datawhalechina/deepagents-in-action

datawhalechina/deepagents-in-action has 2,920 GitHub stars and 307 forks. GitHot measured +10 stars in 24 hours and +43 in 7 days. Last checked 2026-11-11 08:23 UTC. Last push 2026-10-27.

How these counts are measured

📚 《Deep Agents 实战》 — A complete guide to building production-grade AI agents from scratch with the LangChain and LangGraph ecosystem, created by an official LangChain Ambassador.

2,920 stars 307 forks +10 in 24h

Measured star growth

in 24h: +10
in 7 days: +43
in 15 days: Collecting history
in 1 month: Collecting history

Net star changes over overlapping periods, not daily totals. Missing measurements are left blank. Stars measure attention, not software quality.

README.md

Original

Deep Agents 实战

作者：沧海九粟 · LangChain 官方认证大使 · LCAE 认证

基于 LangChain / LangGraph 的中文开源课程，配套 17 章图文与实验模板，并持续补充视频。从第一个 Agent 开始，逐步掌握任务规划、文件系统、子 Agent 协作与上下文管理。

从这里开始： 环境准备 → 5 分钟上手 → 课程大纲

[!NOTE] 课程从 0.5 起步，当前推荐使用最新的 Deep Agents 0.7.x。从 0.5 / 0.6 升级的读者，请先阅读 v0.7 版本更新与迁移指南。

版本要求与模型配置

旧章节和图片保留了当时的默认行为，紧邻它们的“v0.7 提醒”代表当前用法。进阶与 Beta 功能的依赖要求以各章说明为准。

功能	版本要求
`FilesystemPermission` 基础权限 / `interrupt` 模式	分别需要 `deepagents>=0.5.2` / `deepagents>=0.6.8`
第 13 章：`RubricMiddleware`（Beta）	章节以 `deepagents==0.7.1` 验证
第 14 章：Event Streaming v3	`deepagents>=0.6`
第 15 章：Interpreters（Beta）	Python 3.11+、`langchain-quickjs>=0.2.0`
第 17 章：Decision Model Harness	Python 3.11+；以 `deepagents==0.7.23`、`langchain-typesafe[experimental]==0.0.1a3` 验证

示例默认通过硅基流动接入支持工具调用的模型，使用 MODEL_NAME 环境变量配置模型名。小模型可用于简单试跑；任务规划、上下文总结和多 Agent 编排需要更强的模型能力。

模型可用性、价格与免费额度会调整，使用前请查阅模型广场、价格页和更新公告。框架说明见 Deep Agents 官方文档。

课程大纲

想先看 Deep Agents 的整体架构？ 第 1 章的三层选择与组合解释 Deep Agents、LangChain 与 LangGraph 的分工；整体架构图展示 Middleware、工具、Backend 和运行时的连接；第 2 章的核心执行循环说明一次 invoke() 背后如何反复调用模型与工具。配合阅读官方博客 Deep Agents vs LangChain vs LangGraph。

准备篇 — 动手实操前的环境搭建与工具安装

基于 AgentSeek 工程化套件，帮助学员快速搭建开发环境：

AgentSeek 生命周期工作流：创建 DeepAgents 模板，检查环境并启动前后端
npx skills 安装开发技能：为 AI 编码助手加载 LangChain 工程经验

版本更新 — 理解变化，再决定如何升级

版本更新不按功能逐条抄录，而是解释默认行为为什么改变、哪些应用会受影响，以及如何用评测和 Trace 验证迁移结果：

Deep Agents v0.7：更轻、更透明、更可配置的 Harness：正确理解 65% 基础输入 Token 降幅，判断是否恢复 Todo，掌握 Middleware 原位覆盖、文件工具语义变化与 v0.6→v0.7 迁移路径。

