Deep Agents 快速上手5 分钟搭出一个开箱即用的 AI Agent【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagentsDeep Agents 是一个开源 AI Agent 框架Agent Harness调用create_deep_agent一次就能拿到会规划、会读写文件、会拆分子任务的代理。默认配置针对长任务调好跑起来就能用任何一块都可以替换。 它解决了什么问题自己拿聊天模型工具拼一个代理通常会撞三堵墙模型聊几轮就忘了之前干到哪任务一长上下文窗口塞满就卡住大任务全挤在一个对话里理不清头绪。Deep Agents 把这些当默认问题解决了创建代理时自动装配规划、文件系统访问、子代理委派和上下文摘要不用你逐个接线。底层跑在 LangGraphLangChain 生态的图运行时提供流式输出、检查点和持久化之上生产环境需要的会话恢复、中断续跑都是现成的。如果你希望代理能自主干完一个跨多步、跑几十分钟的任务——调研、写代码、整理文档——而不只是单轮问答这个项目就是干这个的。⚡ 几分钟跑通第一个例子先装进你的项目uv add deepagents然后用几行代码建一个能自己规划、读写文件的代理from deepagents import create_deep_agent agent create_deep_agent(modelopenai:gpt-5.5) result agent.invoke({messages: 调研 LangGraph 并写一份摘要})任务交给它它会自己拆解步骤、写中间文件、管理上下文最后返回结果。不想要写代码的方式也可以直接用终端版libs/code包把它做成了dcode命令定位类似 Claude Code 或 Cursor换行安装后敲dcode就能用。这张图在说明什么dcode 终端代理在处理任务时的界面模型输出中断时会自动重试恢复。 拆开看核心能力怎么工作子代理把大任务拆成小任务主代理遇到能拆的工作时通过内置的task工具把子任务丢给子代理。子代理在独立上下文窗口里干活做完只把结论交回来主对话不会被过程细节淹没。默认是隔离模式互不干扰也提供继承父上下文的实验性 fork 模式。文件系统与上下文管理代理可以读、写、编辑和搜索文件存储后端可切换本地磁盘、沙箱或远程服务。任务跑得越久上下文越容易让模型分心Deep Agents 会自动给长对话做摘要并把大块工具输出挪到磁盘让模型窗口里始终只留当前用得上的内容。按需加载技能外接工具Skills技能是一组可复用的行为说明代理需要时才去查、去加载而不是把所有指令塞进每一次模型请求。此外你可以自带函数工具或接入任意 MCPModel Context Protocol一种让代理连接外部服务的标准接口服务器。 真实场景怎么用长跑任务Ralph 循环模式仓库里的 examples/ralph_mode/ 给了一个现成玩法同一个任务提示反复喂给代理每轮从全新上下文开始进度靠文件系统和 git 记住。代理就这样一轮轮把活往前推直到你 CtrlC 或达到最大轮数。适合大而不急的活比如搭一门课程、重构一个老项目。这张图在说明什么Ralph 循环——任务进、代理干活、结果落盘然后循环直到完成或停止。调研与报告类代理看 examples/deep_research/ 里的调研代理给它一个主题它检索资料、整理要点、写成摘要。同目录还有 text-to-sql 例子让代理接上数据库用自然语言提问、它写 SQL 查数执行过程在 LangSmith 里可以逐步回看。终端里写代码不想自己搭的话直接上dcode交互式界面、会话恢复、技能加载、接入远程沙箱Modal、Daytona、Runloop 等都配好了配任何支持工具调用的模型。 怎么按自己的需求改造它默认配置不满意不用 fork 整个仓库参数逐个覆盖就行agent create_deep_agent( modelopenai:gpt-5.5, tools[my_custom_tool], system_promptYou are a research assistant., )这行代码换掉了模型、塞进你自己的工具、设定了人设。子代理、后端存储、持久记忆、人类审批策略也都是独立配置项分别对应一块中间件改哪块就动哪块。想把它接进代码编辑器libs/acp包通过 ACP 协议让代理出现在编辑器里这张图在说明什么编辑器新建会话菜单里Deep Agents 与 Claude Code、Codex CLI 并列为可选 Agent。⚠️ 上手前要知道的几件事安全模型是信任 LLM代理能做任何工具允许的事。边界要你在工具层和沙箱层设好别指望模型自我约束。模型不挑任何支持工具调用的都行前沿 API、开放权重模型、Ollama 等本地部署都支持。仓库是 monorepolibs/下每个包独立版本各有自己的pyproject.toml和uv.lock。只改你动的那个包依赖用uv同步别混用 pip。人类审批可开可关工具调用执行前可以人工批准、修改或拒绝代理碰文件、跑 shell 时建议保留。 去哪找社区和更多资料现成例子examples/调研、写代码、跑 SQL 等场景都有可跑项目。仓库内文档openwiki/ 按架构、概念、集成、工作流分章整理根目录 README.md 有 FAQ 和生产化指南。贡献入口AGENTS.md 和 libs/DEVELOPMENT.md 写了开发规范、PR 规则和测试要求。讨论与课程LangChain 社区论坛可以提问官方 LangChain Academy 有免费配套课程。不用从零造轮子先把最小例子跑起来再从examples/里挑一个贴近你业务的场景改改造成本远低于自己搭。【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
