- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI大模型&智能体
DeepAgents 人工介入实战｜LangGraph 实现 Agent 高危工具人工审批
本次示例基于：LangChain：负责模型和工具抽象LangGraph：负责执行状态、检查点和恢复执行DeepAgents：负责创建支持工具调用和中断审批的Agent通义千问兼容OpenAIAPI：作为底层大模型一 而LangChain+LangGraph+DeepAgents的Python方案更偏向实验、原型验证和Agent工作流编排。 如果项目本身是Python技术栈，或者正在做Agent编排、工具调用、多步骤任务规划，那么DeepAgents这套方式会比较顺手。十四、真实项目中的建议在真实项目中使用人工介入时，建议注意以下几点。 关于DeepAgents的练习代码已经上传到了我的GitHub，欢迎fork&starhttps://github.com/Jucunqi/deepagents-practice.git
38810编辑于 2026-04-30 - 来自专栏windealli
PI Extension 与 DeepAgents Middleware 两条岔路深度对比
（langchain-ai/deepagents），它们的agentloop形态完全一样。 如果团队走Python+生产服务：默认DeepAgents。 既要PI的UI又要DeepAgents的组合表达力：可考虑把DeepAgents当backend（Python服务），PI当frontendharness（CLI），通过ACP/自定义RPC衔接。 九、结论：一句话浓缩PI把"在哪儿插"做成了API（命名事件）；DeepAgents把"怎么插"做成了API（包handler的方法）。 延伸阅读涉及代码版本：PIf2b105dd（@earendil-works/pi-coding-agent）DeepAgents2ac7d415（langchain-ai/deepagents）LangChainv1d0d78f1aeb
32720编辑于 2026-05-19 - 来自专栏windealli
PI Extension 与 DeepAgents Middleware 两条岔路深度对比
（langchain-ai/deepagents），它们的 agent loop 形态完全一样。 DeepAgents 选 Middleware 的根因 DeepAgents 的宿主是 LangGraph StateGraph——agent loop 是一张运行时编译的图，每个 middleware 如果团队走 Python + 生产服务：默认 DeepAgents。 • 既要 PI 的 UI 又要 DeepAgents 的组合表达力：可考虑把 DeepAgents 当 backend（Python 服务），PI 当 frontend harness（CLI），通过 延伸阅读 涉及代码版本： • PI f2b105dd（@earendil-works/pi-coding-agent） • DeepAgents 2ac7d415（langchain-ai/deepagents
20110编辑于 2026-05-19 - 来自专栏DeepHub IMBA
Pydantic-DeepAgents：基于 Pydantic-AI 的轻量级生产级 Agent 框架
DeepAgents的灵感源自 LangChain deepagents，但在设计上更做减法，它强调类型安全且内置了 Docker 沙箱 2025 年的Autonomous AI Agents早就不是实验室里的花架子了 其实这个项目的灵感直接来源于 LangChain 的 deepagents项目。 对于原本就在用 Pydantic-AI 的开发者，或者需要 Agent 安全地操作文件和外部工具的场景，Pydantic-DeepAgents 基本就是无缝衔接的选择。 Pydantic-DeepAgents 给出了答案：有时候严格的类型安全加上一个干净的 Docker 容器，远比一张错综复杂的有向无环图（DAG）要好维护得多。 https://github.com/vstorm-co/pydantic-deepagents 作者：Kacperwlodarczyk
41910编辑于 2025-12-30 6/4/2026 AI速递 | Gemini、Ideogram多模态工作流
Harmonic披露的结果是，基于DeepAgents重构后，Scout的用户留存率提升到原来的4倍，并用LangSmith做调试、追踪和评测。 Harmonic的做法是把Scout拆成可追踪的执行流程，让DeepAgents负责规划、调用工具、维护任务状态，再通过LangSmith记录每一步输入、输出、工具结果和失败点。 接入DeepAgents或类似Agent框架，让工具调用和状态管理显式化。用LangSmith记录trace、失败样本、用户反馈和版本差异，再围绕留存率、完成率、人工修正率做评测。 DeepAgents加LangSmith适合快速搭建和迭代，但也会带来一定生态绑定，团队需要评估是否接受LangChain体系内的观测和编排方式。 最小可行架构并不复杂，前端收集目标，后端负责任务编排，DeepAgents执行多步工具调用，LangSmith做trace、评测和回归对比。
2010编辑于 2026-06-04- 来自专栏架构驿站
Deep Agent 是如何让大模型更“聪明” ？
而 deepagents 这个 Python 库，正是将这套先进的设计哲学，沉淀成了一个可供开发者轻松取用的通用框架，旨在帮助我们快速为各种应用构建起真正具备深度思考能力的智能体。 2、组建专家团队 (定义子智能体) 3、提供工具箱 (定义可用工具) 4、下达开始指令并等待交付 (运行Agent) 第一步：环境准备与安装 # 安装 a deepagents 库 pip install deepagents # 设置你的大模型API密钥 (以OpenAI为例) export OPENAI_API_KEY="sk-..." 在代码中，我们可以这样定义： from deepagents.sub_agent import SubAgent # 1. Happy Coding ~ Reference ： [1] https://github.com/hwchase17/deepagents?
