LangChain

2026-10-30

CODING · 1 ИСТОЧН. · NVIDIA Developer

NVIDIA опубликовала NemoClaw — набор blueprints для защищённого и оптимизированного стека агентов

NVIDIA представила NemoClaw — набор открытых blueprints, который собирает полный стек для агентов, объединяя оптимизированные harness, модели Nemotron, инструменты оптимизации NeMo (включая NeMo Relay) и безопасный рантайм OpenShell. Blueprints поддерживают OpenClaw, Hermes Agent и LangChain Deep Agents, включают профиль Nemotron 3 Ultra с настройкой от LangChain (приблизительно на уровне frontiers при ~10× меньшей стоимости за запуск) и содержат примеры на GitHub, quickstart и курс DLI.

7.0

2026-10-26

CODING · 1 ИСТОЧН. · InfoQ AI, ML & Data Engineering

InfoQ описывает эволюцию «agentic harnesses»: от цепочек к графам и коду

Статья на InfoQ рассматривает три парадигмы создания «agentic harnesses» для LLM — цепочки (линейные конвейеры), графы (явный контроль потока через узлы/рёбра) и код (первоклассное исполнение в песочнице) — и утверждает, что подходы эволюционировали от «склеенного» прототипа к промышленным, наблюдаемым архитектурам. В материале обсуждаются компромиссы (задержки, хрупкость, устойчивость) и даются рекомендации: считать выводы LLM ненадёжными, разделять планирование и исполнение и вкладываться в наблюдаемость и минимально сложные абстракции.

6.0

2026-10-05

CODING · 1 ИСТОЧН. · AWS Machine Learning

Amazon Bedrock Managed Knowledge Bases поддерживает агентный (agentic) поиск — руководство по LangChain

Техническое руководство показывает использование LangChain с Amazon Bedrock Managed Knowledge Bases для сравнения стандартного одношагового поиска (Retrieve API) и многошагового агентного поиска (AgenticRetrieveStream API). В статье описывается архитектура, права IAM, требование к версии boto3 (agentic_retrieve_stream требует boto3 версии ≥ 1.43.32) и компромиссы по стоимости и просмотру пошаговых trace-событий.

6.0

2026-10-04

CODING · 1 ИСТОЧН. · InfoQ AI, ML & Data Engineering

Pizza Bot: инженеры AWS открыли исходники локального «почтового» менеджера для агентов ИИ

Инженеры AWS Джозеф Доливо и Игорь Фил опубликовали Pizza Bot под лицензией Apache‑2.0 — саморазворачиваемое приложение, которое позволяет агентам ИИ выполнять фоновые рабочие процессы и возвращать результаты через интерфейс наподобие почтового ящика. Инструмент поддерживает планирование и вебхуки, делегирование задач специализированным работникам, несколько провайдеров моделей и MCP‑серверов, а также сохраняет состояние агентов и данные локально под контролем пользователя.

6.0

2026-10-01

CODING · 1 ИСТОЧН. · AWS Machine Learning

Руководство Amazon Bedrock AgentCore: амбиент-агенты, реагирующие на события с участием человека

AWS выпустила пошаговое руководство и референсную реализацию по созданию «амбиент»-агентов на Amazon Bedrock AgentCore, которые реагируют на потоки событий (S3, EventBridge, планировщик), при необходимости приостанавливаются для одобрения человека через инструмент ask_human и затем продолжают работу — с использованием AgentCore Runtime и бессерверных компонентов AWS (Lambda, DynamoDB, SQS) и моделей Bedrock. В публикации приведён путь развертывания с требованием AWS CLI, CDK v2, Docker и контейнера в ECR; в примере ограничение на шаг агента соответствует 15-минутному таймауту Lambda.

6.0

2026-10-01

MODELS · 1 ИСТОЧН. · InfoQ AI, ML & Data Engineering

TypeSafe AI выпустила Jev — модель, возвращающую типизированные вероятности вместо текста

TypeSafe AI выпустила Jev — первую из «System One» моделей: модель только для принятия решений, которая возвращает типизированные вероятностные ответы (Choice, Score, Noul) вместо текста, оценивает несколько типизированных вопросов параллельно и выдаёт распределения вероятностей с уровнем уверенности. Jev поддерживает контекст до 32 000 токенов, заявленную стоимость входа $0.042 за миллион токенов (выход бесплатно), задержки 70–500 мс, обучается методом «Reinforcement Learning for Calibrated Decisions» и быстро получила интеграции от Vercel, Netlify и LangChain.

8.0

2026-09-25

CODING · 1 ИСТОЧН. · InfoQ AI, ML & Data Engineering

InfoQ объясняет концепцию «agent harness» и сравнивает HaaS и самоуправляемые решения

Статья на InfoQ вводит термин «agent harness» — всё окружение вокруг модели, необходимое для вывода агента в продакшен, разделяя его на разработку (память, инструменты, извлечение, оркестрация) и эксплуатацию (наблюдаемость, защитные меры, контроль затрат). Описывается сравнение Harness‑as‑a‑Service (например, AWS AgentCore) и самоуправляемых стеков (например, LangChain + Agent Router/Envoy AI Gateway на Kubernetes), показан пример FinBot и рекомендовано начинать с минимальной реализации и расширять её по мере потребности.

6.0

2026-09-18

COMPANIES · 1 ИСТОЧН. · InfoQ AI, ML & Data Engineering

WSO2 выпустила Agent Manager (GA) для управления агентами ИИ в разных фреймворках

WSO2 объявила о выходе в общем доступе open-source платформы WSO2 Agent Manager для централизованного управления идентичностью, политиками безопасности и эксплуатацией агентов ИИ в разных моделях, фреймворках и средах развёртывания. Релиз GA добавляет расширенные возможности идентификации агентов, управление взаимодействиями по Model Context Protocol (MCP), песочницу на Kubernetes, трассировку через OpenTelemetry, контроль жизненного цикла (включая приостановку) и более 40 встроенных политик, например маскирование ПДн и ограничение скорости.

7.0

2026-09-17

STARTUPS · 1 ИСТОЧН. · TechCrunch AI

Стартапы и лаборатории используют ИИ для мониторинга роев агентов

По мере того как агенты ИИ выполняют более длительные и массовые задачи, компании и исследовательские лаборатории создают ИИ-мониторы для контроля их поведения — примеры: Watcher от Apollo Research и Silico от Goodfire — а инвесторы активно финансируют стартапы в области наблюдаемости. Исследователи предупреждают, что такой подход облегчает масштабирование надзора, но порождает антиадверсарные сценарии, когда вредоносные агенты могут пытаться обмануть контролирующие ИИ.

7.0

2026-09-15

CODING · 1 ИСТОЧН. · AWS Machine Learning

Оптимизация стоимости и задержки с кэшированием подсказок в Amazon Bedrock

Публикация AWS Machine Learning описывает кэширование подсказок в Amazon Bedrock, отмечая, что оно может сократить затраты на входные токены до 90% при повторной отправке одного и того же контекста в фундаментальные модели. В статье разобраны шесть практических сценариев кэширования подсказок для Converse API: содержимое сообщений, системные подсказки, определение инструментов, смешанное время жизни (TTL), изоляция арендаторов и интеграция с LangChain.

4.0