🕸️LangChain Blog•較早收集於 2h
Open SWE 推出程式碼代理框架
💡基於 LangGraph 的開源框架，用於建構生產級程式碼代理—開發團隊理想選擇。（48字）
⚡ 30-Second TL;DR
有什麼變化
內部程式碼代理的開源框架
為什麼重要
此框架降低團隊建構自訂內部程式碼代理的門檻，有助加速開發流程並減少供應商鎖定。
下一步行動
複製 Open SWE GitHub 儲存庫，並將其整合至您的 LangGraph 設定中進行代理原型製作。
誰應關注：Developers & AI Engineers
關鍵要點
- •內部程式碼代理的開源框架
- •建基於 Deep Agents 和 LangGraph
- •提供代理的核心架構元件
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 7 個來源。
🔑 增強重點摘要
- •Open SWE 透過 LangGraph Platform 部署，支援長時間運行的代理（可達一小時），具備內建持久化和自動擴展功能，能同時執行數百個代理實例
- •Open SWE 採用多代理架構，包含 Manager、Planner 和 Programmer（含 Reviewer 子代理）四個專門代理，透過 LangGraph 的狀態管理協調運作
- •系統使用 LangSmith 進行上下文工程優化和評估，解決複雜多代理系統的準確性挑戰，特別是在指令傳遞和上下文擷取方面
- •Open SWE 可自主理解程式碼庫、規劃解決方案並執行程式碼變更，從初始規劃到開啟拉取請求的完整工作流程自動化
🛠️ 技術深入
• 架構設計：採用 LangGraph 構建的多代理系統，由 Manager、Planner、Programmer 和 Reviewer 四個專門代理組成，各自具有獨立的狀態和輸入/輸出 • 狀態管理：利用 LangGraph 的狀態管理機制，在任何時間點追蹤和協調所有代理的狀態 • 部署基礎設施：部署在 LangGraph Platform 上，支援長時間運行（可達一小時）、內建持久化機制（支援人類參與迴圈）和自動擴展 • 上下文工程：透過 LangSmith 進行迭代優化，確保代理具有正確的工具使用指令和相關上下文擷取能力 • 可擴展性：開源設計允許社群自訂提示詞、為內部 API 新增工具或修改代理核心邏輯 • 流式處理：支援原生 token-by-token 流式傳輸，實時展示代理推理和行動
🔮 前景展望AI analysis grounded in cited sources
開源代理框架將成為企業內部 AI 工程的標準基礎設施
Open SWE 的可擴展設計和社群導向架構表明，企業將逐漸採用開源多代理系統而非專有解決方案
上下文工程和可觀測性將成為代理系統開發的關鍵瓶頸
LangSmith 在 Open SWE 開發中的核心角色突顯了調試複雜多代理系統的複雜性，預示著專門的 AI 可觀測性工具需求將增長
子代理模式將推動更複雜的任務自動化應用
Open SWE 的子代理架構（Reviewer 子代理）和 Deep Agents 的上下文隔離機制表明，專門化代理委派將成為處理多步驟任務的標準模式
⏳ 時間線
2024
Deep Agents 推出，作為 LangChain 的獨立代理框架，提供規劃工具和檔案系統後端
2025
LangGraph Platform 發布，提供長時間運行代理的部署基礎設施、持久化和自動擴展功能
2026-03
Open SWE 作為開源非同步程式碼代理正式推出，整合 LangGraph 和 Deep Agents 架構
📎 來源 (7)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： LangChain Blog ↗
每週 AI 簡報
每週一封，可隨時退訂。