---
type: study
created: 2026-08-11
updated: 2026-08-11
sensitivity: standard
status: verified
tags:
  - study
  - langchain
  - langsmith
  - fleet
  - no-code-agent
topic: LangSmith Fleet 定位、快速开始与核心概念
sources:
  - https://docs.langchain.com/langsmith/fleet
  - https://docs.langchain.com/langsmith/fleet/index
  - https://docs.langchain.com/langsmith/fleet/quickstart
  - https://docs.langchain.com/langsmith/fleet/essentials
  - https://docs.langchain.com/langsmith/fleet/comparison
  - https://docs.langchain.com/langsmith/fleet/templates
  - https://docs.langchain.com/langsmith/fleet/changelog
last_verified: 2026-08-11
---

# Fleet：定位、快速开始与核心概念

LangSmith Fleet 是面向团队的无代码 Agent 平台，原名 Agent Builder。它把模板、自然语言搭建、托管模型、工具连接、渠道触发、审批、记忆、技能、子代理、共享治理和 LangSmith 可观测性放在一个产品面里。已有 Agent、配置和集成在改名后无需迁移。

`/langsmith/fleet` 与 `/langsmith/fleet/index` 当前是同一首页的两个有效入口，因此都列入来源，但不把它们误算成两份不同知识。

## 适合什么，不适合什么

Fleet 适合：

- 业务团队用模板或对话快速建立邮件、日历、报告、支持、研究等 Agent；
- 在 Slack、Teams、Gmail 或计划任务中触发，并对敏感动作设置审批；
- 把 Agent 分享给工作区，同时保留用户线程隔离、凭据边界和审计轨迹；
- 先无代码验证工作流，再通过 API 调用或导出为 Deep Agents Python 项目继续开发；
- 需要 LangSmith trace、评估和企业治理，或需要云、自托管/BYOC 路线的团队。

它不是“无需治理的全自动机器人”。模型输出可能出错；连接外部账户、开放写工具、共享固定凭据、自动记忆或无人值守计划任务都会扩大风险。生产配置见 [[02-身份权限审批与Workspace治理]]，工具与执行隔离见 [[03-工具Skills-MCP与Computer-Use]]。

## 从模板完成第一个 Agent

官方 Quickstart 用 Executive Assistant 展示一条最小闭环：

1. 登录 Fleet，选择 Executive Assistant 模板，也可以选择 Build with AI 或空白 Agent。
2. 连接 Gmail 与 Google Calendar。连接 Gmail 只授权 Gmail，Calendar 仍需单独更新权限。
3. 在 Connections 中检查账户与工具；把 Gmail 的 Apply Label 从 `Auto` 改为 `Ask`。
4. 在 Channels 中连接 Gmail；保存配置。
5. 发送“给需要我审核的邮件加 Review 标签”之类的任务。
6. Agent 在工具执行前暂停；用户 Accept 后才真正修改邮箱，Reject 可附带修正意见。

这里必须区分：

| 概念 | 作用 | 例子 |
|---|---|---|
| Connection / Tool | Agent 能做什么 | 读取邮件、打标签、创建日历事件 |
| Channel | 什么事件启动 Agent | 新邮件、Slack mention、Teams 消息 |
| Schedule | 什么时间启动 Agent | 每天早报、每周汇总 |
| Approval | 工具是否先等待人确认 | Apply Label 设为 Ask |

Gmail Channel 只监控主收件箱。别名地址、邮件列表、被过滤跳过 Inbox 的邮件、垃圾箱/垃圾邮件等不会触发；这不是 Agent 判断失效，而是触发边界。

## Agent 配置面

侧栏把配置拆为几个抽屉：

- **Channels**：Slack、Gmail、Teams 等事件入口；
- **Sharing**：private、整个 workspace 或特定用户；
- **Connections**：集成、工具、连接格式以及 Auto/Ask；
- **Knowledge**：`AGENTS.md` 指令、skills 和 memory；
- **Schedule**：周期执行；
- **Advanced settings**：模型、API keys、sub-agents、诊断与开发者入口。

Agent 也能根据聊天指令更新自己的 instructions、添加/移除工具，但不能自行更改名称、描述或启动渠道。自更新是能力，不是授权；重要 Agent 仍应对配置变更保留审批、版本差异和 trace。

## 指令、记忆、技能与子代理

### Instructions

Instructions 即系统提示，决定行为、角色与工具策略，主要存放在 `AGENTS.md`。它在运行开始时自动进入系统提示，因此应该放稳定、普适且高优先级的规则，不要塞入只对少量任务相关的大段资料。

### 两层记忆

- **线程记忆**：当前 thread 的消息、响应和动作，只服务该对话上下文；
- **长期记忆**：Agent workspace 中的 `AGENTS.md`、`tools.json`、`subagents/*`、`skills/*` 与 memories 文件。

