Open SWE：LangChain 开源的异步编程 Agent，复刻 Stripe/Coinbase 内部工具的架构

GitHub: https://github.com/langchain-ai/open-swe
Stars: 5.3k｜License: MIT｜基于 LangGraph + Deep Agents

---

它解决了什么问题？

过去两年，AI 辅助编程经历了三个阶段的演变：代码补全 → IDE 内的 Copilot → 云端长时运行的自主 Agent。

这最后一个阶段，已经有大公司悄悄做到了——

• Stripe 内部有 Minions
• Ramp 内部有 Inspect
• Coinbase 内部有 Cloudbot

这三家公司各自独立开发，却不约而同地收敛到了几乎相同的架构：隔离的云端沙箱、精心筛选的工具集、Slack 触发、Linear/GitHub 上下文注入、子 Agent 编排。

问题是：这些都是各公司的内部系统，外人无法直接使用或参考。

LangChain 发现了这个空白，于是做了 Open SWE —— 将上述架构模式提炼出来，以开源形式发布，让任何工程团队都能部署属于自己的异步编程 Agent。

---

Open SWE 是什么？

Open SWE 是一个开源、云端、异步运行的编程 Agent 框架，基于 LangGraph 和 Deep Agents 构建，MIT 协议。

它的定位不是 IDE 插件，不是对话式补全工具，而是像真正的团队成员一样工作：你把任务扔给它，它自己去研究代码库、制定执行计划、写代码、跑测试、自我 Review，最后提一个 PR 给你。

核心架构

Open SWE 采用多 Agent 流水线设计：

Manager（任务管理）
    ↓
Planner（制定执行计划，支持 human-in-the-loop 审批）
    ↓
Programmer（在隔离沙箱中写代码、跑测试）
    ↓
Reviewer（检查输出，确认无误后提 PR）

关键特性：

• 隔离沙箱执行：支持 Modal、Daytona、Runloop、LangSmith 等多种沙箱后端，每个任务在独立环境中运行，互不干扰，也不会碰开发者本机
• 子 Agent 编排：复杂任务可以拆解给多个子 Agent 并行处理，每个子 Agent 有独立的上下文，避免污染
• 持久化线程：同一个 Issue 或 Slack 线程下的多次消息，会路由到同一个运行中的 Agent，支持中途插入补充信息
• 默认使用 Claude Opus 4，也支持任意 LLM 提供商
• AGENTS.md 支持：如果仓库根目录有 AGENTS.md，会自动注入 System Prompt

触发方式

Open SWE 集成进开发者现有的工作流，而不是要求他们切换到新工具：

• Slack：在任意线程 @ 机器人，用 repo:owner/name 语法指定仓库，Agent 在线程内回复进度和 PR 链接
• Linear：在 Issue 评论中 @ @openswe，Agent 读取完整 Issue 上下文，用 👀 回应确认，完成后把结果评论回去
• GitHub：在 Agent 创建的 PR 评论中 @ @openswe，让它处理 Review 意见并推送修改
  

---

怎么用？

方式一：托管版（最快上手）

访问 swe.langchain.com，连接 GitHub 账号，在设置中填入 Anthropic API Key，即可创建任务。

方式二：自部署

1. 克隆仓库

git clone https://github.com/langchain-ai/open-swe
cd open-swe

2. 参照 Installation Guide 完成配置

• 创建 GitHub App（用于仓库授权和 PR 操作）
• 配置 LangSmith（用于 Agent 可观测性和 Sandbox）
• 按需配置 Linear / Slack / GitHub Webhook 触发器

3. 核心代码示例

创建一个 Deep Agent 的方式非常简洁：

from deep_agents import create_deep_agent

agent = create_deep_agent(
    model="anthropic:claude-opus-4-6",
    system_prompt=construct_system_prompt(repo_dir, ...),
    tools=[http_request, fetch_url, commit_and_open_pr, linear, ...]
)

内置工具包括：read_file、write_file、edit_file、ls、glob、grep、write_todos（结构化任务规划）以及 task（子 Agent 调用）。

4. 自定义扩展

Open SWE 提供了完整的 Customization Guide，支持替换：

• 沙箱后端：换成你们内部的容器平台
• 模型：不同子任务用不同模型
• 触发器：接入内部 IM 系统
• 工具集：增加访问内部 API 的工具
• 中间件：加 CI 检查、代码 Review 门禁等

---

适合什么场景？

适合：

• 多文件重构
• 批量添加测试
• 依赖更新
• 文档生成
• 功能脚手架搭建

不太适合：

• 单行小修改（规划开销大于收益）
• 需要极强实时交互的任务

---

总结

Open SWE 做的事情其实很清晰：把 Stripe、Ramp、Coinbase 这几家大厂各自秘密构建的内部 AI 编程 Agent 架构，用开源的方式"平民化"了。

AI 在软件工程领域的应用正在从自动补全、IDE Copilot，演进为在云端长时间运行的自主 Agent，而 Open SWE 就是这个演进方向上第一个成体系的开源参考实现。

它的价值不在于提示词有多精妙，而在于完整呈现了把 AI Agent 推向生产可用所需要的整体架构和交互模式：隔离沙箱、子 Agent 编排、开发者工作流深度集成、可观测性。

对于想在团队内部部署自己的编程 Agent、但又不想从零开始的工程团队来说，Open SWE 是目前最值得参考的起点。

项目地址：https://github.com/langchain-ai/open-swe
⭐ 5.3k | MIT 协议 | 持续活跃维护中