LangChain 开源 Content Studio 设计 Agent 的四个月实践详解

meng shao· @shao__meng · X·2026-10-28 15:29· 1 小时前AI 评分71

AI 导读

作者详解 LangChain 开源的 Content Studio（Slack 里的 Design Agent）四个月实践，核心是把设计师判断写进 skills、wiki 与代码门禁，用沙箱电脑和异步子 Agent 撑住长任务。

正文 · 原文

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://github.com/langchain-ai/design-agent

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。

来源：meng shao · x.com