Deep Agents 快速上手5 分钟搭出一个开箱即用的 AI Agent【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagentsDeep Agents 是一个开源 AI Agent 框架Agent Harness调用create_deep_agent一次就能拿到会规划、会读写文件、会拆分子任务的代理。默认配置针对长任务调好跑起来就能用任何一块都可以替换。 它解决了什么问题自己拿聊天模型工具拼一个代理通常会撞三堵墙模型聊几轮就忘了之前干到哪任务一长上下文窗口塞满就卡住大任务全挤在一个对话里理不清头绪。Deep Agents 把这些当默认问题解决了创建代理时自动装配规划、文件系统访问、子代理委派和上下文摘要不用你逐个接线。底层跑在 LangGraphLangChain 生态的图运行时提供流式输出、检查点和持久化之上生产环境需要的会话恢复、中断续跑都是现成的。如果你希望代理能自主干完一个跨多步、跑几十分钟的任务——调研、写代码、整理文档——而不只是单轮问答这个项目就是干这个的。⚡ 几分钟跑通第一个例子先装进你的项目uv add deepagents然后用几行代码建一个能自己规划、读写文件的代理from deepagents import create_deep_agent agent create_deep_agent(modelopenai:gpt-5.5) result agent.invoke({messages: 调研 LangGraph 并写一份摘要})任务交给它它会自己拆解步骤、写中间文件、管理上下文最后返回结果。不想要写代码的方式也可以直接用终端版libs/code包把它做成了dcode命令定位类似 Claude Code 或 Cursor换行安装后敲dcode就能用。这张图在说明什么dcode 终端代理在处理任务时的界面模型输出中断时会自动重试恢复。 拆开看核心能力怎么工作子代理把大任务拆成小任务主代理遇到能拆的工作时通过内置的task工具把子任务丢给子代理。子代理在独立上下文窗口里干活做完只把结论交回来主对话不会被过程细节淹没。默认是隔离模式互不干扰也提供继承父上下文的实验性 fork 模式。文件系统与上下文管理代理可以读、写、编辑和搜索文件存储后端可切换本地磁盘、沙箱或远程服务。任务跑得越久上下文越容易让模型分心Deep Agents 会自动给长对话做摘要并把大块工具输出挪到磁盘让模型窗口里始终只留当前用得上的内容。按需加载技能外接工具Skills技能是一组可复用的行为说明代理需要时才去查、去加载而不是把所有指令塞进每一次模型请求。此外你可以自带函数工具或接入任意 MCPModel Context Protocol一种让代理连接外部服务的标准接口服务器。 真实场景怎么用长跑任务Ralph 循环模式仓库里的 examples/ralph_mode/ 给了一个现成玩法同一个任务提示反复喂给代理每轮从全新上下文开始进度靠文件系统和 git 记住。代理就这样一轮轮把活往前推直到你 CtrlC 或达到最大轮数。适合大而不急的活比如搭一门课程、重构一个老项目。这张图在说明什么Ralph 循环——任务进、代理干活、结果落盘然后循环直到完成或停止。调研与报告类代理看 examples/deep_research/ 里的调研代理给它一个主题它检索资料、整理要点、写成摘要。同目录还有 text-to-sql 例子让代理接上数据库用自然语言提问、它写 SQL 查数执行过程在 LangSmith 里可以逐步回看。终端里写代码不想自己搭的话直接上dcode交互式界面、会话恢复、技能加载、接入远程沙箱Modal、Daytona、Runloop 等都配好了配任何支持工具调用的模型。 怎么按自己的需求改造它默认配置不满意不用 fork 整个仓库参数逐个覆盖就行agent create_deep_agent( modelopenai:gpt-5.5, tools[my_custom_tool], system_promptYou are a research assistant., )这行代码换掉了模型、塞进你自己的工具、设定了人设。子代理、后端存储、持久记忆、人类审批策略也都是独立配置项分别对应一块中间件改哪块就动哪块。想把它接进代码编辑器libs/acp包通过 ACP 协议让代理出现在编辑器里这张图在说明什么编辑器新建会话菜单里Deep Agents 与 Claude Code、Codex CLI 并列为可选 Agent。⚠️ 上手前要知道的几件事安全模型是信任 LLM代理能做任何工具允许的事。边界要你在工具层和沙箱层设好别指望模型自我约束。模型不挑任何支持工具调用的都行前沿 API、开放权重模型、Ollama 等本地部署都支持。仓库是 monorepolibs/下每个包独立版本各有自己的pyproject.toml和uv.lock。只改你动的那个包依赖用uv同步别混用 pip。人类审批可开可关工具调用执行前可以人工批准、修改或拒绝代理碰文件、跑 shell 时建议保留。 去哪找社区和更多资料现成例子examples/调研、写代码、跑 SQL 等场景都有可跑项目。仓库内文档openwiki/ 按架构、概念、集成、工作流分章整理根目录 README.md 有 FAQ 和生产化指南。贡献入口AGENTS.md 和 libs/DEVELOPMENT.md 写了开发规范、PR 规则和测试要求。讨论与课程LangChain 社区论坛可以提问官方 LangChain Academy 有免费配套课程。不用从零造轮子先把最小例子跑起来再从examples/里挑一个贴近你业务的场景改改造成本远低于自己搭。【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
)
)