如果你从 0.5 或 0.6 一路学到这里，建议先读更新章，再升级依赖和重跑原有实验。v0.7 的默认 Harness 更轻，通用提示词不再重复占用每轮输入；Todo 从固定成本变成按任务选择；Middleware 可以在原位置换；文件工具新增删除能力，并明确覆盖、分页和截断语义。官方给出的 65% 是简单回合的基础输入降幅，不代表每个应用的总成本都会下降 65%。

按章节开始实验

每章下方列出实验目标和模板。第 6、8、9、11 章需按正文补充能力；第 15、16 章共用的 deepagents/subagents-dynamic 已合并至 main，可直接创建。

创建与启动模板（所有章节通用）

安装 AgentSeek，将下面的 deepagents/default 替换为对应章节的模板名：

uv tool install --upgrade agentseek
agentseek create deepagents/default --checkout main --no-input

进入生成目录，查看可用任务，按项目 README 安装依赖并配置 .env，然后检查环境、启动应用：

agentseek task --list
# 完成依赖安装与 .env 配置后
agentseek doctor
agentseek dev

用 agentseek create --list-templates --checkout main 查看全部模板。需要固定实验环境时，将 main 换为完整提交 SHA。

认知篇

第 1 章：从 Agent Framework 到 Agent Harness — Deep Agents 的诞生逻辑

辨清 Runtime、Framework 与 Harness。模板：deepagents/default

第 2 章：快速上手 — 5 分钟构建你的第一个 Deep Agent

修改提示词和工具，跑通第一个 Agent。模板：deepagents/default

核心篇

第 3 章：虚拟文件系统 — Deep Agents 的 Context Engineering 核心

观察文件系统如何保存内容与中间结果。模板：deepagents/content-builder

第 4 章：任务规划与分解 — 让 Agent 学会拆解复杂任务

显式启用 Todo，观察任务计划与状态变化。模板：deepagents/research

第 5 章：子 Agent 与上下文隔离 — 让 Agent 学会委派

观察子任务委派与上下文隔离。模板：deepagents/research

第 6 章：异步子 Agent — 让主 Agent 同时驱动多个子任务

按正文接入 AsyncSubAgent，运行异步子任务。模板：deepagents/research

进阶篇

第 7 章：Skills — 可复用的 Agent 能力包

运行内置 Skills，观察匹配与渐进式加载。模板：deepagents/content-builder

第 8 章：长期记忆 — 让 Agent 拥有跨对话的记忆

按正文接入 StoreBackend，验证跨会话记忆。模板：deepagents/content-builder

第 9 章：Human-in-the-Loop — 构建安全的人机协作流程

按正文为 MCP 工具配置人工审批。模板：deepagents/mcp

第 10 章：沙箱执行 — 让 Agent 安全地运行代码

在沙箱中验证隔离执行与文件读写。模板：deepagents/sandbox

第 11 章：文件系统权限 — 用声明式规则控制 Agent 的读写边界

按正文配置 FilesystemPermission，划分访问边界。模板：deepagents/content-builder

第 12 章：MCP — 用标准协议扩展 Deep Agents 工具生态

验证 MCP 工具发现与名称冲突处理。模板：deepagents/mcp

前沿预览

第 13 章：Grading Rubrics（评分量规）— 让 Agent 按验收标准自我迭代

运行 Guided Demo，观察证据与验收闭环。模板：langchain/rubric

第 14 章：Streaming — 实时观察主 Agent、子 Agent 与工具调用

观察 Event Streaming v3 的 Agent 与工具事件流。模板：deepagents/streaming

第 15 章：Interpreters — 让 Agent 用代码编排工具与数据

观察 QuickJS eval 与 task() 动态调度。模板：deepagents/subagents-dynamic

第 16 章：Dynamic Subagents — 用代码编排多个 Agent

运行六种编排模式，观察真实调用事件。模板：deepagents/subagents-dynamic

第 17 章：Decision Model Harness — 用模型路由与 Auto Mode 控制 Agent

从运维查询、故障分析与重启授权场景出发，理解决策模型的价值与基础原理，用轻量示例说明 LangChain / Deep Agents 的模型路由与工具检查。配套实验：langchain/jev-harness

