# 《Deep Agents 实战》 **基于 LangChain / LangGraph 生态，系统构建生产级 AI Agent** [![Bilibili](https://img.shields.io/badge/视频合集-B站-00A1D6?logo=bilibili&logoColor=white)](https://space.bilibili.com/28357052/lists/7757577?type=season) [![小红书](https://img.shields.io/badge/图文合集-小红书-FF2442?logo=xiaohongshu&logoColor=white)](https://www.xiaohongshu.com/collection/item/69c4fd2a0072000000000001?xhsshare=&appuid=65032a0300000000120065e8&apptime=1778152909&share_id=2abb593f301a4e60a6e71fbbee3c8967) [![Deep Agents](https://img.shields.io/badge/Deep%20Agents-0.5%20%E2%86%92%200.7-1C3C3C?logo=langchain&logoColor=white)](https://docs.langchain.com/oss/python/deepagents/overview) [![License: CC BY-NC-SA 4.0](https://img.shields.io/badge/内容协议-CC%20BY--NC--SA%204.0-lightgrey)](https://creativecommons.org/licenses/by-nc-sa/4.0/deed.zh) [![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen)](CONTRIBUTING.md)

由 **[沧海九粟](https://space.bilibili.com/28357052)** 出品 · LangChain 官方认证大使 · 《LangChain 实战》《LangGraph 实战》作者 · B 站万粉 UP 主

