企业官网建设流程全解析

Deepagents实战：让AI代理自己拆解任务

【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents

Deepagents 是 LangChain 团队开源的智能体框架，几行代码就能跑出一个会自己规划、读写文件、把子任务委派给子代理的代理。它和直接搭 create_agent 的区别在于：规划、记忆、委派这些长任务脚手架默认装好了，不用自己拼中间件。

它到底能干什么 🔧

自动拆解多步骤任务

当你抛出一个复杂请求，比如"在 Chinook 数据库里，哪个员工创收最高"，代理不会直接写 SQL。它会先用 write_todos 把任务拆成列表、查 schema、写查询、析结果四步，每步做完打上 in_progress 或 pending 标记。结果就是整条推理链路在 trace 里逐步可见，你能核对它有没有跑偏。

把子任务委派给独立子代理

当某个子任务会刷出大量中间产物、你又不想让主对话的上下文被撑爆时，代理会把这块活儿丢给一个子代理。子代理在独立的上下文窗口里干活，只把结论回传给主代理，中间结果不进主上下文。结果就是任务再长，主对话也不容易膨胀。

把中间产物落到文件系统

工具输出太长、装不进上下文窗口时，代理会把它们写到磁盘，文件就成了它的工作记忆。会话中途断了也没关系，文件还在，它读回来就能接着干。结果就是工作可以跨会话存续。

五分钟跑通第一个 Deepagents 例子 🚀

git clone https://gitcode.com/GitHub_Trending/de/deepagents cd deepagents/libs/deepagents uv sync uv run python -c "from deepagents import create_deep_agent; print('ok')"

装完 SDK 后，create_deep_agent 的核心组装逻辑在 libs/deepagents/deepagents/graph.py，中间件在 middleware/、后端在 backends/、子代理相关逻辑也在 middleware/ 里。想直接看真实用例，examples/ 下有 text-to-sql、深度研究等现成代理。

不想写代码也能先体验：仓库自带一个终端编码代理 dcode（包名 deepagents-code），开箱即用，模型可以换成任何支持工具调用的 LLM。

Deepagents 设计上的几个关键选择 📐

为什么在 LangGraph 上叠 harness，而不是另写运行时？Deepagents 没有发明新运行时，create_deep_agent 只是在 create_agent 之上组装默认中间件、配置后端、子代理和 profile。这么做的理由是把流式、检查点、中断这些生产级能力直接借给 LangGraph，自己只负责"长任务需要哪些默认件"的判断。

为什么能力放在中间件而不是工具里？中间件能在模型调用前后、工具执行前后介入，可以改写工具列表和系统提示，还能压缩上下文。普通工具只有在模型已经选择调用它之后才会运行，改不了前面的请求。像上下文压缩、权限拦截这类能力，必须在模型看到东西之前就生效，所以只能做成中间件。

为什么用文件系统当记忆底座、给子代理隔离上下文？把中间产物写盘，等于给代理一块跨循环、跨会话都持久的记忆，长任务不会越聊越乱。

子代理各自带隔离的上下文窗口，主代理的上下文因此保持精简。

什么时候该用、什么时候不用

适合：一是企业里的长流程数据分析，比如运营、财务场景下要查库、处理文件、再产出报告的多步任务；二是要沙箱、要 shell、要规划的编码或运维任务，想要一个 Claude Code 风格的终端代理，但又不想被绑死在单一模型上。

不适合：如果只是单轮问答或固定流程的工具调用，用更轻量的 create_agent 加几个工具就够了，Deepagents 的规划、子代理、上下文管理在这里是多余的，还平添延迟。

适合想少写脚手架、专注业务逻辑的开发者。现在去 examples/ 挑个例子，跑起你的第一个代理。

【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents