AI 编程实时动态与要闻

LiteLLM 官方网关突发 v1.107.0 供应链投毒事件:官方紧急回滚至 1.106.2 并发布深度复盘与凭证轮换指南

作为全球下载量数百万、被 LangChain、OpenHands 等大量智能体项目广泛采用的核心统一网关框架 LiteLLM 官方突发严重供应链安全事件。其自动化发布流水线遭到黑客攻破,并向 PyPI 与 Docker Hub 推送了携带恶意凭证窃取载荷的 v1.107.0 版本。攻击代码能够静默窃取服务器环境变量中的各类大模型 API Key 与云凭据并外发至远程黑客服务器。LiteLLM 团队与慢雾(SlowMist)等安全团队紧急介入,在数小时内从 PyPI 下架恶意版本、将稳定版本回滚至 1.106.2,并发布安全事后深度复盘,呼吁全球开发者立即固定依赖版本并轮换全部涉及的生产 API 密钥。

LiteLLM 官方网关突发 v1.107.0 供应链投毒事件:官方紧急回滚至 1.106.2 并发布深度复盘与凭证轮换指南

核心要点速览

  • LiteLLM 自动化发布流水线遭黑客攻破,恶意版本 v1.107.0 被推送至 PyPI 及 Docker Hub(latest / main-stable 标签)
  • 恶意载荷在初始化时自动抓取主机环境变量(包括各类大模型 API Key、数据库连接串与云凭证)并静默外发
  • 官方团队已联合安全厂商(SlowMist 等)紧急下架恶意包,将 PyPI 与 Docker 镜像全面回滚至安全稳定的 1.106.2
  • 官方强烈敦促所有使用 LiteLLM 作为网关的 Agent 开发者立即排查流水线依赖,锁定版本并立即轮换所有大模型 API 密钥
阅读全文

ScaleDown 推出约束解码模型 CDM:1M 上下文专做摘要/压缩/抽取/分类,LangChain 同日接入 Deep Agents 中间件

ScaleDown 10 月 13 日推出约束解码模型(CDM):每个模型只为一个任务训练,只输出该任务允许的答案(标签或原文片段),不逐 token 自由生成。LangChain 同日发布 langchain-scaledown 集成与 LangSmith LLM Gateway 支持,提供历史摘要、工具结果压缩、结构化抽取三类中间件。厂商口径:在这些窄任务上比前沿模型快 200 倍、便宜 467 倍;Extract 与 Summarize 已上 OpenRouter,输入 $0.04/百万 token。

ScaleDown 推出约束解码模型 CDM:1M 上下文专做摘要/压缩/抽取/分类,LangChain 同日接入 Deep Agents 中间件

核心要点速览

  • 四款单任务模型 Summarize / Compress / Extract / Classify,输入上限均为 100 万 token,Extract、Summarize、Classify 可直接吃图片与扫描 PDF(LangChain 博客)
  • 厂商口径:对比 GPT-5.5 / GPT-5.4 Mini / GPT-5.4 Nano 均值,Summarize 便宜 41 倍、快 2.7 倍,Compress 便宜 138 倍、快 1.8 倍,且准确率更高(ScaleDown 基准)
  • Classify 对标 Jev 决策模型:Jev 仅文本、每题 32K token 状态;Classify 支持 1M token 与图片,并给每个决策附一句理由
  • LangChain 官方示例中工具压缩中间件把一页文档从 18,402 字符压到 3,110 字符;ScaleDown 调用失败时中间件保留原历史、Agent 继续运行
  • OpenRouter 上 Extract / Summarize 输入 $0.04/百万 token、1M 上下文,Summarize 最多输出 4,000 token,二者均不支持 tools 与 response_format(OpenRouter)
阅读全文
关联模型 / 智能体 / 厂商:
⚡ ScaleDown Classify-1⚡ ScaleDown Extract⚡ ScaleDown Summarize⚡ ScaleDown Compress🤖 LangChain Deep Agents🌐 ScaleDown🌐 LangChain🌐 OpenRouter
L
LangChain@langchain-ai·
👀44
🔥88

LangSmith SDK 0.14.2:Python `ls.address` Agent 寻址;补齐 JS OTel tool 字段;主副本保留原始 run id

LangChain 于 2026-09-30 发布 LangSmith SDK v0.14.2(PyPI langsmith==0.14.2):Python 新增 ls.address(#3581);JS 补齐 OTel tool 字段(#3592);仅主写副本保留原始 run ids(#3623)。

LangSmith SDK 0.14.2:Python `ls.address` Agent 寻址;补齐 JS OTel tool 字段;主副本保留原始 run id