`AGENTS.md` 自动进入系统提示；其他长期文件只在 Agent 需要时读取。Agent 通过 `write_file` / `edit_file` 向 memories folder 持久化经验。默认需要人工批准；计划任务若要写记忆而仍保持 Ask，会无限等待，因此无人值守工作流要显式决定是否关闭该审批，并用更窄的文件权限和定期审计补偿。

### Skills 与 sub-agents

Skills 把专用流程和领域知识按需加载，减少系统提示膨胀和无关上下文干扰。Sub-agents 则把大任务拆为拥有不同工具或职责的独立执行者。选择顺序应是：先把单 Agent 的指令和工具边界设计清楚；只有确实存在独立职责、上下文隔离或并行价值时才引入子代理。

## 托管模型与 LCU

Fleet 托管 Fast、Pro、Max 三个能力层级，底层具体模型可以变化：

| 层级 | 典型任务 | 相对成本/延迟 |
|---|---|---|
| Fast | 日常研究、摘要、起草 | 低 |
| Pro | 需要更强推理的复杂任务 | 中 |
| Max | 能力要求最高的任务 | 高 |

Fleet 用 LangChain Compute Units（LCUs）计量模型工作，成本同时受层级、上下文和输出量影响，一次 run 可能有多次模型调用。文档在 2026-08-11 的规则是：新用量自 2026-07-15 进入新层级和 LCU 计价；既有组织在 2026-10-01 迁移。Free 每组织每月 5 LCU，用完后暂停新 run；Plus 每组织每月 25 LCU，超额计费。价格和迁移日期是高漂移信息，上线前必须重新看官方定价与合同。

自定义模型不与托管的 Fast/Pro/Max 一起作为普通选项提供；企业部署若要求 OpenAI/Anthropic 兼容端点或自托管模型，需要联系账户团队并验证数据路径、支持范围和计费。

## 模板、共享与演进路线

模板包含预配工具、instructions 和可选 channels。克隆后是独立 Agent，可修改而不影响原模板。当前文档突出 Executive Assistant 与 Software Engineer，但官方明确模板集合会变化，应以 Fleet UI/模板库为准。

推荐的演进路线：

```mermaid
flowchart LR
    A["模板或 Build with AI"] --> B["聊天中验证任务"]
    B --> C["收窄工具、凭据与审批"]
    C --> D["接入 Channel / Schedule"]
    D --> E["Trace 与评估"]
    E --> F["API 集成"]
    E --> G["导出 Deep Agents 代码"]
```

Fleet 相比生态型个人助理的核心组合是：工作区共享、细粒度治理、LangSmith 可观测性、MCP/内置集成、API 与代码导出，以及 beta 自托管路径。官方 comparison 页对竞品能力的判断截至 2026-05-05，竞品信息变动快，只能当时点比较，采购时要重新核验一手资料、价格、SLA 与数据驻留。

## Changelog 显示的产品方向

2025-10 私有预览到 2026-03 更名 Fleet，随后演进重点包括：

- 中央 Chat、工具注册表、文件上传与把对话转为 Agent；
- skills 元数据按需加载、模板、远程 MCP OAuth 与长运行修复；
- Agent sharing、headless OAuth callback、Slack 通知与 Salesforce；
- MCP 协议协商、skills 删除、sandbox 文件、diff 展示与 sub-agent 审批修复；
- 一键 Slack Agent、Slack 内审批/错误反馈/附件读取；
- LCU dashboard、Arcade OAuth 约束、Google 文件权限错误解释；
- sandbox-backed computer、文档/幻灯片 skills、Slack 文件发送与 32 MiB 超大线程读取。

Changelog 同时揭示生产风险：API 响应字段、OAuth redirect 规则、模型层级、MCP 协议版本和 UI 行为都可能变化。自动化应锁 SDK/CLI 版本、做契约测试，不把文档中的 UI 文案或临时底层模型名当稳定 API。

## 上线检查

- 先用只读工具和私有 Agent 验证任务成功率，再开放写操作、共享和自动触发。
- 为每个有副作用的工具明确 Auto/Ask；财务、发送、删除、发布默认 Ask。
- 区分 thread context 与长期文件，定期审查 memory、skills、tools 和 subagents。
- 记录 LCU、run 数、延迟、失败与人工拒绝率；设置预算而不只看月末账单。
- Trace 与 eval 覆盖工具选择、权限失败、重复事件、审批中断与恢复。
- 对外发布 AI 内容前保留人工校验；Slack 数据不用于训练的说明不等于所有数据风险已消失，仍需遵循组织的数据保留和驻留设置。