推荐LangChain的这个新的实验性功能，Interpreter Skills。它力图解决的是 Agent 开发中一个被长期忽视的老毛病：Prompt 能说清意图，但保不住执行路径。

现在的 Agent 架构，基本在两条线间左右摇摆：Workflow 比较死板，Context-driven 有点儿容易跑偏。

长流程任务（比如批量 Triage 几百个 GitHub Issue）尤为如此，模型工作到中间会想要"走捷径"、压缩步骤、丢失状态。

LangChain 的解决办法，是给 Skill 加一个
"index点ts" 代码模块：模型只负责判断要不要调，确定性逻辑（循环、队列、聚类、格式化）全写成代码让 Agent import 调用。

同时，让状态持久化在解释器内，不必把所有中间结果塞回上下文，这样能大幅缓解膨胀。

此外，白名单带来安全边界，文件、网络、子 Agent的生成，都要 Harness 层显式放行，可审计、可计量。

这个思路，对所有做 Agent 的朋友或许有参考价值：把"每次都一样"的流程，写成代码，让模型来委托，别让它每次重新猜……

Agent 的未来，不是纯 Prompt，也不是纯代码，而是意图靠 Prompt、执行靠代码。你同意吗？

🔗 blog点langchain点com/interpreter-skills