Ramp六周自研AI智能体框架——LangChain CEO称其折射行业更大变革
内容提要
Ramp测试多种智能体框架后决定自研内部框架Laminar，六周完成首版，现支撑其全部智能体产品。Laminar整合执行、沙箱、可观测性与异步工作流，支持持久会话、人工审批和跨环境运行，并保持模型无关以灵活切换。LangChain CEO称赞其设计，指出沙箱即工具、非阻塞异步和集中式连接服务是趋势；LangChain还展示在框架内按任务复杂度路由模型，可降本64%且性能无损。
延伸解读
自研框架的取舍：灵活性与维护成本
Ramp 自研 Laminar 的核心动机是摆脱模型供应商锁定、获得更好的可观测性，并让内部团队直接协作而非等待供应商更新。但文章也指出，六周完成首版只是开始，后续仍需工程师处理故障、更新平台和支持产品团队。此外，Ramp 未公布运营成本对比或基准测试，因此自研是否更便宜仍难判断。企业需权衡短期开发速度与长期维护投入。
沙箱即工具：隔离与安全的架构趋势
Laminar 将智能体会话与代码运行沙箱分离，会话历史和執行状态独立存储，沙箱可随时启停而不中断会话。LangChain CEO 指出，这种“沙箱即工具”的设计正成为趋势，其 Deep Agents 也采用类似思路。同时，凭证和编排逻辑被放在沙箱之外，有助于隔离运行不可信代码的智能体，降低安全风险。
模型路由降本： harness 层的成本优化
LangChain 在 Open SWE 中展示，在 harness 内根据任务复杂度路由模型，可将每线程 LLM 成本中位数从 2.61 美元降至 0.94 美元，降幅 64%，且合并 PR 率无统计显著差异。90% 的请求流向两个较便宜模型层级。文章认为，harness 比通用 LLM 网关更了解智能体上下文，因此路由更有效。但该实验不涉及 Ramp，也不能证明自研 harness 比现成框架更便宜。
Q&A
Ramp为什么决定自研AI智能体框架而不是用现成的？
Ramp测试了多种托管智能体API、开源框架和第三方平台后，认为自研可以做得更好、更快，并且更符合公司的发展方向。同时，Ramp希望避免被锁定在单一模型提供商上，需要根据成本、速度和性能灵活切换模型，并更好地观察智能体行为。
Laminar框架主要包含哪些功能？
Laminar将智能体执行、沙箱、可观测性和异步工作流整合到一个平台中，支持持久会话、人工审批、跨环境运行，并保持模型无关性。它还包含一个调试界面和集中式连接服务。
LangChain CEO对Laminar的哪些设计表示赞赏？
LangChain CEO Harrison Chase赞赏Laminar的模型无关性和可观测性，并特别指出沙箱即工具、非阻塞异步智能体以及集中式连接服务是行业趋势。他还提到LangChain的Deep Agents也在进行类似工作。
Laminar如何管理智能体会话和沙箱？
Laminar将智能体会话与代码运行的沙箱分开，对话历史和執行状态独立存储，这样沙箱可以启动和关闭而不中断会话。凭证和编排也保持在沙箱之外，以隔离运行不可信代码的智能体。
LangChain如何通过模型路由降低智能体成本？
LangChain在Open SWE的harness中内置路由器，根据任务复杂度将请求分配给三种模型：简单任务用GLM-5.3-Flash，中等任务用GPT-5.6 Sol，高难度任务用GPT-6 Astra。在973个智能体线程中，中位LLM成本从每线程2.61美元降至0.94美元，降幅64%，且性能没有显著下降。
自研Laminar框架可能面临哪些挑战或不确定性？
虽然Laminar首版六周完成，但维护需要工程师处理事件、更新平台和支持产品团队。Ramp尚未公布运营成本对比或与竞品的基准测试，因此难以判断自研是否更便宜。此外，LangChain等公司提供现成框架作为替代方案。
