红杉「Own Your Intelligence」专题 5：LangChain CEO-何时自研 Harness
2026年8月14日 · 23:53
红杉资本「Own Your Intelligence」专题本期邀请 LangChain 联合创始人兼 CEO Harrison Chase 主讲，其核心主张是：智能体由 Harness（编排层）、Model 和 Context 三部分构成，是否自研 Harness 应取决于任务落在模型训练分布之内还是之外。他指出 Harness 的本质只是「LLM 在循环中调用工具」的简单架构，真正定制点在于各阶段插入中间件，如模型调用前对过长上下文自动摘要、包装工具调用做上下文卸载、派发子智能体。判断框架上，通用编码、文件编辑这类分布内任务用 Claude Code、Codex 等现成 Harness 即可，法律、金融等分布外任务须自建编排层；即便整体分布外，LangChain 的 Model Profiles 会按所选模型动态切换编辑文件等分布内动作的实现，因为 OpenAI 与 Anthropic 模型编辑文件的方式差异很大。在评测与可观测性上，他强调智能体出错更多源于进入上下文窗口的信息不对而非模型能力不足，行业正以开源评测运行器 Harbor 定义基准，并借 LangSmith 追踪轨迹、延迟与成本。数据飞轮的闭环是运行智能体、收集轨迹、整理反馈、实验修复：其 LangSmith Engine 在后台用编码智能体分析生产轨迹、建问题看板并自动修改提示词与 Harness 代码，团队还让 Engine 跑 Engine，用 Issue Bench 对比 Codex 与 Claude Code，并把 Codex 写脚本分析轨迹的经验 Codex 化回核心 Harness。他引用 Satya 的观点收尾：私有评测定义组织内部「好」的标准，拥有记忆与轨迹的所有权，AI 投资才能复利增值。
