概念
别名：深度代理
新型智能代理开发框架
已跟踪 30 条高相关材料
最近变化
2026-07-07 · 课程详解harness的4大核心能力：记忆、工具调用、状态管理、错误处理
为什么值得关注
Deep Agents 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
4/ programatic subagents in deepagents Deep Agents is our open source, model agnostic agent harness...
Harrison Chase(@hwchase17) · 8.5 分
Deep Agents 框架新增编程调用子代理功能，提供6种实现方式及开源资源。
Deep Agents v0.6 feature spotlight: a code interpreter. Agents can now call tools from inside a run...
LangChain(@LangChainAI) · 8.5 分
LangChain v0.6 新增代码解释器功能，支持在运行时调用工具，减少模型上下文负担和 token 使用。
开源教程《Deep Agents 实战》发布
AI HOT 精选 · 8.5 分
《Deep Agents 实战》教程系统讲解 LangChain 生态下的 Agent 开发三层架构，提供虚拟文件系统、子 Agent 和 Skills 等实战内容。
已收录 30 条与 Deep Agents 相关的内容，按评分排序。
Deep Agents 框架新增编程调用子代理功能，提供6种实现方式及开源资源。
入选理由：Deep Agents 支持编程调用子代理，提供6种常见实现方式
LangChain v0.6 新增代码解释器功能，支持在运行时调用工具，减少模型上下文负担和 token 使用。
入选理由：LangChain v0.6 引入代码解释器，允许在运行时调用工具。
《Deep Agents 实战》教程系统讲解 LangChain 生态下的 Agent 开发三层架构，提供虚拟文件系统、子 Agent 和 Skills 等实战内容。
入选理由：教程基于 LangChain / LangGraph 生态，讲解如何用 Deep Agents 构建真实 Agent 应用。
《Deep Agents 实战》教程基于 LangChain / LangGraph 生态，讲解如何使用 Deep Agents 构建真实应用，重点介绍虚拟文件系统、任务规划、子 Agent 和 Skills 复用。
入选理由：Deep Agents 使用虚拟文件系统实现按需读取和局部读取大文件。
Nemo Claw作为构建专用代理的蓝图，其核心组件OpenShell提供了安全运行时环境，支持不同代理架构的灵活组合。
入选理由：Nemo Claw由三个核心组件构成：harness、模型和OpenShell运行时，其中OpenShell负责安全策略和沙箱隔离。
LangSmith 的 Context Hub 提供集中化、版本化的上下文管理方案，解决 AI Agent 因上下文缺失、过时或分散导致的行为失效问题；通过 agent.md 合约与 memory 文件夹实现人类可编辑、Agent 可读写的协同机制。
入选理由：Context Hub 支持 Markdown 编辑 agent.md（代理操作合约）与 /memories/ 路径下的记忆文件，实现人类与 Agent 共享上下文源
LangChain 推出 Managed Deep Agents，其核心是可定制的代理“harness”架构，通过执行环境、上下文管理、任务委派与人机协同四大能力支持复杂现实任务。
入选理由：Deep Agents 的 harness 包含四大能力：执行环境（文件系统+沙箱/代码解释器）、上下文管理（短/长期记忆+摘要+缓存）、任务委派（子代理协作）、人机协同（human-in-the-loop）
LangChain与Parallel Web Systems合作推出基于Deep Agents的多维度企业尽调工具，可自动分析公司概况、财务健康、法律诉讼、新闻声誉及竞争态势，实现端到端自动化决策支持。
入选理由：Deep Agents在5个维度完成企业尽调：公司概况、财务健康、法律诉讼、新闻声誉、竞争格局。
LangChain 推出 Deep Agents 新功能 'Agent Rubrics'，开发者可定义评估标准，通过自动评分和修正机制确保复杂任务输出符合要求。
入选理由：Agent Rubrics 允许开发者在代理调用中附加评估标准（rubric）。
在金融服务领域，解释结论的推导过程与结论本身同等重要；LangChain通过LangSmith工具链记录每个查询、响应和中间结果，实现决策过程的可追溯性，确保AI代理输出的透明性和合规性。
入选理由：LangSmith用于捕获AI代理在金融场景中的每一步操作，包括所有查询、响应和中间结果。
AI在金融代理任务中仍需更高质量数据以生成复杂答案，LangChain团队通过Deep Agents、LangSmith和You.com Finance API实现显著性能跃升，在多个竞争基准中表现突出。
