官宣：LangChain 的能力，包进 DXC 的运维生意
10 月 13 日，DXC Technology 宣布与 LangChain 达成合作。合作的具体形态：DXC 的智能体编排平台 OASIS 本来就建在 LangChain 的开源运行时 LangGraph 上，这次进一步引入 LangSmith 做开发、评估与可观测，把「智能体怎么被安全地管起来」变成一套产品化能力。OASIS 不是试点——它在生产环境运行，正朝 125 个客户环境扩展，覆盖受监管行业与多个地域。
官宣里最硬的是一组运维数字：500 多个实测用例中，平均解决时间缩短 95%，诊断准确率 92% 以上——准确率的口径是「对照高级工程师的判断验证过」。拆到事件类型：文件系统事件从 53–90 分钟压到 3–6 分钟；数据库性能事件从 2–3 小时压到 5–12 分钟；最夸张的是复杂问题管理，从 2–6 天压到 8–10 分钟。
平均数不告诉你的事
95% 是平均值，分布没披露——哪类事件吃到了大头、哪类只是陪跑，材料里没有，这是读所有「平均提升 X%」时的头几个问题。同样要标注口径的是「对照高级工程师判断验证」：它回答的是「诊断结论专不专业」，不是「系统真的被修好了」——解决时间缩短与诊断准确之间，还隔着一层「修对了没有」。「2–6 天到 8–10 分钟」这类数字要看事件构成：复杂问题管理如果多数是诊断定位而非根除，那智能体省的是定位时间，剩下的处置仍在人。这些不是否定官宣，是采购评审该逐条问的。
真正该抄的是动作分级
这套系统里最工程化的设计，是把「什么时候必须有人」写成了规则。OASIS 按四个因子给每个动作打分：可逆性（改错了能不能撤回）、影响面（动到多少系统）、可验证性（结果查不查得了）、历史记录（这个智能体过往靠谱吗）。敏感动作——不可逆、影响大、验不了的——执行前暂停，等人批准；决策、工具调用与结果全程留痕可追踪。对照行业里另一条新闻线（Anthropic 因评测智能体乱来砍掉内网访问、微软把执行容器推向全平台），方向是一致的：智能体安全正在从提示词层挪到运行时架构层，「说不要做」不是控制，「过不了闸就是做不了」才是。
另一半是接地与开放。OASIS 的智能体不是靠通用知识推理，而是按这套环境、这家客户、DXC 的运维经验与厂商文档来 grounding；模型无关，可按质量、成本、延迟与隐私换模型，也接第三方与客户自有的系统；运行中还在把单次场景的教训回灌进系统。放进站内脉络：1362 写过 Lyft 用 LangGraph 做客服路由、934 与 1325 盘过框架格局、843 拆过生产可观测性手册——这一篇的增量在「任务关键型」四个字：当智能体进的是生产运维而不是边缘场景，验收标准就从「跑通」变成「分级、留痕、可回滚」。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。