Agent / 工程
LangChain 如何构建内部设计智能体 Content Studio
LangChain 开源了其内部设计智能体 Content Studio 的完整实现。这款运行在 Slack 中的智能体可以根据一句提示词生成视频、社交图片、幻灯片和广告素材，所有产出均以代码形式编写。团队花费四个月时间将设计师的审美原则、品牌规范和反馈逻辑注入智能体，使其从早期的低质量输出成长为公司内部使用最广泛的 GTM 工具之一。目前 Content Studio 已累计产出超过 3000 份资产，相关帖子在 X 平台获得约 450 万次浏览，带有其视觉内容的帖子点赞数约为其他帖子的 2 倍、收藏数约为 3.7 倍。四分之三的请求来自市场营销团队以外的部门，75% 的用户每周都会回访。单次请求的模型费用中位数已从9月中旬的约8美元降至约50美分。
LangChain 是一家节奏极快的初创公司，产品发布、网络研讨会、博客和活动接连不断，每项工作都需要配套的视觉资产。设计团队长期处于超负荷状态，大量重复性请求挤占了更具战略价值的创意工作。为此，GTM 工程团队与设计团队合作，在 Slack 内构建了 Content Studio——团队成员只需描述需求并附上简报，智能体便会返回符合品牌规范的成品文件。
构建这套系统需要解决三个核心问题：将设计师的专业判断写入智能体的技能与检查机制，让它知道什么是好的设计；为模型配备一套定制化环境，包括视频编辑工具、图像处理工具和共享画布；以及设计合适的协作体验，让整个团队能够通过一个 Slack 线程协同推进一个运行数小时的项目。底层基础设施由 Managed Deep Agents 提供，涵盖沙箱环境、Slack 集成、工具管理和智能体调度，使小团队得以将精力集中在设计工作本身。
团队在构建过程中直面了一个核心争议：AI 真的擅长设计吗？模型在执行层面已经相当出色，能够编写 HTML、CSS、图表规范和动画时间轴，但它缺乏品牌上下文，因此倾向于套用最常见的视觉模式。Anthropic 将这种现象称为「分布收敛」，Stripe 设计负责人 Katie Dill 则将其类比为二战后建筑界对现代主义的机械复制——保留了外形，却丢失了背后的思考，她称之为「僵尸 UI」。
为了让智能体具备真正的审美判断力，团队系统性地将设计师的品味转化为可执行的规则。这不仅包括颜色标记、字重、间距和对齐等基础规范，还涵盖了更高层次的设计原则，例如每帧只设一个视觉焦点、避免常见的 AI 设计套路，以及每条规则背后的设计理由。团队还特别强调，随着模型能力的提升，那些用于弥补模型弱点的临时规则应当及时删除，只保留真正体现品牌个性的设计原则。
在用户体验层面，Content Studio 针对长时间运行的异步任务设计了多人协作机制。复杂任务会拆分给多个子智能体并行处理，Slack 线程会实时展示执行计划、进度状态，并在最终交付前请求人工审批。团队中的任何成员都可以在任务执行过程中介入并调整方向。目前该项目已完全开源，开发者可以 fork 仓库、替换品牌素材，并通过 Managed Deep Agents 将其部署到自己团队的 Slack 工作区。
要点
- 审美判断来自上下文：模型本身已具备较强的代码执行能力，但需要注入设计师的原则、品牌护栏和反馈逻辑，才能产出真正符合品牌调性的作品。
- 为智能体配备完整的工作环境：每个 Slack 线程拥有独立沙箱，智能体在多轮对话中保持项目状态，并能跨视频引擎、图像工具和共享画布协同工作。
- 规则应随模型进化而精简：为弥补模型弱点而添加的临时规则会随模型升级而失效，应定期清理，只保留真正体现品牌个性的设计原则。
- 长时任务需要多人协作的交互设计：异步子智能体可能运行数小时，Slack 线程需实时呈现计划、进度和审批节点，团队成员可随时介入调整。
- 成本与规模均已验证：单次请求费用从约8美元降至约50美分，代码量缩减约80%，四分之三的请求来自非营销部门，证明该方案具备全公司推广的可行性。