#459.AI 智能体时代的基建重构：LangChain 创始人揭秘 Harness、记忆与自主运行的未来

本期播客采访了 LangChain 的联合创始人兼 CEO Harrison Chase，深入探讨了 AI 智能体和 AI 基础设施的演进。对话主要围绕智能体的架构，特别是 Harness 的重要性展开，Chase 强调 Harness 是模型与环境交互的关键，并详细解释了系统提示词、规划工具、子智能体和文件系统等核心组件在现代智能体架构中的作用。他还提到了长期记忆的三种类型：语义记忆、情节记忆和程序记忆，并讨论了企业如何应对 AI 浪潮，强调构建指令和工具的重要性。此外，Chase 还分享了 LangChain 的发展历程，以及 LangSmith 如何通过可观测性 ++ 来帮助开发者构建更好的智能体。

Outlines

Part 1: 背景与核心理念

Part 2: AI 智能体的演变与分类

Part 3: 智能体架构的核心组件

Part 4: 进阶功能：技能、压缩与记忆

Part 5: 基础设施：沙箱与安全

Part 6: LangChain 的产品矩阵与未来

Sign in to continue reading, translating and more.

Open full episode in Podwise

跨国串门儿计划

Part 1: 背景与核心理念

跨国串门儿计划：用 AI 克隆技术，无障碍欣赏全球优质外语播客

Harrison Chase：模型很棒，但真正让它发挥作用的是那个外科程序

Part 2: AI 智能体的演变与分类

AI 智能体的演变：从简单的循环运行到构建脚手架 scaffolding

智能体的分化：对话型智能体与长城智能体 Long Horizon Agents

模型与框架之争：Harness 才是最重要的

Part 3: 智能体架构的核心组件

Harness：模型与其环境交互的方式，是一整套工具集

系统提示词 System Prompt：驱动智能体的核心

规划工具 Planning Tool：为智能体提供心理草稿本

自智能体 Super Agents：隔离上下文，降低沟通成本

智能体框架的精妙之处：直接告诉它们去做

文件系统：让大模型能够管理自己的上下文窗口

智能体架构的核心组件：详细的系统提示词、规划工具、自智能体、文件系统

Part 4: 进阶功能：技能、压缩与记忆

技能 Skill：针对特定操作的指令

上下文压缩 Context Compaction：将发生的整个历史记录压缩成更小的东西

记忆：语义记忆、情节记忆和程序记忆

Part 5: 基础设施：沙箱与安全

企业如何应对 AI 浪潮：建立指令和工具本身

生态系统中足够稳定的部分：可观测性 observability、评估 ebox 和沙箱 sandbox

智能体为什么需要沙箱：编写和运行代码

LangChain 与沙箱的接触面：两种有趣的方式

提示词注入 prompt injection：沙箱是一种防御手段

Part 6: LangChain 的产品矩阵与未来

Harrison Chase 的背景：统计学和计算机科学

LangChain 的诞生：把常见的模式放进一个 Python 包里发布出来

LangRaph：智能体运行时

DeepAgents：功能全包的智能体框架

LangSmith：可观测性 ++

评估、记忆和提示词优化：智能体做某事，一个奖励函数来评价它的表现

构建智能体工程平台：可观测性 ++ 是核心支柱

AI 开发者的差异化：指令工具和技能

#459.AI 智能体时代的基建重构：LangChain 创始人揭秘 Harness、记忆与自主运行的未来

跨国串门儿计划

Part 1: 背景与核心理念

00:00跨国串门儿计划：用 AI 克隆技术，无障碍欣赏全球优质外语播客

跨国串门儿计划：用 AI 克隆技术，无障碍欣赏全球优质外语播客

01:29Harrison Chase：模型很棒，但真正让它发挥作用的是那个外科程序

Harrison Chase：模型很棒，但真正让它发挥作用的是那个外科程序

Part 2: AI 智能体的演变与分类

03:33AI 智能体的演变：从简单的循环运行到构建脚手架 scaffolding

AI 智能体的演变：从简单的循环运行到构建脚手架 scaffolding

05:33智能体的分化：对话型智能体与长城智能体 Long Horizon Agents

智能体的分化：对话型智能体与长城智能体 Long Horizon Agents

07:23模型与框架之争：Harness 才是最重要的

模型与框架之争：Harness 才是最重要的

Part 3: 智能体架构的核心组件

08:21Harness：模型与其环境交互的方式，是一整套工具集

Harness：模型与其环境交互的方式，是一整套工具集

10:36系统提示词 System Prompt：驱动智能体的核心

系统提示词 System Prompt：驱动智能体的核心

11:26规划工具 Planning Tool：为智能体提供心理草稿本

规划工具 Planning Tool：为智能体提供心理草稿本

12:46自智能体 Super Agents：隔离上下文，降低沟通成本

自智能体 Super Agents：隔离上下文，降低沟通成本

15:05智能体框架的精妙之处：直接告诉它们去做

智能体框架的精妙之处：直接告诉它们去做

16:11文件系统：让大模型能够管理自己的上下文窗口

文件系统：让大模型能够管理自己的上下文窗口

17:34智能体架构的核心组件：详细的系统提示词、规划工具、自智能体、文件系统

智能体架构的核心组件：详细的系统提示词、规划工具、自智能体、文件系统

Part 4: 进阶功能：技能、压缩与记忆

18:49技能 Skill：针对特定操作的指令

技能 Skill：针对特定操作的指令

20:20上下文压缩 Context Compaction：将发生的整个历史记录压缩成更小的东西

上下文压缩 Context Compaction：将发生的整个历史记录压缩成更小的东西

22:45记忆：语义记忆、情节记忆和程序记忆

记忆：语义记忆、情节记忆和程序记忆

Part 5: 基础设施：沙箱与安全

24:31企业如何应对 AI 浪潮：建立指令和工具本身

企业如何应对 AI 浪潮：建立指令和工具本身

26:11生态系统中足够稳定的部分：可观测性 observability、评估 ebox 和沙箱 sandbox

生态系统中足够稳定的部分：可观测性 observability、评估 ebox 和沙箱 sandbox

27:01智能体为什么需要沙箱：编写和运行代码

智能体为什么需要沙箱：编写和运行代码

28:30LangChain 与沙箱的接触面：两种有趣的方式

LangChain 与沙箱的接触面：两种有趣的方式

30:12提示词注入 prompt injection：沙箱是一种防御手段

提示词注入 prompt injection：沙箱是一种防御手段

Part 6: LangChain 的产品矩阵与未来

31:31Harrison Chase 的背景：统计学和计算机科学

Harrison Chase 的背景：统计学和计算机科学

34:07LangChain 的诞生：把常见的模式放进一个 Python 包里发布出来

LangChain 的诞生：把常见的模式放进一个 Python 包里发布出来

35:11LangRaph：智能体运行时

LangRaph：智能体运行时

36:07DeepAgents：功能全包的智能体框架

DeepAgents：功能全包的智能体框架

37:04LangSmith：可观测性 ++

LangSmith：可观测性 ++

38:14评估、记忆和提示词优化：智能体做某事，一个奖励函数来评价它的表现

评估、记忆和提示词优化：智能体做某事，一个奖励函数来评价它的表现

39:39构建智能体工程平台：可观测性 ++ 是核心支柱

构建智能体工程平台：可观测性 ++ 是核心支柱

40:41AI 开发者的差异化：指令工具和技能

AI 开发者的差异化：指令工具和技能