核心要点速览

阅读全文
关联模型 / 智能体 / 厂商:
L
LangChainlangchain-ai·
👀53
🔥90

LangChain OpenAI 1.6.7:AzureChatOpenAI 自动发现 AKS Workload Identity,免手写 token provider

LangChain 于 2026-09-30 发布 langchain-openai==1.6.7。核心是 #40532:未显式配置凭证时自动检测 Azure Workload Identity,用 WorkloadIdentityCredential 提供可刷新 Azure OpenAI token;azure-identity 为可选 extra;显式 key/token 仍优先。

LangChain OpenAI 1.6.7:AzureChatOpenAI 自动发现 AKS Workload Identity,免手写 token provider

核心要点速览

阅读全文
关联模型 / 智能体 / 厂商:
⚡ GPT-6⚡ Azure OpenAI🌐 LangChain🌐 Microsoft Azure
AD赞助内容
L
LangChainlangchain-ai·
👀62
🔥94

LangChain Anthropic 1.7.5 / Core 1.6.6:原生兼容 Claude Sonnet 5.5;校验 thinking/tool_choice 与流式元数据

LangChain 于 2026-09-29 发布 langchain-anthropic==1.7.5 与 langchain-core==1.6.6:合并 #40882,为 Claude Sonnet 5.5 加入模型档案与能力发现;拒绝不支持的强制 tool_choice/thinking 组合;支持会话中途更换 system/tool;在流式与 replay 中保留 computer-toolset 命名空间、加密 advisor 块与 refusal 细节。非法 tool call 可按未强制结构化输出回退或显式 method="json_schema"。

LangChain Anthropic 1.7.5 / Core 1.6.6:原生兼容 Claude Sonnet 5.5;校验 thinking/tool_choice 与流式元数据

核心要点速览

阅读全文

LangChain 1.4.3:init_chat_model 接入 Bedrock Mantle;识别 GPT-6 结构化输出;create_agent 自动修补非法 tool calls

LangChain 于 2026-09-28 发布 langchain==1.4.3(PyPI 已同步):init_chat_model 支持 AWS Bedrock Mantle 聊天模型(对接 langchain-aws 的 Mantle 接口);修复识别 GPT-6 结构化输出而无需 profiles;create_agent 在历史回放缺 tool result 时为非法 tool call 补 error ToolMessage;并净化 fallback 模型的 cache settings。相对 1.4.2 的变更集中在 #40837/#40844/#40530/#40886。

LangChain 1.4.3:init_chat_model 接入 Bedrock Mantle;识别 GPT-6 结构化输出;create_agent 自动修补非法 tool calls

核心要点速览

  • 发版:langchain==1.4.3 / PyPI 1.4.3(2026-09-28)
  • Bedrock Mantle:init_chat_model 接入 Mantle(OpenAI 兼容与 Anthropic Messages 端点,依赖 langchain-aws≥1.7.9 的 ChatOpenAIMantle 等)
  • GPT-6:#40844 在无 profiles 时也能识别 GPT-6 structured output
  • Agent 稳健性:#40530 create_agent 为可识别的非法 tool call 自动补 error ToolMessage,避免历史回放缺 result
  • 缓存:#40886 净化 fallback 模型的 cache settings,降低错误缓存键污染
阅读全文
关联模型 / 智能体 / 厂商:

LangChain4j 1.20.2:A2A 客户端补齐租户透传,消息自动带 tenant 且不对 LLM 暴露为工具参数

LangChain4j 于 2026-09-28 发布 1.20.2:聚焦 Agent-to-Agent(A2A)客户端修复——A2AClientInstance/A2AClientBuilder 增加 tenant(),@A2AClientAgent(tenant=…) 可在每条 MessageSendParams 自动附带租户;也可从 Agent Card URL 路径 /.well-known/{tenant}/agent-card.json 解析。租户参数从方法参数中过滤,避免泄漏给 LLM 工具调用。同步加固 AgenticScope/ResultWithAgenticScope 的 toString,防止循环引用炸日志。

LangChain4j 1.20.2:A2A 客户端补齐租户透传,消息自动带 tenant 且不对 LLM 暴露为工具参数

核心要点速览

  • 发版:1.20.2(2026-09-28);对比 1.20.1...1.20.2
  • A2A 租户:@A2AClientAgent(tenant=…) / a2aClientBuilder.tenant(…);空则从 Agent Card URL /.well-known/{tenant}/agent-card.json 解析(#6512)
  • 安全边界:带 @A2ATenantId 的参数不再作为工具参数交给 LLM,而是写入消息元数据
  • 可观测:DefaultAgenticScope/ResultWithAgenticScope toString 防循环引用,避免日志/调试死循环
  • 协议与文档:A2A Protocol · LangChain4j Agents 教程
阅读全文