入选理由：金融AI代理需高质量结构化数据支持，尤其在宏观研究场景中。
Harrison Chase 与 AWS 合作发布深度代理评估指南，利用 LangSmith 工具设计数据点与评估器，提升长周期智能体的可测性与可靠性，适用于构建复杂 AI 系统。
入选理由：使用 LangSmith 设计结构化数据点，支持长周期代理行为追踪与调试。
LangChain的Deep Agents具备持久化执行功能，每一步都会进行检查点记录，确保可观测性、容错性和人机交互。DeltaChannel解决了长期运行代理的存储扩展问题。
入选理由：LangChain的Deep Agents每一步都会进行检查点记录，确保可观测性、容错性和人机交互。
Rippling 在6个月内通过 Deep Agents 和 LangSmith 将AI功能部署至数百万用户，展示了高效生产级AI开发流程。
入选理由：Rippling 在6个月内将AI功能部署至数百万用户，显著提升产品智能化水平。
LangChain 推出 Deep Agents 运行时，解决生产级长周期智能体的持久化执行、内存管理、人工干预与可观测性等核心基础设施问题，强调开源、模型无关与可恢复执行。
入选理由：生产级智能体需要持久化执行能力，支持断点续跑与崩溃恢复，而非简单重试。
Deep Agents 使用提示缓存技术可减少 41-80% 的 API 调用成本，LangChain 团队分享了相关实践。
入选理由：提示缓存可减少 41-80% 的 API 调用成本。
缓存策略对成本控制至关重要，优化缓存可有效降低AI使用成本。
入选理由：缓存未命中是导致成本上升的主要原因。
一个由 Deep Agents、LangSmith 和 YouDot 金融研究 API 驱动的宏观经济研究代理，能够分析 GDP 数据、检测异常、调查行业层面的结构性与周期性驱动因素，并生成结构化且带引用的简报。
入选理由：该代理利用 LangSmith 和 YouDot Finance Research API 实现自动化宏观经济分析
LangSmith沙箱已全面上线，为Agent提供真实的文件系统、shell和包管理器，与基础设施隔离，使用相同的API密钥认证，无需构建或管理新的运行时环境。
入选理由：LangSmith沙箱现已正式发布，支持深度Agent、Open SWE代码或自定义代码
LangChain 在 X 上发布了一系列新功能，包括 LangSmith Engine、SmithDB 和 Deep Agents 等，但内容较为简略，缺乏技术深度。
入选理由：LangChain 推出了 LangSmith Engine 和 SmithDB 等新工具。
LangChain Academy推出新课程，系统讲解Deep Agents开发框架，包含harness机制与LangSmith工具的实践应用。
入选理由：课程详解harness的4大核心能力：记忆、工具调用、状态管理、错误处理
该课程涵盖深度代理的高级主题，但信息密度较低，缺乏具体技术细节和实践案例。
入选理由：课程时长为3小时，涵盖任务规划、文件系统和长期记忆等主题。
文章介绍如何使用 Deep Agents 构建类似 Claude Code 的代理，但内容信息密度较低，缺乏深度技术细节。
入选理由：文章展示了构建 Claude Code-like agent 的方法，但未提供具体实现步骤。
文章介绍了LangChain的Deep Agents如何通过HITL机制实现控制，但内容信息密度较低，缺乏具体技术细节。
入选理由：Deep Agents通过HITL机制实现控制。
文章内容为推文形式，信息密度低，未提供具体技术细节或深度分析。
入选理由：文章为推文形式，缺乏技术深度。
代码解释器是一个轻量级代码执行环境，允许代理使用RLMs和程序化工具调用，无需设置完整沙箱。
入选理由：代码解释器是嵌入在代理循环中的小型运行时环境，可作为代理在工具调用间的中间层。
LangChain团队正在为智能代理添加解释器功能，这是一种小型嵌入式运行时环境，允许代理在代理循环内部编写和执行代码。
入选理由：解释器为智能代理提供了一次性工具调用和完整执行环境之间的中间方案。
LangChain 推出 ACP（Agent Control Protocol）以支持跨接口复用同一 agent harness，Deep Agents 已原生集成，但原文缺乏技术细节与实现说明。
入选理由：ACP 是一种旨在统一 agent 执行环境的控制协议
LangChain在Interrupt大会发布Deep Agents v0.6版本，重点优化模型层与代理层性能、规模化能力和长期稳定性，新增轻量级代码解释器功能。
入选理由：Deep Agents v0.6聚焦四层性能优化：模型层、代理层、规模化与长期稳定性
LangChain 宣布 Deep Agents 集成 Nebius AI Token Factory，用户现可在生产级 AI 基础设施上运行 agent 工作负载，支持开源模型、专用端点、实时搜索及成本数据控制。
入选理由：Deep Agents 集成 Nebius AI Token Factory，提供生产级 AI 基础设施
