deepagents-in-action
📚 《Deep Agents 實戰》—— LangChain 官方大使出品,基於 LangChain / LangGraph 生態,從零建置生產級 AI Agent 的完整指南
deepagents-in-action 是什麼?
📚 《Deep Agents 實戰》—— LangChain 官方大使出品,基於 LangChain / LangGraph 生態,從零建置生產級 AI Agent 的完整指南
deepagents-in-action 概覽
這是什麼
《Deep Agents 實戰》是一套中文開源課程,由 LangChain 官方認證大使滄海九粟(LCAE 認證)撰寫。課程基於 LangChain / LangGraph 生態,提供從零建構生產級 AI Agent 的完整指南,包含 17 章圖文與實驗模板,並持續補充影片。內容從第一個 Agent 開始,逐步涵蓋任務規劃、檔案系統、子 Agent 協作與上下文管理。目前推薦使用 Deep Agents 0.7.x 版本。課程託管於 DataWhale 組織的 GitHub 倉庫,並有配套網站供瀏覽章節。
主要功能
- 17 章圖文與實驗模板,持續補充影片。
- 基於 LangChain / LangGraph 生態,涵蓋框架與 Harness 概念。
- 主題廣泛:虛擬檔案系統、任務規劃與分解、子 Agent(同步與非同步)、Skills、長期記憶、Human-in-the-Loop、沙箱執行、檔案系統權限、MCP 協定、評分量規、串流、直譯器、動態子 Agent 與決策模型 Harness。
- 每章提供現成實驗模板,透過 AgentSeek 工具建立。
- 模型推理由矽基流動(SiliconFlow)支援。
- 開源免費使用;倉庫中未明確宣告授權條款。
使用情境
本課程適合想使用 LangChain / LangGraph 生態學習建構生產級 AI Agent 的開發者與 AI 愛好者。可用於:
- 理解 Agent 框架的架構與執行循環。
- 實作任務規劃、檔案系統管理與子 Agent 委派。
- 加入長期記憶、人工審核流程與沙箱程式執行等進階功能。
- 實驗串流、直譯器與動態 Agent 編排。
- 使用 MCP 協定擴展工具生態。
快速開始
安裝 AgentSeek 並為所需章節建立模板: bash uv tool install --upgrade agentseek agentseek create deepagents/default --checkout main --no-input 進入產生的目錄,檢視可用任務、安裝依賴、設定 .env,然後檢查環境並啟動應用: bash agentseek task --list # 完成依賴安裝與 .env 設定後 agentseek doctor agentseek dev 若需本地開發課程網站(貢獻或預覽),需要 Node.js ≥ 22.12.0: bash npm install npm run dev 詳細的章節模板與需求請參閱倉庫 README。
授權與價格
倉庫標示為開源(pricing_type: open_source)。中繼資料與 README 中未明確宣告授權條款。課程免費使用。使用矽基流動進行模型推論可能產生費用;課程提供新用戶優惠券與實驗配額補貼池(詳見 README)。
內容整理自該專案公開的 README 與儲存庫資訊。