LangSmith SDK 0.14.1:按 Agent 寻址 run/feedback,沙箱委托登录,补齐 Claude SDK 与 OTel 追踪字段

LangChain 于 2026-09-25 发布 LangSmith Python SDK 0.14.1(含 0.14.0 能力):run 与 feedback 可按 agent 而非仅按 project 寻址;沙箱创建时可授予委托 LangSmith 访问并支持登录服务 URL(JS 同步);ClaudeSDKClient.receive_messages() 纳入追踪,补 stop_reason / tool 与 response ID;OTel 导出补齐 tool_call_id、tool_definitions、finish_reasons。JS 侧同步至 0.10.5。

LangSmith SDK 0.14.1:按 Agent 寻址 run/feedback,沙箱委托登录,补齐 Claude SDK 与 OTel 追踪字段

核心要点速览

  • 发版:Python v0.14.1(2026-09-25)/ JS 0.10.5;pip install -U langsmith
  • 寻址:run 与 feedback 可按 agent 定位(#3520、#3533),不再只绑 project
  • 沙箱:创建时授予委托 LangSmith 访问 + login/service URL(#3563、#3564、#3593)
  • Claude:追踪 ClaudeSDKClient.receive_messages(),含 stop_reason 与 tool/response ID(#3558、#3576)
  • OTel:导出补 tool_call_id / tool_definitions / finish_reasons(#3584、#3570);list_runs/list_threads 可选 s3_urls 附件
阅读全文

LangGraph CLI 0.4.32 发布:原生支持自托管容器监听器与 Agent ID 环境参数化路由

LangChain 官方多智能体编排基础设施 LangGraph 发布 CLI 0.4.32 正式版本。新版本大幅强化企业级私有化与自托管(Self-Hosted)部署能力:首次在 langgraph deploy 中支持挂载独立网络监听器(Listener),并引入 --image-uri 选项允许开发者直接指定私有容器镜像拉起 Agent 服务。同时,命令行重构了针对多 Agent 系统的参数透传机制,明确了各智能体 Flags 并原生支持通过环境变量加载默认 Agent ID 配置。此外,版本全面修复了示例 Lockfile 中的 AnyIO 高危漏洞,为企业级生产多智能体集群提供了更稳健的交付基座。

LangGraph CLI 0.4.32 发布:原生支持自托管容器监听器与 Agent ID 环境参数化路由

核心要点速览

  • 自托管容器化部署升级:新增 --image-uri 原生参数,支持企业使用私有镜像仓库一键拉起容器化 LangGraph 生产服务
  • 独立网络监听器支持:支持将自托管部署实例挂载至特定 Listener,实现多租户与复杂网络隔离环境下的稳定服务暴露
  • Agent ID 参数化路由:重构部署命令,支持通过 agent_id 参数与环境变量默认值灵活指定目标智能体,简化多 Agent 协同配置
  • 高危依赖安全加固:全面升级 AnyIO 核心依赖并修复示例 lockfile 中的已知安全隐患,杜绝潜在的异步 I/O 漏洞
  • 跨包开发规范统一:全面启用 RUF100 代码优化与 PLC0415 导入规范,进一步提升 CLI 代码库的类型安全与执行可靠性
阅读全文

LangChain.js @langchain/openai 1.6.0:显式 Prompt Cache 选项与 content-block 断点,并修正 in_memory 序列化

LangChain.js 于 2026-09-27 发布 @langchain/[email protected]:移植 Python 侧能力,在 Chat Completions 与 Responses 两条 API 上转发显式 prompt cache 选项,保留 content-block 断点,并把 cache-write token 用量映射到 cache_creation。同日补丁修正 promptCacheRetention: "in-memory" 必须序列化为 API 接受的 "in_memory",且 promptCacheKey/promptCacheRetention 优先级与 promptCacheOptions 一致(调用级 → modelKwargs → 构造参数);Chat Completions 上 modelKwargs 不再被丢弃。

LangChain.js @langchain/openai 1.6.0:显式 Prompt Cache 选项与 content-block 断点,并修正 in_memory 序列化

核心要点速览

阅读全文
关联模型 / 智能体 / 厂商:
AD赞助内容
L
LangChain@langchain-ai·
👀72
🔥90

LangGraph.js SDK 1.12.0:useStream enqueue 可改走服务端持久队列,刷新/多会话可见并可 server cancel

LangGraph.js 于 2026-09-25 发布 @langchain/[email protected],并由 @langchain/[email protected] / vue / svelte 同步放出:useStream 的 multitask 策略 "enqueue" 可选 queue: "server",把排队从浏览器内存改成后端 Runs REST(POST/GET /threads/{id}/runs 与 cancel)。队列跨刷新与多会话可见,cancelQueued/clearQueue 也走服务端。默认仍 queue: "local",自定义 AgentServerAdapter 不支持该选项。适合要把 Agent 聊天队列做成可恢复、可协作的前端团队。