2.4K10编辑于 2025-08-11 一文讲透 Harness：AI 从“聪明”到“靠谱”的关键跃迁
方式二：用开源框架 框架 特点 LangChain DeepAgents 最火的开源 Harness，文档丰富 OpenClaw 国内开源，支持多模型、多场景 适合：想自建 Agent 系统的团队。 Harness 带来的稳定性 第二步：引入到工作流（1 个月） 用 AI 辅助代码审查 用 AI 自动写测试 用 AI 处理重复性任务 第三步：构建团队 Agent（长期） 基于 LangChain DeepAgents
1.9K10编辑于 2026-04-14GitHub 热榜变化：AI 开发的下一条主线开始从“会调用”转向“会组织”
21. langchain-ai / deepagents •链接：https://github.com/langchain-ai/deepagents[51] •Star：19,470 •新增 stars 从 skills、HUD、browser、page agent，到 memory、context database、open-swe、deepagents，再到 deer-flow 这类长时任务框架，技术社区正在把 github.com/promptfoo/promptfoo: https://github.com/promptfoo/promptfoo [51] https://github.com/langchain-ai/deepagents : https://github.com/langchain-ai/deepagents [52] https://github.com/microsoft/BitNet: https://github.com
54410编辑于 2026-04-09今日 AI 热点速读（2026-03-18）
5.langchain-ai/deepagents来源：GitHubTrending嘿，GitHubTrending上刷到个有意思的！ LangChain和LangGraph这俩大佬，最近合伙搞了个新东西，叫DeepAgents的智能体框架。
39510编辑于 2026-03-18AI Agent在渗透测试中实现XSS漏洞智能绕过与Flag获取
腾讯云AI Agent的技术优势 腾讯云AI Agent基于langchain-deepagents开发，具备多智能体层（自主智能体、漏洞挖掘与利用、Flag深度挖掘）、上下文操作层（三层上下文清洗机制
28720编辑于 2026-04-04- 来自专栏DeepHub IMBA
LangChain 生态里的三层抽象:LangGraph、create_agent、Deep Agents
最简形态写法跟 create_agent 几乎一样: from deepagents import create_deep_agent def search_web(query: str) -> str 下面是一个能写代码、能跑代码、能自己审代码的 agent: from deepagents import create_deep_agent from deepagents.tools import Deep Agents 的版本: from deepagents import create_deep_agent def search(query: str) -> str: """Search
21710编辑于 2026-05-11 【顶级架构思维】穿透Hermes 塔尖工具系统：自注册设计+ 组合式按需推送+四层纵深防御+零配置插件 +常驻事件循环
本文原文地址【顶级架构思维】穿透Hermes塔尖工具系统：自注册设计+组合式按需推送+四层纵深防御+零配置插件+常驻事件循环尼恩编著《Harness/DeepAgents/Deerflow架构与源码学习圣经 LangGraph的Harness执行层生产级子智能体Sub-Agent深度拆解第18章：DeepAgent：基于LangGraph的Harness执行层生产级子智能体Sub-Agent深度拆解第19章：深入解析DeepAgents 的Middleware管道：设计一个Harness护栏完成Agent全生命周期的治理第19章：深入解析DeepAgents的Middleware管道：设计一个Harness护栏完成Agent全生命周期的治理第 20章：DeepAgents经验注入+记忆注入：基于Memory与Skills双中间件实现渐进式披露+运行时经验注入第20章：DeepAgents经验注入+记忆注入：基于Memory与Skills双中间件实现渐进式披露 +运行时经验注入第21章：【顶级架构思维】Harness架构如何上下文压缩：深入剖析DeepAgents四级上下文压缩流水线底层原理和核心源码【顶级架构思维】Harness架构如何上下文压缩：深入剖析DeepAgents
1000编辑于 2026-05-29AI Agent系统驱动智能渗透测试：突破传统瓶颈的实战验证
的多层AI Agent系统 腾讯云安全联合云鼎实验室、腾讯安全众测，在TCN腾讯云黑宫松Tencent Cloud Hackathon智能渗透挑战赛中推出AI驱动的Agent系统，基于langchain-deepagents
46220编辑于 2026-04-05构建自动化渗透测试AI Agent：突破大模型失焦与上下文衰减瓶颈
