LangChain 解析自研设计 agent Content Studio 并开源其 harness

LangChain 在博客中复盘了内部设计智能体 Content Studio 的构建过程，并宣布开源其 harness。Content Studio 完全基于 Managed Deep Agents 构建，运行在 Slack 中，团队成员给出提示词并附上简报，智能体返回符合品牌调性的成品文件，产出包括视频、社交图形、重建的 UI 图像和幻灯片，所有资产均以代码形式编写。 团队用四个月时间教智能体设计品味，方式是把设计师的判断写入技能和检查，包括颜色令牌、字体粗细、间距对齐等基础规范，以及每帧只有一个焦点、针对常见 AI 设计模式的防护措施和每条反馈背后的理由。可量化问题由代码检查捕获，更主观的决策则记录推理过程到技能中。早期 harness 曾构建含 115 个可复用 UI 组件的设计系统，但导致每帧布局重复；Opus 5.5 到来后团队移除大部分硬编码规则，保留设计原则和高层指导，多样性和质量随之改善。 执行环境方面，每个 Slack 线程获得独立的 LangSmith Sandbox，即一台带文件系统和 shell 的隔离 Linux 机器，项目在整个线程生命周期内存放其中。动态效果由两个引擎驱动：HeyGen 开源的 HyperFrames 把视频变成网页，用 GSAP 时间线移动元素；团队自研的 motion-studio canvas 引擎逐帧绘制像素，最多将 16 个瞬间融合到每一帧以产生运动模糊。两个引擎都按时间戳渲染，便于检查单帧和并行渲染。 知识组织分为四层：48 个技能按工作而非主题划定范围，路由技能把请求映射到对应路径；wiki 提供品牌令牌、图形语言、语调及 70 部参考影片拆解等背景；gate 用代码做确定性检查；独立记忆层记录人们教给智能体的内容。项目流程被代码强制为故事板、动态分镜、制作三个阶段，评审不通过则组装等待。 协作上，主智能体从执行者转为幕僚长，把复杂项目拆成隔离任务交给异步子智能体并行执行，并提供 start_task、check_tasks、cancel_task、resume_task、report_progress、schedule_wakeup 等协调工具。一次通宵任务中，主智能体运行约一小时，子智能体累计工作六小时以上，完成 52 页演示文稿换肤。 成果方面，Content Studio 已在全公司交付 3000 多项资产，其中 80 多份幻灯片；使用其视觉内容的帖子在 X 获得约 450 万次浏览，点赞数约为其他帖子的 2 倍、收藏数约 3.7 倍；四分之三的请求来自营销部门之外，75% 的用户为每周回访的回头客；迁移到 Managed Deep Agents 后自有代码减少约 80%。团队还构建了快速与慢速两个学习循环，记忆文件限制为 200 行索引。下一步计划让智能体管理整个营销活动生命周期，公开发布前仍由人工审核批准。