LangChain open-sources Slack design Agent Content Studio and its harness
English text is being prepared.
LangChain has open-sourced Content Studio, a design Agent within Slack, along with the harness that supports it; after forking, teams can attach their own branding and deploy it to their team's Slack via Managed Deep Agents. The article states that since August it has delivered 3,000+ assets (including 80+ PPTs), the median model cost per request has dropped from about $8 in mid-September to about $0.50, and after migrating to Managed Deep Agents its own code volume was reduced by about 80%. In terms of approach, designer judgment is written into skills, a wiki, and code gates; each Slack thread is equipped with a persistent sandbox, and subtasks are dispatched asynchronously to avoid blocking the main thread.
Why read this
AI score 78
The original article provides details on cost, asset volume, and collaboration mechanisms after four months of iteration, showing how design taste can be written into the Agent environment.
Topics
View original postHow we built Content Studio, an open-source design agent in Slack that makes on-brand videos, graphics and decks, and the harness that powers it. https://t.co/pevQsp0A4J
View original
How we built Content Studio, an open-source design agent in Slack that makes on-brand videos, graphics and decks, and the harness that powers it. https://t.co/pevQsp0A4J
Body
把设计品味写进 Agent：LangChain 开源 Content Studio 的四个月实践
LangChain 内部 GTM 工程与设计团队用四个月把 Content Studio（Slack 里的 Design Agent）从「丑、像千篇一律 AI 稿」做到可量产：把设计师的判断写进 skills / wiki / 代码门禁，给模型一台能跨轮次改项目的沙箱电脑，再用异步子 Agent + 多人对线程的协作 UX 撑住几小时任务；并开源整套 harness，可 fork 后挂上自家品牌，经 Managed Deep Agents 部署到团队 Slack。
开源地址： https://t.co/wDwS1cTTF3
项目背景和结果 公司节奏快，launch、活动、博客都要图、片、片头、广告物料；设计人力被重复需求占满。Content Studio：在 Slack 里描述需求、挂 brief/素材，拿回合规成片。文称自 8 月起交付 3000+ 资产（含 80+ PPT）；带其素材的帖在 X 约 450 万 曝光；官号上这类帖相对其他帖约 2× 点赞、3.7× 收藏；约 3/4 请求来自营销外团队，75% 用户每周回访。单次请求模型花费中位数约从 9 月中的 $8 降到约 $0.50；迁到 Managed Deep Agents 后自有代码量约减 80%。
AI 会不会设计？ 模型已经能写 HTML/CSS、图表规范和动画时间线，缺的是立场与上下文，容易「分布收敛」成好看但千人一面的稿（文里引 Anthropic 说法，以及 Stripe 设计负责人 Katie Dill 的「zombie UI」：没有观点，AI 会替你给一个）。结论不是「AI 不能设计」，是必须教它你们的品味。
怎么教品味？ · 基础：色板、字重、间距、对齐。 · 更关键：设计原则（如每帧一个焦点）、反 AI 俗套的护栏、以及每次反馈背后的推理（不只「改一下」）。 · 可度量的用代码门禁（如默认大小写）；主观判断（创意是否够强、信息是否清楚）由设计师拍板后写入 skill，供后续复用。 · 早期动效例子：鸟拖着光带飞出，「不要尖角」被理解成硬切圆角；后来 Agent 会自己建逐帧检查，保证光带贴合运动。设计师角色更像创意总监：定方向、审稿，而不是每张都手搓。
媒体 harness：设计师的电脑 底层是 Deep Agents（规划、文件、子 Agent、上下文管理）；Managed Deep Agents 负责生产运行（Slack、LangSmith Sandbox、工具、记忆、调度）。环境侧重点： · 每条 Slack 线程一台沙箱：独立 Linux + 文件系统，项目跨轮次常驻；产出尽量是代码（幻灯片 HTML、动画时间线），改时间点就能重渲，不必整段重生。 · 工具层：剪辑用 HeyGen 开源的 HyperFrames（把片子当网页 + GSAP 时间线）；原创动画用自研 motion-studio（按像素画帧、多时刻混合模拟快门模糊等）；音画同一时间线。 · 知识四层：Skills（按任务路由，文称约 48 个 skill、近千文件；README 写约 35 个，以仓库现状为准）；Wiki（品牌、语调、产品、约 70 部参考片拆解等，技能只链过去不复制）；Gate（确定性检查）；Memory（团队层 + 个人层，AGENTS.md 索引有过膨胀到约 50 万 token 的教训，现约限 200 行）。 · 规格驱动：贵的是成片，先故事板（约 50ms/帧量级探索）→ 分镜/animatic 对节奏 → 再量产；顺序由代码强制，判断留在 prompt。协作画布用 Paper（点选改，而不是全程「用自然语言描述坐标」）；Paper 桌面能力在常驻 Linux worker 上无头跑，经桥接给云端沙箱。
主 Agent 负责统筹派活 长任务里多人会边做边改 brief。同步子 Agent 会堵住主线程，所以子任务异步：主 Agent 拆工、派角色、选模型与力度，用 start_task / check_tasks / cancel_task / resume_task / report_progress / schedule_wakeup 协调；人消息可插入下一轮模型调用前。线程里持续更新计划、ETA、子任务状态、花费，公开前要审批。例子：隔夜改肤 52 页 PPT，主 Agent 约跑 1 小时，子 Agent 合计超过 6 小时，不堵对话。
Bitter Lesson 早期给弱模型堆了约 115 个可复用 UI/动效组件和细则，品牌稳了但版式重复。等模型（文中写 Opus 5.5）跃升后，删掉大部分硬编码补丁，只留原则与高层指引，多样性反而上来。补偿模型短板的规则会过期；更长寿的是环境：工具、上下文、以及人如何中途干预。
自改进 快环：当场把规则写入记忆。慢环：learn_from_job 抽最多 5 条有证据的教训挂到对应 skill，后续任务打分，每周后台合入 skill/wiki。下一步方向：整条战役生命周期（经审批后经 Buffer 发帖、员工转发草稿、定时复盘等），人仍审仍批。
开源与部署 design-agent：fork 后加品牌 token、字体与 skills，用 Managed Deep Agents 部署到 Slack。README 强调本地可试、密钥不进沙箱；架构图把 Slack → 主 Agent → skills/wiki/记忆 → 沙箱（Chromium、ffmpeg、HyperFrames、motion-studio、异步子 Agent）串在一起。