搭建多智能体协同与渐进式输入的系统架构 为解决上述瓶颈，团队基于 langchain-deepagents 框架，开发了一套涵盖“多智能体层、上下文操作层、工具层、记忆层”的自动化渗透系统。
52910编辑于 2026-04-05使用NVIDIA AI-Q和LangChain构建企业搜索深度代理
深度研究代理使用LangChain的 deepagents 库中的 create_deep_agent 工厂。 from deepagents import create_deep_agentreturn create_deep_agent( model=self.llm_provider.get(LLMRole.ORCHESTRATOR
12910编辑于 2026-05-20逆天！Hermes +Claude 实现 AI 编程 Agent Team 硅基团队 ，一人 开启 10个Agent的boss 之路
尼恩编著《Harness/DeepAgents/Deerflow架构与源码学习圣经》第一章：什么是Harness架构？ LangGraph的Harness执行层生产级子智能体Sub-Agent深度拆解第18章：DeepAgent：基于LangGraph的Harness执行层生产级子智能体Sub-Agent深度拆解第19章：深入解析DeepAgents 的Middleware管道：设计一个Harness护栏完成Agent全生命周期的治理第19章：深入解析DeepAgents的Middleware管道：设计一个Harness护栏完成Agent全生命周期的治理第 20章：DeepAgents经验注入+记忆注入：基于Memory与Skills双中间件实现渐进式披露+运行时经验注入第20章：DeepAgents经验注入+记忆注入：基于Memory与Skills双中间件实现渐进式披露 +运行时经验注入第21章：【顶级架构思维】Harness架构如何上下文压缩：深入剖析DeepAgents四级上下文压缩流水线底层原理和核心源码【顶级架构思维】Harness架构如何上下文压缩：深入剖析DeepAgents
28910编辑于 2026-05-27- 来自专栏AllTests软件测试
实践一下这些项目和技术，薪资30+不为过吧
普通测试工程师简历： ●熟练使用 JMeter、Postman ●编写测试用例，执行测试 ●使用 Selenium 做 UI 自动化 学完这些技术的简历： ●✅ 独立设计 AI 智能体系统，掌握 DeepAgents
26710编辑于 2026-03-05 - 来自专栏星河细雨
从Vibe Coding到Harness Engineering的实践与思考
langchain-ai/deepagents 把 harness 原语做成了一个独立可安装的库。 [17][18] 更具体一点，deepagents 内建 write_todos 来显式外化任务分解与进度追踪；虚拟文件系统支持 in-memory state、local disk、LangGraph GitHub repository, 2026. https://github.com/langchain-ai/deepagents [18] LangChain Docs, Deep Agents overview, 2026. https://docs.langchain.com/oss/python/deepagents/overview [19] LangChain Docs, Deep Agents backends, 2026. https://docs.langchain.com/oss/python/deepagents/backends [20] OpenHands, GitHub
81810编辑于 2026-04-13 从Vibe Coding到Harness Engineering的实践与思考
langchain-ai/deepagents把harness原语做成了一个独立可安装的库。 [17][18]更具体一点，deepagents内建write_todos来显式外化任务分解与进度追踪；虚拟文件系统支持in-memorystate、localdisk、LangGraphstore、sandbox 无论是Anthropic和OpenAI把harnessdesign写成明确的工程原则，SWE-agent把接口质量提升为性能变量，还是DeepAgents、OpenHands、Meta-Harness把 [18]LangChainDocs,DeepAgentsoverview,2026.https://docs.langchain.com/oss/python/deepagents/overview[19 ]LangChainDocs,DeepAgentsbackends,2026.https://docs.langchain.com/oss/python/deepagents/backends[20]OpenHands
1.8K103编辑于 2026-04-02- 来自专栏拓端tecdat
2026AI变革行业创新发展大模型报告：DeepSeek、Kimi与国产算力|附300+报告、数据合集下载
技术开发与实战指南 标题：2025年用LangChain+DeepAgents开发高级AI智能体实战指南 链接：点击阅读 核心内容：详细介绍使用LangChain和DeepAgents构建AI智能体的技术架构与开发流程
79310编辑于 2026-05-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号