LangChain 开源企业级编码 Agent 框架 Open SWE

2026年3月20日 24点热度 0人点赞 0条评论

如果你关注过 Stripe 的 Minions、Ramp 的 Inspect 或 Coinbase 的 Cloudbot，会发现这些顶级公司的内部编码 Agent 架构惊人地相似。今天，LangChain 正式开源了 Open SWE 框架，将这些经过生产验证的架构模式打包成可复用的开源方案。

核心架构：五大生产级模式

Open SWE 不是从零构建，而是基于 Deep Agents 和 LangGraph 组合而成，这种做法本身就值得学习——它允许企业在享受上游更新的同时，保留自己的定制化工具链。

隔离沙箱执行是首要原则。每个任务在独立的云沙箱中运行（支持 Modal、Daytona、Runloop、LangSmith 等提供商），沙箱内拥有完整权限，但错误被严格限制在边界内。这遵循了"先隔离，再授权"的安全哲学。

精选工具集而非堆砌工具。Open SWE 只提供约 15 个核心工具：execute（ shell 命令）、fetch_url、http_request、commit_and_open_pr、linear_comment、slack_thread_reply，加上 Deep Agents 内置的文件操作工具。Stripe 的经验表明，工具 curated 比数量更重要。

上下文工程采用双层设计：仓库根目录的 AGENTS.md 文件注入系统提示词，编码团队规范、测试要求和架构决策；同时，完整的 Linear 议题或 Slack 线程历史在启动前组装，减少 Agent 通过工具调用发现需求的时间。

编排机制：Agent 与确定性分离

Open SWE 的编排分为两层：子 Agent 通过 task 工具派生独立子任务，每个子 Agent 有自己的中间件栈和待办列表；中间件在 Agent 循环周围运行确定性逻辑，如 check_message_queue_before_model 允许在 Agent 运行时发送跟进消息，open_pr_if_needed 作为安全网确保 PR 一定被创建。

这种分离平衡了灵活性与可靠性——模型负责创造性工作，确定性代码保证关键步骤不遗漏。

invocation 表面：开发者在哪里，Agent 就在哪里

所有三家参考公司都选择 Slack 作为主要入口，Open SWE 同样支持 Slack、Linear 和 GitHub 三种触发方式：在 Slack 线程中提及机器人、在 Linear 议题评论@openswe、在 GitHub PR 中标记反馈。每个触发创建确定性线程 ID，后续消息路由到同一运行中的 Agent。