LangChain 發布企業 AI 編碼代理的 Open SWE 框架
Rongchai Wang 2026年3月17日 17:33
LangChain 開源 Open SWE,一個反映 Stripe、Coinbase 和 Ramp 部署的編碼代理架構的框架。基於 Deep Agents 和 LangGraph 構建。
LangChain 發布了 Open SWE,這是一個開源框架,捕捉了 Stripe、Coinbase 和 Ramp 為其內部 AI 編碼代理獨立開發的架構模式。這個採用 MIT 授權的專案基於 LangChain 的 Deep Agents 和 LangGraph 平台構建,為希望部署自主編碼助手的工程組織提供可自訂的基礎。
企業趨同推動設計
該框架源自主要金融科技參與者之間可觀察到的趨同。Stripe 構建了 Minions,Ramp 開發了 Inspect,Coinbase 創建了 Cloudbot——儘管各自獨立工作,但都做出了相似的架構決策。
這些共享模式包括用於代碼執行的隔離雲端沙盒、精選工具集(據報導 Stripe 維護約 500 個精心挑選的工具)、優先使用 Slack 調用、從 Linear 問題或 GitHub PR 注入豐富的上下文,以及用於複雜任務的子代理編排。
「這些架構選擇已在多個生產部署中證明有效,」LangChain 在公告中指出,儘管他們承認組織需要將元件適配到自己的環境中。
技術架構
Open SWE 配備約 15 個精選工具,涵蓋 shell 執行、網頁抓取、API 調用、Git 操作,以及與 Linear 和 Slack 的整合。該框架支援可插拔的沙盒提供商,包括 Modal、Daytona、Runloop 和 LangSmith。
每個任務都在具有完整 shell 訪問權限的隔離 Linux 環境中運行。存儲庫被複製進來,代理在該邊界內獲得完整權限,錯誤保持在容器內。多個任務可以並行運行,每個任務都在單獨的沙盒中。
上下文工程通過兩個渠道進行:存儲庫根目錄的 AGENTS.md 檔案編碼團隊慣例和架構決策,加上在代理開始工作之前組裝的完整 Linear 問題或 Slack 討論串歷史記錄。
編排層結合了模型驅動的子代理生成與確定性中介軟體鉤子。一個中介軟體元件注入運行中期到達的後續訊息。另一個作為安全網,如果代理未完成該步驟,則自動提交並開啟 PR。
組合優於分叉
Open SWE 不是分叉現有代理,而是在 Deep Agents 框架上進行組合——類似於 Ramp 團隊在 OpenCode 之上構建 Inspect 的方式。這種方法提供了升級路徑:當 Deep Agents 改進上下文管理或令牌效率時,這些改進可以無需重建自訂內容即可流通。
Deep Agents 處理基於檔案的記憶體以防止較大代碼庫的上下文溢出,通過 write_todos 工具提供結構化規劃,並支援隔離的子代理生成,不同的子任務不會污染彼此的對話歷史記錄。
比較分析
與企業實施的比較揭示了實施細節中的預期差異。Stripe 使用分叉的 Goose 搭配 AWS EC2 開發盒和三層驗證。Ramp 在 OpenCode 上組合了 Modal 容器和視覺 DOM 驗證。Coinbase 從零開始構建,具有代理委員會和自動合併功能。
Open SWE 預設使用 Claude Opus 4,但支援任何 LLM 提供商。組織可以為不同的子任務配置不同的模型。
部署實況
該框架代表了 LangChain 對 AI 輔助開發特定軌跡的押注:自主的、長時間運行的代理,與現有開發人員工作流程整合,而不是需要新介面。這與早期 AI 編碼工具中占主導地位的短暫、同步、IDE 內副駕駛模型不同。
文件包括涵蓋 GitHub App 創建、LangSmith 設定和生產部署的安裝指南,以及用於交換沙盒提供商、模型、工具和觸發器的自訂指南。
Open SWE 現已在 github.com/langchain-ai/open-swe 提供。對 LangSmith Sandboxes 感興趣的組織可以通過 LangChain 的網站加入候補名單。
圖片來源:Shutterstock- AI 編碼代理
- Langchain
- Open Swe
- 企業開發
- 開源
