1378 积分	0 好友	186 主题

发消息

LangChain DeepAgents实战：几行代码实现复杂AI任务的规划与执行

发表于 3 天前 | 查看: 11| 回复: 0

当面对步骤繁多、需要系统推进的复杂任务时，设计执行流程与反复调试往往非常繁琐。是否存在一种开箱即用的智能体解决方案，能够免去从零设计流程的麻烦，也无需反复调整提示词与工具编排，仅通过少量代码即可完成任务？

这正是LangChain生态中DeepAgents的价值所在。

它提供了一套经过抽象与验证的复杂任务执行范式，将“规划、执行、整理”这些在复杂任务中反复出现的共性结构，封装为默认能力。开发者可以专注于定义任务目标本身，而无需关心底层如何拆解步骤、管理上下文或协调子任务。

在DeepAgents的设计中，复杂任务会被拆解为一系列明确的执行步骤，并按既定顺序逐步推进。执行过程中产生的重要信息会被持续记录与复用。任务完成后，所有阶段的输出会被统一整理，形成结构化的最终结果。

因此，DeepAgents特别适合应用于研究分析、内容创作、决策支持等场景。这类任务的共性是步骤多、周期长、过程信息价值高，且需要交付明确的最终产出。

简而言之，当你需要处理的不是一个简单的问答，而是一个需要系统化推进的复杂项目时，DeepAgents提供了一种结构清晰、即拿即用的智能体解决方案。

DeepAgents的核心设计思想

在LangChain的智能体体系中，DeepAgents的定位是快速构建以“规划驱动执行”为核心的智能体框架，主要解决以下问题：

处理需要先整体规划、再逐步拆解的跨度较大的复杂任务。
借助文件系统承载和管理大量上下文或中间结果（例如代码生成）。
将不同子任务分派给专门的子智能体，以实现上下文隔离与执行专注。
在多轮对话或多个执行线程中持续保留记忆与状态。

其核心思想体现在四个方面：

1. 规划与任务拆解
DeepAgents内置了 write_todos 工具，使智能体能够将复杂任务分解为清晰、可执行的步骤列表，持续跟踪进度，并在获得新信息时动态调整原计划。

2. 上下文管理
通过内置的文件系统工具（ls、read_file、write_file、edit_file），智能体可以将海量上下文“卸载”到外部存储，有效避免大语言模型上下文窗口溢出，同时也能灵活处理长度不固定的工具返回结果。

3. 子智能体生成
内置的 task 工具允许主智能体创建专门的子智能体来处理特定子任务。这种设计实现了上下文隔离，既能深入解决局部问题，又能保持主智能体上下文的简洁与清晰。

4. 长期记忆
可以通过LangGraph的Store为智能体扩展跨线程的持久化记忆能力，使其能够保存并在后续任务中检索关键历史信息。

代码生成实战示例

以下是一个使用DeepAgents进行OA系统前端代码生成的示例。开发者只需定义任务目标，无需手动编排复杂的执行流程。

from langchain_openai import ChatOpenAI
from deepagents import create_deep_agent
from deepagents.backends import FilesystemBackend
from dotenv import load_dotenv
import os

# 加载环境变量
load_dotenv()

# 配置LLM
base_url = os.getenv("BASE_URL", "https://openrouter.ai/api/v1")
model_name = os.getenv("MODEL_NAME", "anthropic/claude-sonnet-4")
temperature = float(os.getenv("TEMPERATURE", "0.2"))
timeout = int(os.getenv("TIMEOUT", "60"))

llm = ChatOpenAI(
    base_url=base_url,
    model=model_name,
    temperature=temperature,
    timeout=timeout,
    max_tokens=64000
)

# 使用文件系统后端管理项目文件
filesystem_backend = FilesystemBackend(root_dir="./project", virtual_mode=True)

# 创建DeepAgent
agent = create_deep_agent(
    model=llm,
    backend=filesystem_backend,
    # tools=[web_search], # 可在此集成其他自定义工具
    system_prompt="""
    你是一名资深软件开发助手（Developer Assistant），你的职责是根据用户需求生成代码，请使用中文输出。
    你只能使用React + vite技术栈，只生成前端页面即可。
    在生成前需要先读取现有项目的代码，在现有项目基础上进行生成。
    """
)

# 定义开发任务
development_request = """帮我生成一个OA系统"""
for event in agent.stream(
    {"messages": [{"role": "user", "content": development_request}]},
    stream_mode="values"
):
    event["messages"][-1].pretty_print()

运行上述代码，DeepAgents会自动完成以下工作：

1. 任务规划
智能体首先会将“生成OA系统”这个宏观任务，拆解为具体的、可执行的子步骤（如创建项目结构、编写登录页面、实现仪表盘等）。