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：

登录 Fleet，选择 Executive Assistant 模板，也可以选择 Build with AI 或空白 Agent。
连接 Gmail 与 Google Calendar。连接 Gmail 只授权 Gmail，Calendar 仍需单独更新权限。
在 Connections 中检查账户与工具；把 Gmail 的 Apply Label 从 Auto 改为 Ask。
在 Channels 中连接 Gmail；保存配置。
发送“给需要我审核的邮件加 Review 标签”之类的任务。
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：

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。