LangChain拿到了新融资，对自己有了新定位——Agent基础设施提供商，同时对自己的产品矩阵做了新的梳理，重新定义了Agent开发的三个层次。
https://blog.langchain.com/content/images/2025/10/Screenshot-2025-10-25-at-9.08.30---AM.png
他把Agent开发分成三层：
Framework（框架层）：提供抽象和标准化接口。LangChain就是这一层，还有Vercel的AI SDK、CrewAI这些。主要解决的是"怎么写"的问题。框架的价值在于提供心智模型的抽象，让开发者更容易上手，但做得不好就会掩盖内部机制，缺乏高级用例的灵活性。
Runtime（运行时）：处理生产环境的基础设施需求。LangGraph属于这层，提供持久化执行、流式支持、人机协作中断、线程级持久化等能力。解决的是"怎么跑"的问题。Chase提到，运行时通常比框架更底层，可以为框架提供支撑——比如LangChain 1.0就构建在LangGraph之上。
Harness（基础方案引擎、基座）：更高层的封装，内置默认提示词、工具调用处理、规划工具、文件系统访问等。DeepAgents就是这个定位，Chase形容它是"通用版本的Claude Code"。解决的是"怎么用"的问题，提供开箱即用的完整方案。
Agent工程化使用场景对比
这个分层有意思的地方在于，它不是简单的技术栈划分，而是基于用户分层的。Chase承认边界很模糊，LangGraph既是运行时也有框架特性。但这确实是个问题，但也是改进方向。
简单概括，"LangChain = build, LangGraph = run, harness = deploy + monitor + scale"。
"Agent Harness"概念的起源
Chase特意提到这不是他发明的术语，而是来自Vtrivedy的文章（见末尾）。Vtrivedy把这叫做"HaaS"（Harness as a Service），认为AI开发的核心原语正在从LLM API转向Harness API：
复制Vtrivedy对Agent Harness的定义很具体：增强模型运行时执行的外部功能集合，包括对话和上下文管理、工具调用层、权限控制、会话和文件系统状态、循环控制和错误处理、基础可观测性等。简单讲，就是一个更高阶的，能够低门槛，正确高效实施Agent的具备开放性的开箱即用方案（模板）。
Harness定制化流程图
Harness定制化流程图
他强调，构建Agent的关键是"个性化定制基座"，包括四个核心组件：
- 系统提示词 - 告诉Agent目标、环境、工具使用方法等
- 工具/MCP - 内置工具加上特定用例的自定义逻辑
- 上下文 - 代码文档、用户个性化信息等
- 子Agent - 用于专业化和并行化处理
小结
Agent开发的工程化成熟度在快速提升。从手写提示词到框架抽象，再到运行时保障，最后到开箱即用的基座服务。每一层都在降低使用门槛，提高开发效率。
Vtrivedy提到一个关键点：好的Agent构建是迭代进化，你不能在没有v0.1版本的情况下进行迭代。开箱即用的完整解决方案能让你的Agent快速进入内部团队手中，然后持续迭代改进。他预测在接下来的6个月内，大多数面向用户的AI产品将使用现有的Agent基座作为其核心用户交互模式。他设想了一个"开放基座生态系统"的未来——开发者创建定制基座，用户插入其中进行进一步编辑或作为产品使用。
单纯的模型调用已经不够了，大量的应用落地和生产维护需要更完整的工程化支撑，很多这样的产品正在出现，AI工程的黄金时代才刚刚开始。笔者也刚刚发过一篇文章，就是这方面的尝试（SGLang Model Gateway 0.2 发布：企业级一体化AI原生编排）。
Chase这次分层定义，实际上是在为LangChain生态的产品线做理论支撑。但客观来说，这也是对过去快速迭代带来的产品定位混乱的纠正，能让开发者更清楚地理解自己在构建什么，需要什么层次的工具。
Vtrivedy的文章：https://www.vtrivedy.com/posts/claude-code-sdk-haas-harness-as-a-service
