# deepagents_test_0316

**Repository Path**: xfor011_admin_admin/deepagents_test_0316

## Basic Information

- **Project Name**: deepagents_test_0316
- **Description**: deepagents测试项目
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-07-04
- **Last Updated**: 2026-07-04

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## langchain家族框架对比

```
langchain-core: 
	核心抽象层/基础库，定义了最基础的接口、类型系统和抽象类
	砖块和水泥
langgraph： 
	运行时/编排与执行引擎,基于langchain-core,构建相对固定长流程的状态图
	施工队和脚手架
langchain： 
	框架应用层，基于langchain-core和langgraph,提供了构建智能体的简易函数
	毛坯房框架
deepagents: 
	多智能体套件(agent harness)，基于langchain和langgraph, 提供简洁易用的规划，文件系统，子智能体等功能
	精装全配豪宅
```



## 如何选择

```
LangChain: 简单，快速，没有复杂的长流程处理需求
LangGraph: 明确的多步骤长流程处理需要（如：RAG项目）
DeepAgents：需要进行多个方向处理和分析（如：网络搜索，数据库为查询，RAG搜索等）
```

## DeepAgents核心能力

```
1. 智能规划与任务分解：  利用write_todos等工具将复杂任务拆解成小任务执行，实时跟踪执行进度，动态调用流程
2. 高效上下文管理：内置文件系统工具来管理上下文数据，可以及时保存到不同类型的存储中，防止上下文窗口溢出
3. 子代理生成机制：将子代理封装成task工具，将不同任务、复杂任务交给合适的子agent处理，上下文隔离，防止主agent溢出
4. 长期记忆能力： 多种存储方式实现长期记忆（文件，内存KV存储，组合式存储）
```

## DeepAgents基本使用

```
下载包
配置BASE_URL和API_KEY
定义需要的工具
初始化模型
创建深度智能体
调用智能体，读取结果数据
```



## Message的分类

```
SystemMessage - 系统消息
    设定 AI 助手的角色和行为准则
    例如："你是一个专业的Python编程助手"
HumanMessage - 用户消息
    代表用户的输入或问题
    例如："你好，介绍一下你自己"
AIMessage - AI 消息
    代表模型处理的回复，可能是最终结果，也可能是准备调用工具或者子智能体
    存储模型处理的结果
ToolMessage - 工具消息
    代表工具处理的返回
  	存储工具处理的结果
```



## 流式输出

```
stream()
基于 LangGraph 提供流式输出的支持，可以实时跟踪进展、Token的使用数量和工具调用
可以判断是工具将要调用还是工具调用返回，还是模型调用返回？
输出不同阶段的相关数据
```

## 异步执行

```
agent.ainvoke(): 异步非流式输出
agent.astream()：异步流式输出 => 其返回的是AsyncInterator(异步迭代器)，必须通过async for来遍历
在高并发服务器（如:FastAPI）中使用astream()实现流式并行执行，提高处理速度

```

## 子智能体

```
- 什么时候使用SubAgent？
	多步骤任务会让主代理的上下文变得多而杂乱
	需要不同模型能力的任务（多模态）
	需要不同的 “专业技能 / 专属工具”
- 什么时候不应使用SubAgent
	任务简单，一步就能干完
	需要中间信息连贯，不能拆
	当运营费用超过收益时
- 子agent配置的2种形式？
	字典
	CompiledSubAgent
- 字典形式的子agent
	name / description / system_prompt / tools / model
- CompiledSubAgent形式的子agent
	包装langchain的agent
	包装langgraph的stateGraph
- 子智能体格式化输出
	给子智能体配置response_format，并指定包含的字段和类型
- 子智能体可以嵌套，但不要超过2层子智能体
```



## 人工审批

```
```



## 后端存储

```
```



## 文件权限控制

```
```



## 技能

```
```

## 测试题

1. langchain,langgraph与deepagents的区别
2. 如何选择langchain,langgraph与deepagents？
3. Message的分类和各自的特点
4. 深度智能体执行的4个方法和区别
5. 配置子智能体的几种方式和选择