《Deep Agents 实战》课程网站

--- > [!WARNING] > 本课程从 Deep Agents **0.5** 开始编写，保留了框架能力逐步完善的学习路径；当前推荐的学习与运行基线是 **0.7**。 > 新读者建议直接使用最新的 0.7.x 补丁版本。已经跟随 0.5 或 0.6 章节学习的读者，请先阅读 [Deep Agents v0.7 版本更新](https://datawhalechina.github.io/deepagents-in-action/chapters/release-v0-7/)，完成迁移检查后再继续实验。旧章节和图片记录的是当时的默认行为，紧邻它们的“v0.7 提醒”代表当前用法。 > > 部分进阶功能仍有各自的最低版本要求。例如 `FilesystemPermission` 基础权限需要 `deepagents>=0.5.2`，`interrupt` 权限模式需要 `deepagents>=0.6.8`。`RubricMiddleware` 仍为 Beta，第 13 章以 `deepagents==0.7.1` 验证版本化行为；第 14 章以 `deepagents>=0.6` 引入的 Event Streaming v3 为主线。第 15 章的 Interpreters 仍为 Beta，需要 Python 3.11+ 与 `langchain-quickjs>=0.2.0`。 > 官方文档：[Deep Agents Overview](https://docs.langchain.com/oss/python/deepagents/overview) > [!NOTE] > **🤖 模型选择**：示例默认通过 [硅基流动](https://cloud.siliconflow.cn/i/Fq9zUwPf) 接入模型。建议用 `MODEL_NAME` 环境变量管理模型名，而非写死在代码里；平台模型、价格和免费范围会调整，使用前请查看 [模型广场](https://cloud.siliconflow.cn/models)、[价格页](https://siliconflow.cn/pricing)与[更新公告](https://api-docs.siliconflow.cn/docs/release-notes/overview)。 > > - **入门 / 简单任务** — 当前免费版 `Qwen/Qwen2.5-7B-Instruct` 可用于跑通示例；如果想用更强一点、同时控制成本，`deepseek-ai/DeepSeek-V4-Flash` 也适合作为快速试跑的选择。 > - **复杂场景**（任务规划、上下文总结、多子 Agent 编排）— 小模型往往**无法稳定跑通**，建议改用能力更强、支持工具调用的模型： > - `zai-org/GLM-5.2` — 面向长程 Agent 任务，支持 1M 上下文 --- ## 课程大纲 ### 推荐技能配合课程学习，推荐安装以下两个 AI 编码助手技能，在开发过程中获得框架级的专业指导： ```bash # LangChain 开发指南 — 工程陷阱与验证修复 npx skills add ob-labs/agentseek --skill langchain-dev-guide # LangSmith Trace 调试 — 追踪与性能分析 npx skills add ob-labs/agentseek --skill langsmith-trace ``` > 技能源码：[langchain-dev-guide](https://github.com/ob-labs/agentseek/tree/main/skills/langchain-dev-guide) · [langsmith-trace](https://github.com/ob-labs/agentseek/tree/main/skills/langsmith-trace) ### 准备篇 — 动手实操前的环境搭建与工具安装基于 [AgentSeek](https://github.com/ob-labs/agentseek) 工程化套件，帮助学员快速搭建开发环境： - [AgentSeek 生命周期工作流](https://datawhalechina.github.io/deepagents-in-action/chapters/pre01-agentseek-create/)：创建 DeepAgents 模板，检查环境并启动前后端 - [`npx skills` 安装开发技能](https://datawhalechina.github.io/deepagents-in-action/chapters/pre02-agentseek-skills/)：为 AI 编码助手加载 LangChain 工程经验 ### 版本更新 — 理解变化，再决定如何升级版本更新不按功能逐条抄录，而是解释默认行为为什么改变、哪些应用会受影响，以及如何用评测和 Trace 验证迁移结果： - [Deep Agents v0.7：更轻、更透明、更可配置的 Harness](https://datawhalechina.github.io/deepagents-in-action/chapters/release-v0-7/)：正确理解 65% 基础输入 Token 降幅，判断是否恢复 Todo，掌握 Middleware 原位覆盖、文件工具语义变化与 v0.6→v0.7 迁移路径。如果你从 0.5 或 0.6 一路学到这里，建议先读更新章，再升级依赖和重跑原有实验。v0.7 的默认 Harness 更轻，通用提示词不再重复占用每轮输入；Todo 从固定成本变成按任务选择；Middleware 可以在原位置换；文件工具新增删除能力，并明确覆盖、分页和截断语义。官方给出的 65% 是简单回合的基础输入降幅，不代表每个应用的总成本都会下降 65%。 ### 按章节开始实验已有适配模板的章节卡片会标出 AgentSeek 模板和适配理由；README 也按同样的章节分区列出。第 6、8、9、11 章需要在模板基础上按正文补充本章能力，具体步骤以章节内容为准；第 14 章使用 Streaming 专用模板，第 15、16 章共用 Dynamic Subagents Pattern Lab。先升级 AgentSeek，并确认 `main` 分支当前有哪些模板： ```bash uv tool install --upgrade agentseek agentseek create --list-templates --checkout main ``` 进入生成目录后，所有模板遵循同一套生命周期入口： ```bash cd <生成的项目目录> agentseek info agentseek task --list # 按 task --list 的输出完成依赖安装，并按项目 README 配置 .env agentseek doctor agentseek dev ``` `--checkout main` 用于获取最新批次模板，适合跟课实验；如果需要冻结作业环境，请将 `main` 换成记录下来的完整提交 SHA。 ### 认知篇 #### 第 1 章：[从 Agent Framework 到 Agent Harness — Deep Agents 的诞生逻辑](https://datawhalechina.github.io/deepagents-in-action/chapters/ch01-agent-harness/) - 模板：[`deepagents/default`](https://github.com/agentseek-ai/agentseek-templates/tree/main/templates/deepagents/default) - 实验：从最小 `create_deep_agent` 项目识别 Runtime、Framework 与 Harness 的边界。 ```bash agentseek create deepagents/default --checkout main --no-input ``` #### 第 2 章：[快速上手 — 5 分钟构建你的第一个 Deep Agent](https://datawhalechina.github.io/deepagents-in-action/chapters/ch02-quickstart/) - 模板：[`deepagents/default`](https://github.com/agentseek-ai/agentseek-templates/tree/main/templates/deepagents/default) - 实验：修改系统提示词和自定义工具，跑通第一个可工作的 Deep Agent。 ```bash agentseek create deepagents/default --checkout main --no-input ``` ### 核心篇 #### 第 3 章：[虚拟文件系统 — Deep Agents 的 Context Engineering 核心](https://datawhalechina.github.io/deepagents-in-action/chapters/ch03-virtual-filesystem/) - 模板：[`deepagents/content-builder`](https://github.com/agentseek-ai/agentseek-templates/tree/main/templates/deepagents/content-builder) - 实验：利用现成 `FilesystemBackend` 观察内容、中间结果和 Skills 如何落盘。 ```bash agentseek create deepagents/content-builder --checkout main --no-input ``` #### 第 4 章：[任务规划与分解 — 让 Agent 学会拆解复杂任务](https://datawhalechina.github.io/deepagents-in-action/chapters/ch04-task-planning/) - 模板：[`deepagents/research`](https://github.com/agentseek-ai/agentseek-templates/tree/main/templates/deepagents/research) - 实验：使用显式启用 Todo 的研究模板，通过面板观察 `write_todos` 的计划生成与状态变化。 ```bash agentseek create deepagents/research --checkout main --no-input ``` #### 第 5 章：[子 Agent 与上下文隔离 — 让 Agent 学会委派](https://datawhalechina.github.io/deepagents-in-action/chapters/ch05-subagents/) - 模板：[`deepagents/research`](https://github.com/agentseek-ai/agentseek-templates/tree/main/templates/deepagents/research) - 实验：观察主 Agent 将搜索委派给 research-agent，并比较两侧上下文。 ```bash agentseek create deepagents/research --checkout main --no-input ``` #### 第 6 章：[异步子 Agent — 让主 Agent 同时驱动多个子任务](https://datawhalechina.github.io/deepagents-in-action/chapters/ch06-async-subagents/) - 模板：[`deepagents/research`](https://github.com/agentseek-ai/agentseek-templates/tree/main/templates/deepagents/research) - 实验：从同步研究应用开始，按本章将 researcher 拆成独立 graph 并接入 `AsyncSubAgent`。 ```bash agentseek create deepagents/research --checkout main --no-input ``` ### 进阶篇 #### 第 7 章：[Skills — 可复用的 Agent 能力包](https://datawhalechina.github.io/deepagents-in-action/chapters/ch07-skills/) - 模板：[`deepagents/content-builder`](https://github.com/agentseek-ai/agentseek-templates/tree/main/templates/deepagents/content-builder) - 实验：使用内置 blog-post 与 social-media Skills 观察匹配和渐进式加载。 ```bash agentseek create deepagents/content-builder --checkout main --no-input ``` #### 第 8 章：[长期记忆 — 让 Agent 拥有跨对话的记忆](https://datawhalechina.github.io/deepagents-in-action/chapters/ch08-long-term-memory/) - 模板：[`deepagents/content-builder`](https://github.com/agentseek-ai/agentseek-templates/tree/main/templates/deepagents/content-builder) - 实验：从内容应用开始，按本章加入 `CompositeBackend`、`StoreBackend` 和运行时 namespace。 ```bash agentseek create deepagents/content-builder --checkout main --no-input ``` #### 第 9 章：[Human-in-the-Loop — 构建安全的人机协作流程](https://datawhalechina.github.io/deepagents-in-action/chapters/ch09-human-in-the-loop/) - 模板：[`deepagents/mcp`](https://github.com/agentseek-ai/agentseek-templates/tree/main/templates/deepagents/mcp) - 实验：从 MCP 应用开始，按本章为有副作用的工具配置 `interrupt_on`。 ```bash agentseek create deepagents/mcp --checkout main --no-input ``` #### 第 10 章：[沙箱执行 — 让 Agent 安全地运行代码](https://datawhalechina.github.io/deepagents-in-action/chapters/ch10-sandboxes/) - 模板：[`deepagents/sandbox`](https://github.com/agentseek-ai/agentseek-templates/tree/main/templates/deepagents/sandbox) - 实验：选择 Daytona 或 LangSmith Sandbox，观察隔离执行、文件读写与清理。 ```bash agentseek create deepagents/sandbox --checkout main --no-input ``` #### 第 11 章：[文件系统权限 — 用声明式规则控制 Agent 的读写边界](https://datawhalechina.github.io/deepagents-in-action/chapters/ch11-filesystem-permissions/) - 模板：[`deepagents/content-builder`](https://github.com/agentseek-ai/agentseek-templates/tree/main/templates/deepagents/content-builder) - 实验：从真实内容目录开始，按本章加入 `FilesystemPermission` 并划分访问边界。 ```bash agentseek create deepagents/content-builder --checkout main --no-input ``` #### 第 12 章：[MCP — 用标准协议扩展 Deep Agents 工具生态](https://datawhalechina.github.io/deepagents-in-action/chapters/ch12-mcp/) - 模板：[`deepagents/mcp`](https://github.com/agentseek-ai/agentseek-templates/tree/main/templates/deepagents/mcp) - 实验：验证 stdio/HTTP Server、工具发现、稳定前缀与名称冲突。 ```bash agentseek create deepagents/mcp --checkout main --no-input ``` ### 前沿预览 #### 第 13 章：[Grading Rubrics（评分量规）— 让 Agent 按验收标准自我迭代](https://datawhalechina.github.io/deepagents-in-action/chapters/ch13-grading-rubrics/) - 模板：[`langchain/rubric`](https://github.com/agentseek-ai/agentseek-templates/tree/main/templates/langchain/rubric) - 实验：先运行无需模型密钥的 Guided Demo，再观察 Evidence 与 Acceptance Gate。 ```bash agentseek create langchain/rubric --checkout main --no-input ``` #### 第 14 章：[Streaming — 实时观察主 Agent、子 Agent 与工具调用](https://datawhalechina.github.io/deepagents-in-action/chapters/ch14-streaming/) - 模板：[`deepagents/streaming`](https://github.com/agentseek-ai/agentseek-templates/tree/main/templates/deepagents/streaming)（由 [agentseek-templates PR #20](https://github.com/agentseek-ai/agentseek-templates/pull/20) 引入） - 实验：直接运行 Event Streaming v3 应用，观察 coordinator/subagent messages、工具生命周期、状态快照、最终输出和 raw protocol，并核对哪些字段来自官方协议、哪些由模板 adapter 生成。 ```bash agentseek create deepagents/streaming --checkout main --no-input ``` #### 第 15 章：[Interpreters — 让 Agent 用代码编排工具与数据](https://datawhalechina.github.io/deepagents-in-action/chapters/ch15-interpreters/) - 模板：[`deepagents/subagents-dynamic`](https://github.com/agentseek-ai/agentseek-templates/tree/main/templates/deepagents/subagents-dynamic)（第 15、16 章共用） - 实验：观察 QuickJS `eval` 如何承载 `task()` 动态调度，并结合运行记录理解 Interpreter 的状态与安全边界。 ```bash agentseek create deepagents/subagents-dynamic --checkout main --no-input ``` #### 第 16 章：[Dynamic Subagents — 用代码编排多个 Agent](https://datawhalechina.github.io/deepagents-in-action/chapters/ch16-dynamic-subagents/) - 模板：[`deepagents/subagents-dynamic`](https://github.com/agentseek-ai/agentseek-templates/tree/main/templates/deepagents/subagents-dynamic)（由 [agentseek-templates PR #22](https://github.com/agentseek-ai/agentseek-templates/pull/22) 引入） - 实验：运行六种独立编排模式，观察分类路由、并行扇出、交叉验证、迭代收敛，以及真实的 `eval` / `task()` 事件。 ```bash agentseek create deepagents/subagents-dynamic --checkout main --no-input ``` 后续课程内容将根据 Deep Agents 的官方能力演进持续更新。 --- ## 配套资源 - **视频合集**：[B 站 — 《Deep Agents 实战》合集](https://space.bilibili.com/28357052/lists/7757577?type=season) - **图文合集**：[小红书 — 《Deep Agents 实战》合集](https://www.xiaohongshu.com/collection/item/69c4fd2a0072000000000001?xhsshare=&appuid=65032a0300000000120065e8&apptime=1778152909&share_id=2abb593f301a4e60a6e71fbbee3c8967) - **课程网站**：部署在 GitHub Pages --- ## 友情链接由 **[沧海九粟](https://space.bilibili.com/28357052)** 在 DataWhale 上开源的另一门课程，是面向所有 AI 爱好者的 Data 与 AI 基础入门教程 —— [《Easy Data x AI》](https://github.com/datawhalechina/easy-data-x-ai)。目前已经进入了内测阶段，欢迎大家来学习和积极参与共建。 --- ## 模型算力支持