LangGraph.js SDK 1.12.0:useStream enqueue 可改走服务端持久队列,刷新/多会话可见并可 server cancel

核心要点速览

阅读全文

LangChain4j 1.20.1:巩固非阻塞 AI Service(CompletableFuture/Flow.Publisher),Jackson 3 可插拔,MCP Supplier 可带参

LangChain4j 于 2026-09-25 发布 1.20.1(承接 1.20.0)。1.20 线把 AI Service 从「占满调用线程」扩成四模式:同步 / TokenStream / CompletableFuture|CompletionStage / Flow.Publisher,非阻塞贯穿工具调用、记忆、护栏与检索图(EmbeddingModel/Store/Scoring/WebSearch),标 @Experimental。另可 classpath 加入 langchain4j-jackson3 走 Jackson 3,失败改为 JsonRead/WriteException。1.20.1 允许 @McpClientSupplier 方法同时带 supplier 参数,便于按请求构造 MCP 客户端。适合 Quarkus/Vert.x/WebFlux 上要高并发 Agent 的 Java 团队。

LangChain4j 1.20.1:巩固非阻塞 AI Service(CompletableFuture/Flow.Publisher),Jackson 3 可插拔,MCP Supplier 可带参

核心要点速览

  • 发版:1.20.1(Central dev.langchain4j:langchain4j:1.20.1);能力主体在 1.20.0
  • 非阻塞:返回 CompletableFuture<T> 或 Flow.Publisher<…> 即切换;工具默认可并发,执行错误失败调用、参数解析错误回灌 LLM(与同步默认不同)
  • 文档:Non-blocking and Reactive;事件含 PartialThinking/ToolCall/RAG RetrievedContents 等
  • Jackson 3:加 langchain4j-jackson3(示例版本 1.20.1-beta30)即可,见 Using Jackson 3
  • 1.20.1:@McpClientSupplier 方法可同时声明 supplier 参数(#6505)
阅读全文

LangChain 联合 TypeSafe 推出 Jev:面向智能体危险工具调用的确定性阻断网关

LangChain 与 TypeSafe AI 联合发布开源安全模型 Jev。该模型专为拦截智能体在自动化流水线中的高危操作设计,在 Agent 触发外部 Bash 命令、数据库删除或云资源变更前,执行确定性的类型化风险分级并强校验参数合法性,彻底杜绝智能体幻觉造成的误删生产数据灾难。

核心要点速览

  • 在 Agent 与系统内核/云服务 API 之间建立毫秒级类型化阻断中介
  • 针对 Shell 执行、SQL 变动与特权凭据读取提供确定性策略校验
  • 兼容 LangChain、LlamaIndex 与各类主流 Agent 框架,开源开箱即用
阅读全文
关联模型 / 智能体 / 厂商:

LangChain:MCP 并入主包,pip install "langchain[mcp]" 即可用 FastMCP 与 elicitation

LangChain 将 MCP 并入主包:执行 pip install "langchain[mcp]" 即可获得 langchain.mcp(基于 FastMCP),支持新旧协议协商、工具列表缓存,以及把 elicitation 映射为 LangGraph interrupts;不再需要单独安装 langchain-mcp-adapters。Python 已可用,TypeScript 随后,目前仍为 beta。

核心要点速览

  • 安装:pip install "langchain[mcp]" 即可,无需单独 langchain-mcp-adapters。
  • 能力:FastMCP、协议协商、工具列表缓存、elicitation→LangGraph interrupts。
  • 进度:Python 先行,TypeScript 随后,仍为 beta。
阅读全文
关联模型 / 智能体 / 厂商:

Fireworks:LangChain 用其训练 API 微调 Qwen,代理评判成本可降约 100 倍

Fireworks 披露合作伙伴 LangChain 每天产生数十亿级代理轨迹 token,用前沿闭源模型逐条评判成本过高。对方在 Fireworks 上对 Qwen 基座微调后,评判质量可贴近 GPT-5.5 / Opus,成本最高约降 100 倍,并开放 Training API 供开发者复用同类流程。

核心要点速览

  • LangChain 日产数十亿代理轨迹 token,闭源前沿评判成本过高。
  • 在 Fireworks 微调 Qwen 后,评判质量贴近 GPT-5.5 / Opus,成本最高约降 100 倍。
  • 面向开发者开放 Training API,可自建低成本评判/代理模型。
阅读全文
关联模型 / 智能体 / 厂商: