Deepagents 完整指南从零跑通第一个 Deepagents 智能体【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents你有没有过这种时刻手里有个会写代码的大模型但它不会读文件、不会自己拆任务干一半上下文就满了想再加个计划工具又得从头造轮子。Deepagents 就是为这一刻准备的——它是一个开箱即用的 Deepagents 智能体工具包装完 SDK 后调用create_deep_agent()规划、文件系统、子代理、上下文管理全部就位模型随便换。能力拆解Deepagents 智能体能替你扛哪些活长任务它先列计划再动手如果你要 agent 一口气跑完读一批文件 → 改代码 → 写文档这种多步活Deepagents 自带计划工具开工前先把活儿拆成待办清单文件系统后端本地、沙箱、远端都支持让中间结果落到磁盘而不是堆在上下文里等着被挤掉。任务太大它拆给子代理如果你担心主线程的上下文窗口不够用Deepagents 会派子代理——子代理在独立上下文窗口里干活只把结论汇报回来主线程保持干净长对话自动摘要、工具输出可以整体挪到磁盘上。过程看得见手也伸得进去如果你要审计每一步决策从计划、工具调用到 token 消耗都能在 LangSmith 里回放human-in-the-loop 机制让危险操作先暂停你批准、修改或拒绝之后它才继续。上手体验3 步跑通第一个 Deepagents 智能体我拿到仓库后做了三件事第一步clone 下来git clone https://gitcode.com/GitHub_Trending/de/deepagents第二步装依赖uv add deepagents。第三步新建一个脚本from deepagents import create_deep_agent agent create_deep_agent(modelopenai:gpt-5.5) agent.invoke({messages: 帮我调研 LangGraph 并写摘要})跑起来的那一刻你会发现规划、读写文件、子代理委派都在默认配置里装完就能跑不用写任何胶水代码。架构速览Deepagents 智能体 SDK 的三层分工LangGraph 负责状态、检查点与流式执行LangChain 的create_agent管模型、工具和循环Deepagents SDK 只在最上层加默认中间件、后端与子代理配置不另起运行时。实战场景把 Deepagents 智能体放进真实工作流用自然语言查数据库遇到什么问题业务同学想看销售数据但 SQL 得自己写。项目怎么应对仓库里的 text-to-sql 示例 agent 先用计划工具拆步骤探查表结构生成查询并执行校验最后把结果整理成人话。效果如何一句哪些销售员按国家创造了最多收入直接拿到带分析的报表开了 tracing 后每一步都留痕复盘时不用猜它干了什么。让长任务自己转起来遇到什么问题上下文窗口有限跑长任务聊着聊着就失忆。项目怎么应对Ralph 循环模式每轮迭代从全新上下文开始工作区和 git 仓库充当记忆同一句话反复喂给 agent靠落盘的文件接续进度。效果如何生成一套完整 Python 课程这种任务可以挂着跑满意了 CtrlC 停手不满意让它接着磨。关键操作先过一道人工遇到什么问题agent 执行到一半开始跑偏等发现时 token 已经烧掉一大截。项目怎么应对Deepagents 的 human-in-the-loop 在工具调用前暂停你可以批准、编辑或拒绝。效果如何写文件、跑命令这类动作被人工卡住一道走偏的调用当场拦下不用等它干完再擦屁股。进阶玩法如何接入自定义工具扩展点就是create_deep_agent的入参tools可以传你自己的函数或 MCP server模型和系统提示词也能换——create_deep_agent(modelopenai:gpt-5.5, tools[my_tool])一行到位。生态与参与怎么上手贡献、去哪求助examples/ 目录里十几个能直接跑的 agent——deep research、text-to-sql、Ralph 循环、异步子代理服务器每个都带 README照着改就行。monorepo 下每个包独立发版工具链统一 uv ruff ty包内make test/make lint各管一摊贡献规范分支命名、PR 标题格式、测试要求都写在 AGENTS.md按规矩来review 会很顺。卡住了去 LangChain 论坛的 Deepagents 版块提问仓库里的 openwiki/ 是自动生成的文档索引架构、中间件栈、安全边界都有专门页面查起来比翻源码快。避坑提醒先读这三条再开工注意Deepagents 遵循信任 LLM模型边界要在工具和沙箱层实施别指望模型自觉——不在远端沙箱里跑不可信的代码。提醒别在不可信的目录里直接跑 dcode不配沙箱后端就等于把执行权交给了那个目录。提醒文件系统后端默认本地执行想跨机执行要显式配 Daytona、Modal 这类远端沙箱另外 pytest 把未处理的 warning 当错误新代码先把 warning 清零再提 PR。回到那个场景模型会说话但它不会自己干活。装完 SDK、调一次create_deep_agent()你就有了一个会规划、会写文件、会派子任务的 Deepagents 智能体。去仓库里挑一个 examples跑起来试试比读十篇教程都快。【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
