推出 LangSmith Context Hub

LangSmith 今日正式推出 Context Hub，这是一个全新的集中式平台，用于存储、版本管理和协作处理定义 AI 代理行为的各类文件。这些文件包括 AGENTS.md、技能文件、策略、示例以及其他代理依赖的文件包。Context Hub 为这些文件提供了一个中心化的家园，使团队能够像管理代理系统的其他关键组件一样管理它们。

上下文为何重要

代理的行为主要由三个组件塑造：模型、框架和上下文。模型负责推理和生成；框架是模型周围的代码，定义代理循环、工具、状态、权限等运行时行为；上下文则是代理读取并遵循的信息，包括系统指令、AGENTS.md 文件、技能、示例、公司策略、写作指南、支持流程和领域特定知识。上下文对代理行为有着巨大的影响。更好的模型或框架固然有帮助，但许多代理失败都源于缺失、过时或管理不善的上下文。代理可能拥有正确的工具，但仍需要正确的指令、示例和策略才能有效使用它们。甚至有人认为上下文比框架本身更值得投入。

为何上下文需要独立的空间

框架代码通常属于 GitHub 或工程团队管理代码的地方。而上下文往往需要不同的工作流程。首先，上下文通常由非工程人员管理。在 LangChain，我们将技能用于品牌设计、博客写作、产品消息等。最适合创建和审核这些文件的人往往是设计师、营销人员、支持主管、产品经理或其他领域专家。GitHub 可以适用于某些团队，但并非总是适合所有需要塑造代理行为的人。其次，上下文变化迅速。团队随着经验积累不断更新指令、优化示例、添加策略并调整技能。代理本身也可以创建和更新上下文。例如，代理可以研究某个主题，生成一组参考文件，并将其保存供未来的代理使用。

Context Hub 提供什么

Context Hub 为团队在 LangSmith 中提供了一个管理代理上下文的中央位置。它开箱即支持 AGENTS.md 文件和技能，并且足够灵活，可以存储其他文件包。核心功能包括：版本控制——跟踪上下文文件的更改、检查先前版本并在需要时回滚；标签——用 dev、staging 或 prod 等标签标记版本，以便代理在正确的环境中使用正确的上下文；评论——直接在上下文更改上与团队成员协作。目标是让上下文作为代理系统的一等公民更易于管理。

使用 LangSmith Context Hub

要使用 Context Hub，首先需要上传技能或其他文件。可以通过多种方式完成：在 UI 中手动定义、从本地计算机上传，或让代理自动创建。

手动定义：在 LangSmith UI 中打开 Context Hub，创建新仓库，选择仓库类型（技能或代理），设置句柄，然后在 UI 编辑器中直接创建文件，保存为提交并添加标签。

从本地上传：使用 LangSmith CLI。首先认证，然后在本地脚手架一个技能文件夹，编辑文件，最后推送到 Context Hub。

代理创建：代理可以自行创建上下文，这一概念最初由 Karpathy 的 LLM wiki 想法提出。

一旦上下文存在，有多种方式使用 Context Hub：同步到磁盘供编码代理读取；在 Deep Agents 中作为虚拟文件系统使用；或利用持久化记忆功能。

构建 LLM 维基示例

我们构建了一个工作流，让代理研究主题并将结果写入 Context Hub 条目。代理收集信息、整理发现，并创建文件夹供未来代理参考。该文件夹可包含摘要、来源笔记、术语、示例以及如何使用研究结果的说明。存储到 Context Hub 后，团队成员可以审查、评论、标记版本并使其可供其他代理使用。这种模式在代理需要持久知识并随时间改进时非常有用。

Context Hub 的持续学习

生产环境中的代理会遇到边缘情况、犯错以及遇到初始上下文未预见的情况。持续学习就是通过基于实际使用来改进行为以弥合差距。在实践中，大部分工作发生在上下文层：AGENTS.md、技能、策略、示例和记忆文件。Context Hub 通过保持一切版本化、可审查并立即可用于未来运行，使持续学习变得实用。大多数代理质量问题是指令、记忆或策略问题；上下文文件比模型或框架更改迭代更快；版本化的上下文结合问题跟踪可创建可重复的改进循环。

开放记忆标准

代理记忆正在逐渐形成几种常见类别：情景记忆（来自过去交互）、语义记忆（通过向量或混合搜索检索）和程序记忆（以指令、技能和策略形式）。但缺少的是跨代理、框架和数据层存储、读取、更新、版本化和移动记忆的共享方式。我们正在与 Elastic、MongoDB、Pinecone 和 Redis 合作开发代理记忆的开放标准。AGENTS.md 和技能文件已成为程序记忆的有用约定，但缺乏版本化、按环境标记以及在不同代理间移植的共享规范。我们将与合作伙伴共同定义记忆系统所需的接口、元数据、版本化模式和检索语义。