LangChain 构建设计智能体：Content Studio 的判断、工具与协作

一张图的颜色和字体都符合品牌规范，为什么看起来还是“不像我们”？设计工作里，难的常常是这些说不太清的取舍：画面该突出什么，动画怎样收尾，哪些地方必须一致，哪些地方可以试试新做法。

LangChain 的 Content Studio 是一个在 Slack 中工作的内部设计智能体。员工描述需求、附上素材，它就能制作图形、幻灯片或视频。它不只让模型生成一次成品，还把设计经验、制作工具、项目文件和团队协作连成一套流程。LangChain 工程团队的 Amal Irgashev 和 Shreya Talegaonkar 于 2026 年 10 月 27 日介绍了这个系统。

好设计不只是守规范

品牌规范能告诉设计师该用什么颜色、字体和标志，却很少能回答“这张图最该让人先看到什么”。LangChain 把这种取舍能力称为 taste，可以理解为设计判断力：知道什么做法合适，也知道怎样从“合格”再往前走一步。

他们举了一个动画例子。设计师觉得鸟身后的光带边缘太尖。照字面改成圆角，很可能还是不对；真正想要的是光带变柔、逐渐变细，并顺着鸟飞行的反方向淡出。要做到这一点，系统需要的不只是品牌色表，还得理解设计师为什么不满意、希望画面产生什么效果。

LangChain 说，团队花了四个月观察不理想的输出，再把设计原则和反馈理由整理下来。这里的重点不是把每一种审美都变成硬规则，而是让模型有机会参考设计师平时用来做判断的依据。

给 Agent 一台能继续工作的“电脑”

LangChain 把围绕模型配置的电脑、工具、项目文件和协作方式称为 harness（执行与协作环境）。Content Studio 为每条 Slack 对话线程提供一个独立的 sandbox（隔离工作区）：一台带文件系统和命令行的 Linux 机器。项目可以留在这个工作区中，Agent 后续接着编辑，不必每轮从头开始。

作品以代码制作。比如，幻灯片可以是网页，图表可以有数据规格，视频则由动画时间线控制。这样，若要让一个镜头提前出现，就可以改时间参数并重新渲染，而不必重做全部画面。

Content Studio 用两套工具做动效。HyperFrames 把片段、字幕和文字放进网页，再用 GSAP 控制播放时间；团队自建的 motion-studio 则逐帧绘制画面，用多个时间采样点表现运动模糊。LangChain 称，这些工具能按指定时间重复渲染同一画面，方便检查某一帧或同时处理多个片段。

早期版本还内置了 115 个界面组件，帮助模型遵守品牌样式。但组件太多，作品也容易长得相似。LangChain 说，随着 Opus 5.5 带来质量提升，团队删掉大部分固定组件和规则，改为保留设计原则，之后看到了更多样的结果。这是团队对自身迭代的描述，并非对照实验；安全、品牌和合规要求仍不能因此一概取消。

四种知识，各自解决一类问题

经验怎样变成可重复的做法

LangChain 把 Agent 要用的信息分成几类。拿工作室来比方：有教人怎么做事的流程手册，有介绍品牌和产品的资料，有交付前必须勾选的检查项，也有记录“上次这样改效果更好”的经验。

在 Content Studio 里，这几类信息分别是 Skills、Wiki、Gates 和 Memory。Skills 告诉模型接到某类任务时可以按什么步骤做；Wiki 提供品牌、产品、渠道和参考作品等背景；Gates 是程序执行的检查，适合大小写、尺寸这类有明确答案的要求；Memory 则保存可能对以后有用的偏好和经验。

它们各有分工。比如“标题必须用品牌规定的大小写”可以写成程序检查；“画面看起来是否有重点”通常还要人来判断。技能说明也不会自动赋予模型权限：它能不能读文件、调用工具或发布内容，仍由实际配置决定。

LangChain 的博客称，内部 Content Studio 有 48 个 Skills 和近 1,000 个文件；公开仓库某一固定版本的 README 则列出 35 个 Skills。两组数字来自不同来源和版本，不能据此推断它们之间增减了多少。

复杂视频先确认方向，再投入制作

先看方向，再做成片

制作复杂短片时，Content Studio 不一定马上渲染成片。团队可以先看几张静态分镜，确认风格、文案和镜头；再配上音乐和时间，做一版动态粗剪，看看节奏顺不顺。等方向定下来，才投入时间制作成片。简单改字或调整尺寸，则不必走完这套流程。

