AI 精选动态
智能评分 60
Deep Agents 实战开源教程
AI 推荐理由
提出了 Agent 开发的三层架构模型，并详细披露了利用虚拟文件系统管理上下文的具体实现方案。核心解读
zhanghaili0610 开源了基于 LangChain 和 LangGraph 生态的「Deep Agents 实战」教程。该教程提出了 Agent 开发的“三层架构”（Runtime: LangGraph, Framework: LangChain, Harness: Deep Agents），重点讲解通过虚拟文件系统（包含 read_file/write_file 等 6 个工具）优化上下文工程。教程共包含 8 个章节和 2 个准备篇，其 Skills 规范可兼容 Claude Code 和 Cursor 等 30 多个工具。
全文
开源技术教程「Deep Agents 实战」，LangChain 官方认证大使 @zhanghaili0610 出品，他也是「LangChain 实战」「LangGraph 实战」的作者
https://t.co/o8b54iYTBN
教程的核心是：基于 LangChain / LangGraph 生态，面向开发者讲解如何"用好" Deep Agents 这个 Harness 框架来构建真实应用。
核心思想：Agent 开发的"三层架构"
1. Runtime（运行时）：LangGraph，持久化执行、断点恢复、流式输出、人机协作
2. Framework（框架）：LangChain，模型抽象、工具接口、Agent 循环、中间件
3. Harness（套件）：Deep Agents ←本课主角，预置文件系统、任务规划、子 Agent、长期记忆
技术内核：上下文工程
Deep Agents 做法：引入虚拟文件系统，让 Agent 像人类一样工作：
· 需要时才 read_file 按需读取
· 中间结果 write_file 落盘
· 大文件用 offset/limit 局部读取
· 上下文里只保留当前步骤真正需要的信息
· 这个文件系统还是可插拔的——内存、本地磁盘、数据库、远程沙箱、甚至混合路由，都可作为后端。
章节结构（8 章 + 2 准备篇）
· 准备篇 ── AgentSeek 环境搭建、开发技能安装
· 认知篇 ── ch01 三层架构 / ch02 5分钟快速上手
· 核心篇 ── ch03 虚拟文件系统 / ch04 任务规划 / ch05 子Agent / ch06 异步子Agent
· 进阶篇 ── ch07 Skills / ch08 长期记忆
· 规划中 ── Human-in-the-Loop、沙箱执行、流式前端、数据分析Agent、生产部署
四个核心能力的演进脉络值得注意：
· 虚拟文件系统（ch03）—— 六大工具：read_file / write_file / edit_file / ls / glob / grep
· 任务规划（ch04）—— write_todos 让 Agent 拆解并追踪复杂任务
· 子 Agent 委派（ch05-06）—— task 工具派发子任务，ch06 引入异步并行
· Skills 复用（ch07）—— 遵循开放的 Agent Skills 规范，编写的 Skill 可在 Claude Code、Cursor、Codex 等 30+ 工具中通用（"Skills 之于 AI Agent，就像 npm 包之于 Node.js"）
> **引用原帖 Harry Zhang (@zhanghaili0610):**
> A gift to the Chinese developer community for anyone building agents on @LangChain:
> After 2 books on the ecosystem, I open-sourced the third — Deep Agents in Action. 8 chapters live and counting, on the Agent Harness: planning, context engineering, sub-agents, Skills, memory. https://t.co/PsDvSEKod6
> https://x.com/zhanghaili0610/status/2067533839589851610