摘要： LangChain 與 NVIDIA 在 2026 年 7 月 8 日推出 NemoClaw for LangChain Deep Agents 藍圖。架構由開放模型 Nemotron 3 Ultra、Deep Agents Code 框架與受政策治理的 OpenShell 沙盒組成。官方評測宣稱調校後組合拿到 0.86 總分、花費 4.48 美元，最近對照模型則花了 43.48 美元。
2026 年 7 月 8 日，「NemoClaw for LangChain Deep Agents」藍圖由 LangChain 和 NVIDIA 一同推出，目標放在協助企業打造「開放且可治理」的代理系統。它端出的不是單一工具，而是一套橫跨模型、代理框架與執行環境的三層堆疊，治理與成本這兩個企業最頭痛的難題被直接設計進架構裡。NVIDIA 執行長黃仁勳講得直截了當：「超級代理已經到來。」
堆疊拆開看：開放模型、代理框架、治理沙盒
打底的是開放模型 Nemotron 3 Ultra，部署、微調到最佳化都交由企業自己動手。中間一層是 LangChain 的 Deep Agents Code（簡稱 dcode），一套開源代理框架，接下規劃、工具使用、記憶與長時間任務執行的工作；藍圖內附一份針對此模型調校完成的框架設定檔，配套文章形容這條路線為「調校框架、而非調校模型」。最外層是 NVIDIA OpenShell，一個受政策控管的沙盒執行環境，約束代理接觸工具、系統與資料的方式。整份藍圖已在 NVIDIA 的 build 平台上架，開箱即用，三層各自都能稽核、調整，也可以整層換掉。
十倍成本差，評測數字會說話
LangChain 亮出的數據相當嗆辣：以自家代理評測套件測試，開放模型搭配調校過的 Deep Agents 框架拿下 0.86 總分，花費僅 4.48 美元；表現最靠近的其他模型卻開價 43.48 美元，差距接近十倍。放到代理場景，推理成本幾乎說了算——評測套件開得了多大、變體比得了幾組、長時間任務在商業上划不划得來，全由這個數字決定。Fireworks 的 Lin Qiao 指出，代理能不能在生產環境活下去，推理速度與成本是直接關鍵。花費一旦壓低，更大的評測矩陣與更多領域專用代理才有落地的空間。
dcode 治理敏感程式碼的手法
治理細節由配套文章說明：一條指令 nemo-deepagents onboard 就把沙盒建起來、dcode 裝到定位，模型再透過託管推理接上。治理設計包含：網路連線預設全數拒絕，對外連線須逐一請求核准；敏感動作前設有人工批准關卡；每一次執行都能快照存入逐連線的稽核日誌；憑證由平台保管在沙盒之外，代理自始至終碰不著。沙盒可改用自訂 Dockerfile 建置，Java、COBOL、Maven 等企業技術棧都在支援之列；本機儲存庫以指令送入沙盒——程式碼始終待在你掌控的邊界內，資料駐留與基礎設施也握在自己手上。
主打場景就是遺留系統現代化
藍圖把旗艦場景留給遺留系統現代化，COBOL 轉 Java 是最標準的示範：工作流一波一波往前推，先盤點現況、把文件補齊，再按業務領域拆解、一段一段重構，每個 diff 都得通過人工審查與核准，才能邁入下一波。其餘用途涵蓋 .NET 搬往 Linux、雲端平台改造、壽命將盡框架的升級、測試修復、會留下稽核紀錄的安全修補，以及受治理的內部編程助理。對不敢讓代理接近核心系統的企業而言，每一波都有人點頭把關，這份安心是刻意設計出來的。
生態系布局與開放性主張
周邊生態同步到位：EY 將組建實作面的顧問服務，生產環境的模型託管交由 Baseten、Fireworks、Nebius、Crusoe、DeepInfra 與 Together AI 負責。開放性是整包藍圖最核心的賣點：模型權重任你微調、框架隨時可換、執行環境自己營運，三層中任何一層都不會把企業鎖進特定供應商，代理實際如何運作也因此攤在企業眼前。更值得留意的是它的示範效果——治理從事後稽核轉為架構本身的屬性：預設拒絕的網路、放在沙盒外的憑證、逐連線的日誌，全部寫進執行環境，而不是依賴團隊自律。還在評估代理平台的團隊，可以把這份藍圖直接當成現成的檢查清單。