AgentSeek 准备篇（上）：用生命周期工作流启动 DeepAgents 模板

完成本章后，你会得到一个可运行的 DeepAgents 研究应用。AgentSeek 会负责检查环境、安装项目依赖并启动前后端。

本文命令于 2026-08-18 使用 AgentSeek 0.1.2 验证。AgentSeek 和模板会继续更新；如果任务名称与本文不同，以 agentseek task --list 的输出为准。

AgentSeek 管理什么

AgentSeek 是一个面向 AI 应用开发的模板与生命周期工具。你通过模板创建项目，再用一组固定命令管理不同项目：

阶段	命令	用途
创建	agentseek create	从模板生成可编辑的项目
查看	agentseek info	查看项目入口、环境要求和任务
准备	agentseek task	运行模板声明的依赖安装等一次性任务
检查	agentseek doctor	静态检查文件、uv、Node.js、npm 和环境变量
运行	agentseek dev	启动模板声明的本地开发进程

每个生成项目都包含 .agentseek/lifecycle.toml。这个文件声明当前模板需要哪些工具、环境变量、任务和本地服务。AgentSeek 读取它，不接管应用自己的框架代码。

1. 准备本地环境

本章使用 deepagents/research 模板。你需要：

依赖	要求	用途
Python	3.12 或 3.13	运行 AgentSeek 和 DeepAgents 后端
uv	当前稳定版	安装 CLI 和 Python 依赖
Node.js、npm	当前 LTS 版本	运行 React 前端

Windows 学员：优先使用 WSL2

本课程命令以 Bash 环境为主。Windows 10 2004+ 或 Windows 11 学员推荐使用 WSL2 + Ubuntu，这样可以直接执行后续的 macOS / Linux / WSL2 命令。请在管理员 PowerShell 中安装：

wsl --install

安装完成后重启 Windows，首次打开 Ubuntu 时按提示创建 Linux 用户名和密码。再在 PowerShell 中确认发行版使用 WSL 2，并进入 Ubuntu：

wsl -l -v
wsl -d Ubuntu

如果 wsl -l -v 显示版本为 1，请参考 Microsoft WSL 安装文档 升级到 WSL 2。使用 WSL2 的 Linux 工具时，建议把项目放在 ~/projects/ 等 Linux 文件系统目录，不要放在 /mnt/c/ 下；也不要混用 Windows 与 WSL 中的 Python、uv、Node.js、npm 或 Git。详见 Microsoft WSL 开发环境指南。

如果设备策略、管理员权限或虚拟化条件不允许安装 WSL2，可以留在原生 Windows PowerShell 中，并使用本文标出的 PowerShell 命令。

macOS / Linux / WSL2 安装 uv：

curl -LsSf https://astral.sh/uv/install.sh | sh

原生 Windows PowerShell 安装 uv：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

安装 AgentSeek：

uv tool install --upgrade agentseek

原生 Windows PowerShell 如果提示 uv 的工具目录不在 PATH，运行：

uv tool update-shell

然后关闭并重新打开 PowerShell，再执行后面的版本检查。如果只想让当前会话立即生效，可以临时加入 uv 返回的工具目录：

$env:Path = "$(uv tool dir --bin);$env:Path"

临时写法不会永久修改 PATH。uv tool update-shell 的行为以 uv 官方 CLI 文档 为准。

确认命令已经可用：

agentseek version
agentseek --help

你应该在帮助信息中看到 create、info、task、doctor 和 dev。本文验证时版本输出为 AGENTSEEK v0.1.2；以后版本号可能不同。

2. 选择并创建模板

查看当前 CLI 识别的模板：

agentseek create --list-templates --checkout main

这会列出模板仓库 main 分支当前注册的模板；不加 --checkout main 时，列表来自当前 AgentSeek 版本锁定的目录，可能不会立即包含最新批次。本课程使用 deepagents/research，它包含 DeepAgents 研究 Agent、Tavily 搜索和 React 前端。

创建项目并从模板仓库的 main 分支获取最新批次模板：

agentseek create deepagents/research --checkout main --no-input

--checkout main 让 AgentSeek 在创建时读取模板仓库当前的 main 分支，而不是只使用 CLI 内置的锁定目录。它适合跟随最新模板学习；模板更新后，生成项目的文件和依赖也可能变化。如果你需要课程作业完全复现某一次结果，再把 main 换成当时记录的完整提交 SHA。

进入生成目录：

cd research_deepagent

如果你想自定义项目名称、模型和端口，去掉 --no-input，再按提示填写模板变量。

3. 查看生命周期配置

先查看项目摘要：

agentseek info

再查看模板提供的一次性任务：

agentseek task --list

当前 deepagents/research 模板会列出两个准备任务：

sync      Install Python dependencies with uv.
frontend  Install frontend dependencies.

任务名称属于模板配置。以后如果输出发生变化，请运行输出中对应的依赖安装任务。

项目中的关键文件如下：

research_deepagent/
├── .agentseek/lifecycle.toml
├── .env.example
├── frontend/
│   ├── .env.example
│   ├── package.json
│   └── src/
├── langgraph.json
├── pyproject.toml
└── src/research_deepagent/
    ├── agent.py
    ├── prompts.py
    └── tools.py

4. 安装项目依赖

运行模板声明的后端依赖任务：

agentseek task sync

安装前端依赖：

agentseek task frontend

这两个任务当前分别执行 uv sync 和 npm install --prefix frontend。你可以在 .agentseek/lifecycle.toml 中查看实际命令。

5. 配置模型和搜索服务

复制后端和前端环境文件：

cp .env.example .env
cp frontend/.env.example frontend/.env

打开 .env 并填写模型与搜索服务的 Key。本课程默认使用课程赞助方 SiliconFlow 提供的 OpenAI 兼容接口，并选择 GLM 作为演示模型：

AGENTSEEK_MODEL_PROVIDER=openai
AGENTSEEK_MODEL=zai-org/GLM-5.2
OPENAI_API_BASE=https://api.siliconflow.cn/v1