LangChain发布ScaleDown集成以支持长运行Agent
当前事件综述（非历史快照）
LangChain官方发布ScaleDown集成，提供Summarize、Compress、Extract、Classify四种专用模型，并介绍其在Deep Agents中的中间件用法，以支持长运行Agent的构建。随后博客发布关于Agent Evals常见问题的解答，重点介绍了通过Trace分析和小规模Dataset进行评估的方法，但并未直接关联ScaleDown功能。
AI 根据报道生成 · 16 天前更新
事件探索工作台
同一时点联动报道、关系与证据。
此时新增 ·The Most Common Questions About Agent Evals, Answered
- 本次回放累计
- 2
- 一手资料
- 0
- 报道来源
- 1
此时首次收录的报道 · 1
- LangChain Blog · 第三方报道The Most Common Questions About Agent Evals, Answered查看原始来源 ↗
按本站首次发现时间回放。历史图谱与证据使用同一时点；完整综述与热度仍是当前视角。
事件进展
2 条进展2026/10/15 02:23:28
使用 ScaleDown 和 Deep Agents 构建长运行 AgentLangChain Blog
2026/10/15 09:26:32
The Most Common Questions About Agent Evals, AnsweredLangChain Blog
按本站首次收录时间筛选；只显示代表报道在此时点前已收录的进展。当前事件归组可能后来修订，不是完整历史快照。
此时的实体关系
正在读取历史关系…
历史重建（非精确快照）：按首次收录与关系记录时间筛选；实体名、关系陈述和事件归组可能已经被后来修订，不能将其当作当时原始记录。 下方综述与完整来源索引仍属于当前视角。
Story 路线
从第一份公开证据到最新进展的逐站路线；每一站都带着自己的证据和不确定性。
- 110月13日 00:00收录于 10月15日 02:23单一来源有修订
Building Long-Running Agents with ScaleDown and Deep Agents
核对原始报道 ↗ LangChain Blog在探索工作台回到这个时点 - 210月15日 00:00收录于 10月15日 09:26单一来源有修订
The Most Common Questions About Agent Evals, Answered
核对原始报道 ↗ LangChain Blog在探索工作台回到这个时点
不确定性标注指出需要核对原文的地方，不是已证实的因果。
完整来源索引（截至目前）
目前公开的报道索引，不属于历史回放。
一手资料 · 0 篇
目前尚未收录这一类可核实资料，不能把单方说法当作多方证据。
第三方报道 · 2 篇
- LangChain Blog · 10月15日 09:19The Most Common Questions About Agent Evals, Answered
LangChain 博客详细解答了 Agent Evals 的常见问题，重点介绍了如何通过 Trace 分析与小规模 Dataset 入手评估，并对比了 Offline Dataset 评估与 Online 实时监控的区别。文章列举了 Code、LLM-as-a-judge 与 Human Review 三种评估器类型，并指明了 Benchmarks 与实验对比在 workflow 中的应用价值。
核对原始报道 ↗ - LangChain Blog · 10月13日 22:01使用 ScaleDown 和 Deep Agents 构建长运行 Agent
原文介绍了 ScaleDown 的四种专用模型（Summarize、Compress、Extract、Classify）及其在 LangChain Deep Agents 中的四种中间件用法。
核对原始报道 ↗
不同报道并不自动代表观点冲突；阅读原文核对事实、条件和发布日期。后续来源加入后此处会自动更新。
报道时间线
沿着报道，了解事件的不同侧面。
- LangChain BlogThe Most Common Questions About Agent Evals, Answered
LangChain 博客详细解答了 Agent Evals 的常见问题，重点介绍了如何通过 Trace 分析与小规模 Dataset 入手评估，并对比了 Offline Dataset 评估与 Online 实时监控的区别。文章列举了 Code、LLM-as-a-judge 与 Human Review 三种评估器类型，并指明了 Benchmarks 与实验对比在 workflow 中的应用价值。
- LangChain Blog使用 ScaleDown 和 Deep Agents 构建长运行 Agent
原文介绍了 ScaleDown 的四种专用模型（Summarize、Compress、Extract、Classify）及其在 LangChain Deep Agents 中的四种中间件用法。