LangChain 解析 AI Agent 上下文工程的检索起点与技巧
LangChain 官方博客提出 agent 上下文工程应从检索做起，以 Deep Agents 构建的竞品分析 agent 为例，分析低效搜索、上下文过载和不相关过期内容三类问题。
推荐理由：文章结合 Deep Agents 竞品分析案例给出检索优化技巧与代码示例，读者可按需迁移到自己的 agent harness 设计中。
#教程/实践
按原文日期归档（北京时间）；可见内容最近更新：2026-11-10 15:43 北京时间。历史资料不会因新入库而成为今日新闻。
LangChain 官方博客精选AI 评分7373 英伟达技术博客AI 评分3333 用 NVIDIA Holoscan 5 让机械臂实现失重感
NVIDIA 技术博客介绍如何在 Holoscan 5 上让机械臂产生“失重”效果：电机持续输出刚好抵消重力的力矩，使人可以直接用手引导机械臂。实现这一交互依赖实时运行的重力补偿回路，需要连续计算机械臂的逆动力学。博客称这类示教引导交互是机器人通过演示学习、操作物体或与人协作的实用起点。
对A股利好控制器与算力环节（推断），机器人实时控制需求提升
LangChain 官方博客AI 评分5757 LangChain 详解评估驱动开发（EDD）：如何持续改进 AI 智能体
LangChain 发布博客介绍评估驱动开发（EDD），借鉴测试驱动开发（TDD），提出三步流程：定义智能体成功标准、先写评估再构建、做出改动后对比实验。文章以内部文档智能体新增 create_ticket 工具为例，演示在 LangSmith 中建数据集、跑基线、用 trace 定位工具描述过宽导致的回归，并提醒用保留集避免过拟合，以及 pytest、Vitest 集成和线上评估等持续评估方法。