LangChain 把静态画面称为 storyboard（分镜稿），把配上时间和音频的粗剪称为 animatic（动态粗剪）。团队给出的数据是：分镜单帧约 50 毫秒可生成，成片每秒画面则需 8 到 40 秒渲染。先用较快的分镜确认方向，能少花时间在尚未确定的方案上；这些速度是 LangChain 的具体报告，不是所有工具都能达到的指标。

光在流程说明里写“审查通过后才能继续”并不总够。LangChain 发现 Agent 有时会跳过，于是把这项要求写进程序：每个影片段落通过审查，才能进入组装。画面好不好看仍由人判断；程序负责拦住尚未通过规定检查的内容。

大项目怎样分工

大型演示文稿或短片可以拆成几项工作，同时交给不同的 Agent 处理。主 Agent 负责安排：每项任务需要哪些资料、谁修改哪些文件、交付时要达到什么要求。分工清楚，几个子代理才能并行推进，避免改到同一份文件或漏掉验收。

团队在 Slack 里查看进度和渲染状态，也可以中途补充意见；共享画布 Paper 则让人直接对着某页留言或修改。内容公开前仍需批准。LangChain 举过一个 52 页演示文稿改版案例：先做三页样稿，再分批完成其余页面。这个例子展示了分工方式，不代表每个项目都能以同样速度完成。

反馈如何成为下次可用的经验

一次修改，怎样帮到下一次

设计师指出某个镜头应该更简洁，这条意见先用来改好眼前的作品。之后，团队再观察类似任务：这个建议是否真的有帮助，能否整理成其他人也用得上的经验？LangChain 描述的流程会把有依据、经后续任务检验过的经验补进技能说明或 Wiki。若意见能写成明确规则，团队还可以加上程序检查。单次反馈不会自动成为所有人的新规范。

团队也把个人偏好与共同约定分开保存，并只在任务需要时提供相关资料。LangChain 说，早期 AGENTS.md 文件曾膨胀到约 500K tokens，后来改为约 200 行的索引。资料多不等于模型就能用好；找到眼前任务真正需要的内容更重要。

团队公布的成绩

LangChain 说，Content Studio 已经制作了 3,000 多项素材和 80 多份演示文稿。使用这些视觉内容的 X 帖子累计约 450 万次浏览；在 LangChain 自己的账号上，这类帖子的点赞约为其他帖子的两倍，收藏约为 3.7 倍。团队还说，四分之三的请求来自市场部门以外，75% 的用户每周都会回来使用。

他们报告的单次请求模型支出中位数，从 9 月中旬约 8 美元降到约 0.50 美元；迁移到 Managed Deep Agents 后，自有代码量减少约 80%。这里的 0.50 美元只指模型支出，不是整套服务的总成本；文章没有合并披露计算、渲染、维护和人工审阅等开支。

这些数字让人看到工具已进入日常使用，但公开文章没有给出原始数据、完整统计周期或样本定义，也没有独立审计。因此，帖子互动更高不能直接归因于设计工具，其他团队也不能据此预期会得到相同结果。文中还提到一次 52 页演示文稿改版：先做三页样稿，再分批完成其余页面；主 Agent 运行约一小时，子代理累计工作超过六小时。这是一个项目的记录，不代表常规速度。

设计智能体的工作，不止是生成

Content Studio 把设计判断、制作工具、项目文件和团队反馈连在一起。它展示了一种思路：让模型参考设计师的做法，把能明确检查的要求交给程序，把需要审美取舍的部分留给人判断；项目则保存在可以继续修改的工作区里。

这套安排是 LangChain 为自己的团队和任务搭建的，并不能证明其他团队会得到同样的作品质量、使用率或成本。设计流程、品牌要求和审批责任不同，适合自动化的部分也会不同。

来源

• Amal Irgashev、Shreya Talegaonkar，LangChain，How We Built Our Design Agent，2026-10-27。核验日期：2026-11-06。实现细节和结果指标均作为 LangChain 第一方自述引用，未独立复现或审计。
• LangChain 官方 design-agent 仓库 README（固定提交），核验日期：2026-11-06。35 个 skills 是该公开仓库 README 的统计口径，不代表博客所述内部系统。