
LangChain Design Agent:Content Studio 交付 3000+ 资产,中位模型成本约 $0.50,开源 harness
文创设计Agent品味LangChainSlack质量门禁
一句话结论
模型会执行但不懂「你们的品味」;把设计原则与反 AI slop 写进 skills,给每条 Slack 线程一个可持久沙箱,故事板廉价探索后再并行生产,并用确定性 gate + 快/慢学习环把评审变成可复用判断。
打开原文
LangChain:How We Built Our Design Agent
背景与理念
缺上下文时模型会 distributional convergence,产出看起来精致却像别人的 AI slop。设计团队人力被重复物料占满;Content Studio 让任何人在 Slack 提需并拿到上品牌的成片/图/幻灯。
具体做法
- 品味:原则、反常见 AI 图案、反馈理由写进 skills;可度量问题用代码 gate。48 个 skills + wiki;路由 skill 选型。
- 设计师的电脑:每线程 LangSmith Sandbox;HyperFrames 剪辑 + 自研 motion-studio 逐帧动画;ElevenLabs;Paper 画布 MCP 让人「指着改」而不是纯描述。
- 异步 subagent:主 agent 当参谋长拆任务;故事板→animatic→生产强制管线;审批前不外发。快环当场记偏好,慢环事后抽教训写回 skills。
关键数据/例子
交付 3000+ 资产(含 80+ 幻灯);带其视觉的帖约 4.5M X 浏览,点赞约 2×、书签约 3.7×。约 3/4 请求来自营销外,75% 周回访;中位模型成本约 $0.50(9 月中约 $8);迁 Managed Deep Agents 后自有代码量约 -80%。
创新点
第一,把「补偿模型弱点的硬编码规则」当成会过期的债务,模型变强就删规则留原则。第二,用故事板廉价探索 + 异步多玩家 UX,让小时级成片仍可中途被人转向。
可否复用
- 先写品牌原则与反 slop 清单进 skill,再堆组件库。
- 贵渲染前强制故事板/人批门禁。
- 评审里的主观判断要写成可复用理由,而不只改这一稿。