AI 新視界 AI WorldviewAI 新視界 AI Worldview
申請帳號 / 登入
全球動態#產品應用1 個來源Qwen3.8-Flash-Next-180B 撰寫

LangChain 提出公司外殼五要素:整合 Slack、身份、記憶、沙箱與排程

LangChain 分享其內部代理(Agent)架構,指出構建「公司外殼」需具備五個核心要素:位於現有工作平台、靈活的身份管理、分層記憶、沙箱代碼執行及背景排程。

本文重點

  1. LangChain 於 2026 年 10 月 25 日發布文章,說明內部代理架構。
  2. 該架構包含 Slack 整合、身份管理、記憶、沙箱及排程五要素。
  3. 開發者可透過 Managed Deep Agents 平台使用此基礎設施。
本站上線
2026/10/26 上午03:19
首次報導
2026/10/26 上午02:06
最早來源發布
2026/10/26 上午02:06
AI 摘要|已與來源比對|未經人工查核。本文由程式(Qwen3.8-Flash-Next-180B)讀取下列來源全文與官方原文後撰寫, 每段後面的標籤是依據的來源,點擊即可開啟原文。程式會比對數字、版本與日期是否出現在來源中, 但這不等於事實查核。內容怎麼產生、有什麼限制; 發現錯誤請用文末的「回報」。

背景

LangChain 在其部落格中探討如何構建「公司外殼」(company harness,指支撐企業內部 AI 代理運作的基礎架構)。LangChain 在行銷、銷售和工程團隊中建立了內部代理,這些代理徹底改變了團隊的工作方式。為了讓這些代理在多用戶環境中有效運作,LangChain 發現所有團隊都收斂到相同的核心原語(primitives,構建這類系統所需的基本組成要素),共五項。 官方原文・LangChain Blog

發生什麼事

LangChain 於 2026 年 10 月 25 日發布文章,詳細說明其內部三個主要代理:GTM Agent(協助行銷與銷售活動)、OpenSWE(工程代理,處理 PR(Pull Request,程式碼合併請求)與程式碼審查)以及 Content Studio(行銷代理,生成符合公司風格的素材)。這些代理均基於 Managed Deep Agents 構建,該架構位於開源的 Deep Agents harness 之上,提供解決通道、排程、沙箱、記憶和身份等問題的基礎設施。 官方原文・LangChain Blog

重點內容

第一個要素是用戶體驗:代理必須位於人們已經工作的地方,LangChain 選擇 Slack。每個代理都有專屬的 Slack 應用,可透過私訊或標籤在頻道中被呼叫。為避免干擾人類對話,LangChain 開發了「breakout」功能,讓代理能在頻道內建立獨立執行緒進行互動。對於不適合在 Slack 中處理的複雜任務(如大量郵件審核),LangChain 則建立了自定義 UI。 官方原文・LangChain Blog

第二個要素是身份管理,這是被描述為最棘手的問題。LangChain 採用兩種模式:「代表用戶」(On-behalf-of)與「固定憑證」(Fixed credentials)。例如,OpenSWE 在用戶直接訊息時代表用戶行動(如以用戶 GitHub 帳號開 PR),但在背景執行程式碼審查時則使用其自身的 GitHub App 身份。GTM Agent 對 Salesforce 使用固定身份,但對郵件工具僅在私訊中代表用戶行動,共享頻道中則不可用。Content Studio 對 Notion 代表用戶行動,對 Twitter 則使用公司固定帳號,且僅限白名單用戶執行發布操作。 原文

其餘三個要素分別為記憶、代碼執行與排程。記憶分為「全域記憶」(適用於所有用戶)與「用戶記憶」(僅適用於特定用戶),由代理決定事實儲存的層級。代碼執行方面,所有代理均在沙箱外運行,但連接至沙箱內部執行代碼,並利用 LangSmith Sandboxes 的 secret proxy(安全代理,讓沙箱內代碼能安全連接外部服務)進行服務存取。最後,大量代理運行並非由用戶直接觸發,而是透過排程或背景事件觸發,例如 OpenSWE 監聽新 PR 自動審查,或 GTM Agent 根據用戶指令建立 cron(Linux 系統排程工具)發送每日簡報。 原文

對使用者的意義

LangChain 指出這五個要素是構建公司外殼的通用配方。開發者可以透過 Managed Deep Agents 平台開始使用,該平台提供了處理通道、排程、沙箱、記憶和身份所需的基礎設施,同時保留足夠的靈活性以自定義代理行為。LangChain 建議讀者透過 quickstart(快速入門指南)嘗試該架構。 官方原文・LangChain Blog

接下來要看的事

  • LangChain Managed Deep Agents 的具體定價模式與企業級安全認證細節
  • 其他 AI 框架(如 LangGraph 或 AutoGen)在處理多用戶身份隔離時的技術方案比較
  • LangChain 提到的「ambient agents」(環境代理)在實際企業部署中的錯誤率與人工介入頻率

來源:佐證 1 筆

官方原文當事公司或機構自己發布的文件

  1. LangChain Blog · The five components of building a "company harness"10/26 上午02:06

這篇對你有用嗎?

登入會員後可以按反應與留言。登入

留言 0

  • 還沒有留言。

留言公開顯示暱稱,不顯示你的真實姓名與信箱。含多個連結或疑似廣告的留言會先經編輯確認;檢舉達 3 次的留言會自動隱藏。隱私政策

發現錯誤?

回報會進入待處理清單;核實後更正,並在文中註記更正紀錄。