LangChain 用智能体自身轨迹微调代码审查
OpenSWE Review 精确率从 63% 提到 81%，工具调用量少了 29%
22 days ago
TL;DR:
- 用真实执行轨迹微调，比单纯换更大模型效果更好
- Kimi K3 调优后的智能体在窄领域检测上超过 GPT-5.6
- LangSmith 能把真实运行记录直接转成训练数据集
主要发现
LangChain 对智能体执行轨迹做了微调，代码审查准确率提高了，工具调用也减少了。
数据结果
监督式微调让 OpenSWE Review 的精确率从 62.9% 升到 81.5%，工具调用量下降 29%。用 Kimi K3 调优的 Engine 智能体，在问题检测基准上超过了基础模型和 GPT-5.6。
LangSmith Fine-Tuning 把智能体运行记录整理成可直接训练的数据集。
分析
在真实运行轨迹上微调，比直接换更大模型更有效。重点不是重新设计智能体，而是保留生产环境中已经管用的记录。
OpenSWE 的改进体现在两方面：识别问题的准确性更好，工具调用少了 29%，错误减少，推理成本也降低了。
Engine 的表现说明，在特定窄任务上，调优后的 Kimi K3 可以胜过更强的通用模型。对 LangChain 来说，这把 LangSmith 的可观测性、微调和发布流程连起来了。对 Fireworks 和 Baseten 来说，也降低了托管后训练的门槛。
影响评估
重要性中等，属于开发者工具和技术洞察。
Verdict: 对构建者而言，这个方向还在早期，真正受益的是那些正在部署和优化智能体的开发者。