SiliconFlow 硅基流动

本课程的模型算力由 硅基流动（SiliconFlow） 支持。硅基流动是一站式大模型云服务平台，基于自研推理引擎实现大模型高效推理加速，提供高效能、低成本的多品类 AI 模型服务，让开发者和企业聚焦产品创新，无须担心大规模推广带来的高昂算力成本。

- 🎁 **新用户福利**：通过 [课程专属注册链接](https://cloud.siliconflow.cn/i/Fq9zUwPf) 注册并完成实名认证，即可获得 **16 元全平台通用代金券**，可用于平台上百余种模型的调用，足够跑通本课程的全部示例。 - 🧪 **实验配额补贴池**：用上面的链接注册时，作者也会获得平台返利。这部分返利会**全额回馈给学员**——汇集成一个「实验配额补贴池」：跟着课程做实验、复现示例时如果额度不够用，可以[联系作者](https://space.bilibili.com/28357052)申请额外的算力配额补贴，把福利转回给真正在动手的同学。 --- ## ❤️ 特别感谢 - 感谢 [@Sm1les](https://github.com/Sm1les) 对本项目的帮助与支持。 - 感谢每一位为本项目提交代码、修正文档、提出建议的开发者，所有贡献都让这门课程变得更好。❤️

Deep Agents 实战贡献者

--- ## Star History

Star History Chart

--- ## 本地开发 ### 环境要求 - Node.js ≥ 22.12.0 ### 安装与启动 ```bash # 安装依赖 npm install # 启动开发服务器（含内容预处理） npm run dev # 构建生产版本 npm run build # 预览构建产物 npm run preview ``` ### 项目结构 ``` deepagents-in-action/ ├── content/ # 章节正文（Markdown，每章一个文件） │ ├── ch01-agent-harness.md │ ├── ch02-quickstart.md │ └── ... ├── public/ │ ├── imgs/ # 正文插图 │ └── pdfs/ # 章节 PDF ├── scripts/ │ ├── chapters.json # 章节元数据（标题、发布状态、视频链接等） │ └── prep-content.mjs # 内容预处理脚本（注入 frontmatter） └── src/ ├── components/ # Astro 组件 ├── layouts/ # 页面布局 └── pages/ # 路由页面 ``` ### 内容流水线 `content/` 目录中的 Markdown 文件是**源文件**，不含 frontmatter。 `scripts/prep-content.mjs` 在 `dev` / `build` 前自动运行，从 `scripts/chapters.json` 读取元数据，生成带 frontmatter 的文件到 `src/content/chapters/`。正文图片统一写成 `../public/imgs/<文件名>`。内容预处理会将它转换为带站点 base 的 `/deepagents-in-action/imgs/<文件名>`；资产校验会同时检查 Markdown 中引用的图片是否真实存在于 `public/imgs/`。 > 注意：`content/` 下 `.md` 文件的首行 H1 标题在生成时会被自动移除， > 页面标题统一取自 `scripts/chapters.json`。 **添加或修改章节内容，只需编辑 `content/` 目录下对应的 `.md` 文件。** **修改标题、发布状态、视频链接等元数据，编辑 `scripts/chapters.json`。** --- ## 技术栈 - [Astro 6](https://astro.build/) — 静态站点框架 - [Tailwind CSS 4](https://tailwindcss.com/) — 样式 - TypeScript --- ## 开源协议课程文字内容采用 [CC BY-NC-SA 4.0](https://creativecommons.org/licenses/by-nc-sa/4.0/deed.zh) 协议。网站源代码采用 [MIT](https://opensource.org/license/mit) 协议。 --- 欢迎提交 PR 修正错别字、改善排版，或参与内容讨论。所有贡献者都会出现在**特别感谢**中，并获赠 LangChain 官方社区（中国）礼品。详见 [CONTRIBUTING.md](CONTRIBUTING.md)。