línea de producción totalmente automatizada.