先了解这件事
2026年10月25日,LangChain的Harrison Chase和Caspar Broekhuizen发文,总结公司级Agent harness的核心组件。文章以LangChain内部营销、销售、工程三个智能体GTM Agent、OpenSWE、Content Studio为例,归纳出五个共用组件:智能体放在Slack等现有工作场所;区分代用户行事与固定身份;设置全局与用户两级记忆;在沙箱内执行代码;大量运行为定时或事件触发。文中还说明三者在身份、记忆和代码执行上的具体处理方式,并指出三者均构建在Managed Deep Agents之上。后续一篇中文报道复述了上述五块共性底座,并补充称Managed Deep Agents叠在开源Deep Agents harness之上,保留定制Agent行为的空间。目前该总结仍以LangChain官方博文为原始来源。
AI 根据公开报道生成
最新进展 · 正式报道
LangChain 总结公司级 Agent harness 五件套事件进展
1 个已确认进展
- 来源：LangChain Blog
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月26日
邵猛
LangChain 总结公司级 Agent harness 五件套
LangChain 基于自家 GTM、OpenSWE、Content Studio 三套内部 Agent，总结出公司级 harness 的五块共性底座：以 Slack 为协作入口、按 Agent 和工具区分 OBO 与服务账号身份、全局与用户双层记忆、Agent 本体在沙箱外而代码在沙箱内执行并经 secret proxy 访问鉴权服务、大量任务由定时或事件触发。三套 Agent 都建在 Managed Deep Agents 上，后者叠在开源 Deep Agents harness 之上，并保留定制 Agent 行为的空间。
10月25日
LangChain Blog一手精选
LangChain 总结构建公司级智能体的五个组件
LangChain 的 Harrison Chase 和 Caspar Broekhuizen 发文，总结其营销、销售、工程三个内部智能体共用的五个核心组件：智能体放在 Slack 等现有工作场所、区分代用户行事与固定身份、全局与用户两级记忆、沙箱内执行代码、大量运行为定时或事件触发。文中以 GTM Agent、OpenSWE、Content Studio 为例，说明各自在身份、记忆和代码执行上的具体处理方式，三者均构建在 Managed Deep Agents 之上。
本事件热度走势
- 当前
- 8
- 区间峰值
- 14 10月26日 12:00
- 近 24 小时变化
- —
移动指针或点击图表可查看每小时热度；键盘可用左右方向键切换。