一次设计请求从约 8 美元到约 50 美分，LangChain 删了什么

一次设计请求，模型花费的中位数从约 8 美元掉到约 50 美分。

这是 LangChain 2026 年 10 月 27 日博客《How We Built Our Design Agent》里的公司自报数字，对比窗口写的是「九月中」到「现在」。同一篇文章还写了：Content Studio 已交付超过 3,000 件资产、超过 80 套幻灯片；带它视觉的帖在 LangChain 账号上大约 2 倍 likes、3.7 倍 bookmarks；四分之三请求来自营销部门之外，75% 用户每周回流。数字全部来自原文，没有第三方审计。

Content Studio 住在 Slack 里。一句话加附件，吐出视频、社媒图、复刻 UI、幻灯片；资产用代码生成，不是黑盒图文件。GTM Eng 和设计一起做了大约四个月，方法主要是当众看坏输出，再把判断写回 guidance。Harness 已开源，可用 Managed Deep Agents 部署到团队 Slack。

我读这篇，不太想再复述「又一个设计 agent」。更想抄的是：品味怎么进上下文、规则何时该删、哪些事必须写进代码门禁。

模型会画，缺的是你们的上下文

原文第一句关键 takeaway 写得很直：Taste comes from context。模型已经会写 HTML、CSS、图表 spec、动画时间线；缺品牌 POV 时，它会伸手去拿最常见的样子。文中借用 Anthropic 的说法叫 distributional convergence——可以很精致，也仍然像一百个别人。

Stripe 设计负责人 Katie Dill 有个类比：战后急着盖楼时，现代主义的干净外形被一遍遍复制，外形留下了，念头和性格丢了。她管 AI 可能对软件做的同类事叫 zombie UI，并说如果你不给观点，AI 会替你给一个。

LangChain 的对策不是「换更会画的模型」这一句就停。他们从基础 tokens（颜色、字重、间距、对齐、logo）往上加：每帧一个焦点、防常见 AI 设计套路、把反馈背后的 reasoning 记下来。例：「no sharp edges」若只记成圆角，鸟身后的光带还是硬；设计师要的是 soften / taper / fade opposite movement，后来 agent 自己做了帧检，保证丝带根部贴在鸟尾上。

可测的问题迁进确定性检查，比如反复出现的大小写；主观判断（想法够不够强、信息清不清）留在 skills。设计师的角色往 creative director 挪：定方向、审结果，而不是每张图自己画。

115 个组件之后，他们删了大半规则

第一版 harness 试图替模型做设计决定。设计系统塞了 115 个可复用 UI 组件，外加何时用的说明。品牌更稳了，布局和动画也开始重复。

Opus 5.5 上来后质量跳了一截。他们回头删掉大部分硬编码规则，只留设计原则和高层 guidance，结果更多样、更少重复。原文把这标成自己的 Bitter Lesson，并写成一句可执行的话：Delete rules when the model improves.

补偿模型短板的规则会过期。耐久投资，原文列的是 tools、context、files、memory、human feedback、flexible orchestration。硬把创意决定预制成组件，模型变强之后会变成枷锁。

创意判断放指令，必须成立的顺序放代码

片库流水线有个例子：每个 act 过审之后才能组装。这条先写在 skill 指令里，agent 有时为了省时间跳过审查。后来迁进代码，组装会等审查通过；指令继续管创意判断。

Instructions vs Code 这条和企业里「审批能不能被 prompt 绕开」是同构的。会过期的 workaround 写进 prompt；永远要成立的不变量写进 gate。

Harness 长什么样（只记能带走的层）

每个 Slack 线程一台独立 Linux sandbox：文件系统、shell、设计与媒体工具，项目活在线程生命周期里。改时间线再渲，不必整片重生。

脑子拆成四块：skills（约 48 个、近 1,000 个文件，按岗位路由，描述里写 when not to use）、wiki（品牌、战役、产品、motion；70 部参考片拆解）、确定性 gates、memory（团队共享优先于个人；AGENTS.md 限约 200 行索引，早期曾涨到 50 万 tokens）。

运动很贵：故事板一帧大约 50 毫秒，成品 1 秒大约 8–40 秒。所以先 storyboard → animatic → production。空间反馈用 Paper 画布指，而不是在 Slack 里描述「左边那个」。主代理当 chief of staff：拆任务、开异步子代理、按复杂度选模型和 effort，公开前要人批。过夜重皮 52 页幻灯的例子：主代理大约跑 1 小时，子代理合计超过 6 小时，对话不阻塞。

成本从约 8 美元掉到约 50 美分，原文没有给出「每一分钱由哪一项省下」的拆账表。文中并列出现、不宜单点归因的机制包括：迁到 Managed Deep Agents 后自有代码约缩 80%、按需加载工具与 job-specific skills、共享 wiki、确定性 gate、故事板先行、持久 project folder、异步子代理与按任务选模型，以及模型变强后删硬规则。caching 原文未当作降本主因单独列出。

快环和慢环：反馈怎么进系统

没有记忆的话，每个新线程都从零开始。他们做了两层学习。快环：有人当场说出规则或偏好，当轮就写入 memory 文件；团队共享标准优先于个人偏好，公司频道跟公司 voice。慢环：每单结束后 learn_from_job 拉起轻量子代理，最多抓 5 条有证据的教训挂到对应 skill；后续任务会读、会打分，每周再有背景代理把有用的晋升进 skills / wiki。

这和「把设计师关在评审线程里口头改图」不一样。判断被收进共享环境，agent 才能学第二次。早期 AGENTS.md 一度涨到约 50 万 tokens，后来收成约 200 行索引——上下文也会自己发胖，要有硬上限。

开源了什么，没替你保证什么

Repo 给的是 harness：sandbox 电脑、skills、wiki、memory、异步子代理、Slack UX。Fork 之后要自己加品牌 tokens、字体和 skills，再用 Managed Deep Agents 部署。原文是厂商复盘，没有独立实测、没有公开失败案例库；深度调教等中文转写也标了这一点。写进你们团队时，先当工程手册读，再当案例宣传读。

今天就能做的 4 件事

对照原文写法，不必先 fork 整仓：

1. 打开你们的 AGENTS.md / skills，标出哪些条目是在补当前模型的短板；模型升一档后，排一期删除评审。

2. 把「必须永远成立」的顺序和不变量迁出 prompt，写成代码或 CI gate（过审才能组装、过 lint 才能出图）。

3. 设计师反馈只记改法不够，补一句 reasoning；可测的错误另开自动检查。

4. 贵渲染前先强制便宜的 storyboard / 规格确认；小改走中间表示，不整资产重生。

我观察一句，只作桥，不作这篇的主证据：我们以为出自我们的结论，实际上常常出自 agent，世界就更容易趋同。默认写在 skill、wiki 和门禁里的东西，决定了「像谁」。LangChain 这篇的用处，是把那层默认变成可改、可删、可审计的 harness——价值在工具、工作流和 gates，不在再宣称做了一个 agent。

原文：https://www.langchain.com/blog/design-agent
开源：https://github.com/langchain-ai/design-agent

🔗 链接

• 原文：How We Built Our Design Agent

• 开源：langchain-ai/design-agent

---

首发于 X（2026-10-28）：同题短帖；中文长文公众号/知乎/小红书排程 2026-10-29。