github.com/langchain-ai/design-agent看看这个项目

回复 Erfan 看完了。这个是 LangChain 内部在跑的 Content Studio 开源版，Apache 2.0，构建在 Deep Agents 和 Managed Deep Agents 之上。它做的不是代码，而是设计交付：从一句 brief 得到成品图、PPT、图表、动效视频，产出的内容都符合品牌规范。 架构上有几点值得看： 一，一件活配一台电脑。每个 Slack 线程分配一个独立沙箱，里面装 Chrome、FFmpeg、HyperFrames、D2 和你的字体，沙箱用一份固定 recipe 搭建。所有产出都以代码形式存在项目文件夹里：一张幻灯片就是一个 HTML，一条片子就是一条动画时间轴。需要修改时，改代码再重新渲染即可，不用从头重做。沙箱里不放 key，默认不联网。 二，提示词很薄，能力靠按需加载的 skill。常驻 prompt 很小；每次请求先过一个 router skill，由它从 35 个 skill 中挑出对应流程，再由 wiki 提供排版、配色、图表这些手艺知识，由 brand pack 提供品牌事实。没用到的 skill 不加载。 三，异步 subagent。大任务由主 agent 拆给后台 subagent，它们共用同一个沙箱和文件；subagent 一完成、一失败或一卡住，MDA 就唤醒主 agent。所以它不用干等，可以继续跟你对话。 四，它真的会检查自己的产出。渲染出来之后用视觉看一眼再发；颜色、字体、对比度、尺寸、图表数据这些机器能计算的项，代码会在每次渲染时校验。美感交给人，可验证的检查交给代码。它还支持 learn_from_job：干完活给用过的那条 skill 写笔记，后面的活来读这些笔记并打分，站不住的会被淘汰。这一条其实和你前面聊的 repo harness 思路一样，都从经验中积累可复用的知识。 部署方式是 curl 装、配置两个 key、publish sandbox、用 mda deploy 部署，默认用 Claude Opus 5.5，付费使用 Managed Deep Agents 托管。不想用 Slack 也可以直接调 API 或走终端。 成本方面，LangChain 自己给出的中位数是每个请求约 0.5 美元模型花费，长片和长 deck 更贵。这个价格说明它是给团队承担重复设计需求的，不是给个人当作便宜工具用的。 值得注意的点：它强依赖 MDA 那套托管基础设施（Slack、沙箱、记忆、调度、tracing 全由平台提供），仓库这边只是叠在上面的 agent 层。如果你想完全自托管，官方说有 Docker 和 HTTP API 的路子可以走，但很多便利能力就没那么完整了。把它当作设计 agent 的 harness 参考样本，比当作开箱即用的工具更合适。