后续课程内容将根据 Deep Agents 的官方能力演进持续更新。

关于作者

沧海九粟 · LangChain 官方认证大使 · 《LangChain 实战》《LangGraph 实战》作者 · B 站万粉 UP 主。

专业认证： LangChain Certified Agent Engineer（LCAE）

友情链接

由 沧海九粟 在 DataWhale 上开源的另一门课程，是面向所有 AI 爱好者的 Data 与 AI 基础入门教程 —— 《Easy Data x AI》。目前已经进入了内测阶段，欢迎大家来学习和积极参与共建。

模型算力支持

本课程的模型算力由 硅基流动（SiliconFlow） 支持。硅基流动是一站式大模型云服务平台，基于自研推理引擎实现大模型高效推理加速，提供高效能、低成本的多品类 AI 模型服务，让开发者和企业聚焦产品创新，无须担心大规模推广带来的高昂算力成本。

🎁 新用户福利：通过课程专属注册链接注册并完成实名认证，即可获得 16 元全平台通用代金券，可用于平台上百余种模型的调用，足够跑通本课程的全部示例。
🧪 实验配额补贴池：用上面的链接注册时，作者也会获得平台返利。这部分返利会全额回馈给学员——汇集成一个「实验配额补贴池」：跟着课程做实验、复现示例时如果额度不够用，可以联系作者申请额外的算力配额补贴，把福利转回给真正在动手的同学。

❤️ 特别感谢

感谢 @Sm1les 对本项目的帮助与支持。
感谢每一位为本项目提交代码、修正文档、提出建议的开发者，所有贡献都让这门课程变得更好。❤️

Star History

本地开发

环境要求

Node.js ≥ 22.12.0

安装与启动

# 安装依赖
npm install

# 启动开发服务器（含内容预处理）
npm run dev

# 构建生产版本
npm run build

# 预览构建产物
npm run preview

项目结构

deepagents-in-action/
├── content/          # 章节正文（Markdown，每章一个文件）
│   ├── ch01-agent-harness.md
│   ├── ch02-quickstart.md
│   └── ...
├── public/
│   ├── imgs/         # 正文插图
│   └── pdfs/         # 章节 PDF
├── scripts/
│   ├── chapters.json # 章节元数据（标题、发布状态、视频链接等）
│   └── prep-content.mjs  # 内容预处理脚本（注入 frontmatter）
└── src/
    ├── components/   # Astro 组件
    ├── layouts/      # 页面布局
    └── pages/        # 路由页面

内容流水线

content/ 目录中的 Markdown 文件是源文件，不含 frontmatter。
scripts/prep-content.mjs 在 dev / build 前自动运行，从 scripts/chapters.json 读取元数据，生成带 frontmatter 的文件到 src/content/chapters/。

正文图片统一写成 ../public/imgs/<文件名>。内容预处理会将它转换为带站点 base 的 /deepagents-in-action/imgs/<文件名>；资产校验会同时检查 Markdown 中引用的图片是否真实存在于 public/imgs/。

注意：content/ 下 .md 文件的首行 H1 标题在生成时会被自动移除，页面标题统一取自 scripts/chapters.json。

添加或修改章节内容，只需编辑 content/ 目录下对应的 .md 文件。
修改标题、发布状态、视频链接等元数据，编辑 scripts/chapters.json。

技术栈

Astro 6 — 静态站点框架
Tailwind CSS 4 — 样式
TypeScript

开源协议

课程文字内容采用 CC BY-NC-SA 4.0 协议。
网站源代码采用 MIT 协议。

欢迎提交 PR 修正错别字、改善排版，或参与内容讨论。所有贡献者都会出现在特别感谢中，并获赠 LangChain 官方社区（中国）礼品。详见 CONTRIBUTING.md。