LangChain开源了一个编码Agent，10k Star！

这次看到的是这个项目：

langchain-ai/open-swe

1. 它到底是什么

open-swe 是 LangChain 开源的异步编码 Agent 框架。

它不是一个聊天壳子。

它更像一套给团队内部用的 coding agent 底座：接 Slack、接 Linear、接 GitHub，把任务放进隔离沙箱里跑，最后可以提交代码、开 draft PR，再把结果回写到原来的线程或 issue 里。

README 里说得很明确：它是给组织构建内部 coding agent 用的。

底层用了 LangGraph 和 Deep Agents。后端是 LangGraph app 加 FastAPI，负责 agent、reviewer、analyzer 三个图，也负责 webhook 和 dashboard API。前端在 ui/ 目录，是一个 TanStack Start + Vite 的 dashboard。

2. 它解决什么麻烦

很多团队现在想做内部编码 Agent，但麻烦不在“让模型写代码”这一件事。

真正麻烦的是这些边角：

代码仓库怎么授权。

任务从哪里来。

Slack 里说了一句，Linear issue 里补了一句，GitHub PR review 又来了一句，Agent 怎么把这些上下文串起来。

模型要跑命令、改文件、推分支，怎么不碰到生产环境。

任务跑到一半，人又补充了新要求，Agent 怎么接住。

open-swe 把这些问题都放进了框架设计里。每个任务进自己的云沙箱。同一个线程可以复用沙箱。Slack、Linear、GitHub 都能触发。中途追加的消息会排队，在下一轮模型调用前塞回上下文。

3. 核心看点

我比较在意的是它没有把工具堆得很满。

README 里列出来的自定义工具很克制：execute 跑 shell，fetch_url 抓网页，http_request 调 API，linear_comment 回 Linear，slack_thread_reply 回 Slack。文件读写、搜索、子 Agent 这些交给 Deep Agents 内置工具。

沙箱这一层也留了接口。

默认可以接 LangSmith cloud sandbox，也支持 Modal、Daytona、Runloop。要接自己的沙箱 provider，也可以在 agent/integrations/ 里加实现。

它还会读目标仓库里的 AGENTS.md，当成 repo 级别的工作约定。Linear issue、Slack thread、GitHub 评论这些来源上下文，也会一起进 Agent。

这点很实用。内部 Agent 不是只要知道“改什么”，还要知道“按哪个团队的方式改”。

4. 为什么值得看

这个项目值得看，不只是因为它挂在 LangChain 名下。

更关键的是，它把内部 coding agent 的几类决策摊开了：

用 Deep Agents 组合，而不是从头写一个 agent loop。

先隔离沙箱，再在沙箱里给完整 shell 权限。

工具保持少量、可控。

入口贴着工程师已经在用的地方：Slack、Linear、GitHub。

结果落回 GitHub PR，而不是停在一段回答里。

仓库当前有 10k star、1.1k fork，MIT 协议，主语言是 Python。GitHub API 里看到最近一次 push 是 2026-07-01，说明它今天还在更新。

5. 怎么用起来

它的安装不是一条命令结束。

本地跑起来，文档要求 Python 3.11 到 3.13、uv、LangGraph CLI、ngrok。如果要跑 dashboard，还要 Node 20+ 和 pnpm。

基本流程是：

git clone https://github.com/langchain-ai/open-swe.git
cd open-swe
uv venv
source .venv/bin/activate
uv sync --all-extras

然后要配 GitHub App。因为它需要 clone repo、push branch、开 PR、读 issue 和 review comment。

要接 Slack 或 Linear，还要分别建 webhook。开发时用 ngrok 把本地的 langgraph dev 暴露出去。

dashboard 是可选的，但文档建议打开。它能做 GitHub 登录、模型配置、team 默认配置、启用仓库、review style、用户映射，也有 Agents chat UI。

6. 适合谁，以及先注意什么

它适合已经在认真评估 coding agent 的工程团队。

尤其是这些场景：

你们已经有 Slack、Linear、GitHub 的固定工作流。

你们想让 Agent 处理 issue、补 review、开 PR，而不是只在网页里吐代码片段。

你们需要沙箱、权限、审计、用户映射这些工程化东西。

但它不适合只想试一下“AI 写个函数”的人。这个项目的前置配置很多，GitHub App 权限、webhook secret、LangSmith、沙箱 provider、OAuth、组织白名单，都要认真看。

另外，Agent 能跑 shell、改仓库、推分支，这些能力一定要放在边界清楚的环境里。README 也强调了隔离沙箱和授权用户触发。这里不是体验问题，是权限和安全问题。

今天就先聊到这里。我们下期再见！