跳轉到

Open SWE 研究筆記

資料來源

項目 連結
GitHub Repo langchain-ai/open-swe
官方部落格 Introducing Open SWE
DeepWiki langchain-ai/open-swe
DevOps.com 評析 Open SWE Captures the Architecture

專案概述

項目 數值
Stars 8,842
Forks 1,023
Language Python
License MIT
最近 commit 2026-03-30

Open SWE 是 LangChain 官方推出的企業內部 Coding Agent 框架。它不是又一個 coding agent，而是把 Stripe（Minions）、Ramp（Inspect）、Coinbase（Cloudbot）三家頂級公司獨立開發的內部 coding agent 架構抽象成一套開源框架。

核心定位：讓任何工程團隊都能在 10 分鐘內部署一個連接 Slack/Linear/GitHub 的自主 coding agent，在雲端沙箱中執行任務、自動開 PR。

核心架構

Slack / Linear / GitHub（觸發）
         │
         ▼
┌─────────────────────────────────────┐
│  Open SWE（LangGraph + Deep Agents）  │
├─────────────────────────────────────┤
│  Context Engineering                 │
│  • AGENTS.md（repo 級規則）           │
│  • Issue/Thread 完整上下文            │
├─────────────────────────────────────┤
│  Orchestration                       │
│  • Subagent spawning（task tool）     │
│  • Middleware hooks                   │
│    - check_message_queue（即時追加訊息）│
│    - open_pr_if_needed（安全網）       │
│    - ToolErrorMiddleware              │
├─────────────────────────────────────┤
│  Sandbox（隔離雲端環境）              │
│  • Modal / Daytona / Runloop / 自訂   │
│  • 每個 task 獨立沙箱，平行執行       │
├─────────────────────────────────────┤
│  Tools（~15 個，精選非堆積）          │
│  execute, fetch_url, http_request,   │
│  commit_and_open_pr, linear_comment, │
│  slack_thread_reply + Deep Agents 內建│
└─────────────────────────────────────┘
         │
         ▼
    GitHub Draft PR

與 Stripe/Ramp/Coinbase 的對比

決策 Open SWE Stripe Minions Ramp Inspect Coinbase Cloudbot
Harness Composed（Deep Agents） Forked（Goose） Composed（OpenCode） 從零打造
Sandbox 可插拔 AWS EC2 Modal 內部方案
Tools ~15 精選 ~500 精選 OpenCode SDK MCPs + Skills
觸發 Slack/Linear/GitHub Slack + 按鈕 Slack/Web/Chrome Slack-native
驗證 Prompt + PR 安全網 3 層驗證 DOM 視覺驗證 Agent councils

七大設計原則

  1. Compose, Don't Fork — 基於 Deep Agents 組合，保留升級路徑
  2. Isolate First — 沙箱內給完整權限，沙箱外零存取
  3. Curate, Don't Accumulate — 工具寧少勿多（Stripe 教訓）
  4. AGENTS.md — repo 級規則注入（等同 CLAUDE.md）
  5. Middleware > Prompt — 關鍵步驟用確定性 middleware 兜底
  6. Meet Engineers Where They Are — Slack/Linear/GitHub 三入口
  7. Message Mid-Run — 執行中可追加指令，不需等完再重來

快速開始

# 安裝
pip install open-swe

# 設定 GitHub App、LangSmith、Slack/Linear trigger
# 詳見 INSTALLATION.md

# 啟動
open-swe serve

支援的沙箱：Modal、Daytona、Runloop、LangSmith，或自訂。

目前限制與注意事項

  1. 依賴 LangGraph + Deep Agents — 框架套框架，debug 時需要理解兩層抽象
  2. 沙箱成本 — 每個 task 獨立雲端沙箱，平行跑時計費可觀
  3. 驗證層薄 — 目前只有 prompt-driven + PR 安全網，沒有 Stripe 的 3 層驗證或 Ramp 的 DOM 視覺檢查
  4. 模型依賴 — 預設用 Claude Opus 4.6，其他模型效果未驗證

研究價值與啟示

關鍵洞察

  1. 「企業 coding agent 三巨頭收斂」是真趨勢 — Stripe、Ramp、Coinbase 獨立開發的架構驚人地相似（沙箱隔離 + Slack 觸發 + 精選工具 + PR 自動化）。Open SWE 把這個收斂點開源，是 LangChain 最聰明的產品策略之一。

  2. Middleware > Prompt 是 production coding agent 的關鍵洞察 — open_pr_if_needed 這個 middleware 本身就值得研究：它不信任 LLM 會記得開 PR，用確定性邏輯兜底。這比「在 system prompt 裡多說幾次」可靠得多。

  3. AGENTS.md 是 CLAUDE.md 的通用化 — Open SWE 把 Anthropic 的 CLAUDE.md 概念泛化成 AGENTS.md，讓任何 agent 都能讀取 repo 級規則。

與其他專案的關聯

  • vs. Agent Orchestrator — 同為多 agent coding 控制平面，但 Agent Orchestrator 偏向 CI/review 閉環，Open SWE 偏向 Slack/Linear 觸發 + 沙箱隔離。
  • vs. LangGraph Supervisor — Supervisor 是 Open SWE 底層用到的多 agent 協調模式之一。
  • vs. LangGraph Swarm — Swarm 是另一種多 agent 模式，Open SWE 的子 agent 機制更接近 swarm 的去中心化 handoff。
  • vs. Everything Claude Code — Claude Code 是個人開發者的終端工具，Open SWE 是企業團隊的非同步 Slack bot。定位互補。