🕷️
SetupAI
EN
💼較早收集於 2h

LangChain 推出 Deep Agents 實現生產 AI

LangChain 推出 Deep Agents 實現生產 AI
PostLinkedIn
💼閱讀原文： VentureBeat
#ai-agents#harness-engineering#subagentslangchain-deep-agentslangchaindeep-agentslanggraphautogpt

💡LangChain Deep Agents：生產 LLM 代理的關鍵 harness，超越模型升級。（38字）

⚡ 30-Second TL;DR

有什麼變化

Harness 工程擴展上下文控制，讓 LLM 主導迴圈和工具。

為什麼重要

這將焦點從模型轉向基礎設施，讓代理可靠進入生產。建構者可擴展複雜工作流程而不失一致性，潛在縮短企業應用開發時間。

下一步行動

在 LangChain 文件中測試 Deep Agents，建構子代理委派的待辦清單工作流程。

誰應關注：Developers & AI Engineers

關鍵要點

  • •Harness 工程擴展上下文控制，讓 LLM 主導迴圈和工具。
  • •Deep Agents 具規劃、虛擬 FS、程式碼執行、記憶體、隔離上下文平行子代理。
  • •子代理壓縮結果節省 token；主代理透過待辦清單追蹤 200 步進度。
  • •AutoGPT 因模型不成熟失敗；如今 LLM 進步使其可行。

🧠 深度解析

背景與延伸：來自公開資料，非原文內容。引用 9 個來源。

🔑 增強重點摘要

  • •Deep Agents 提供 CLI 工具，支持檔案讀寫、執行 shell 命令（需人工確認）、網路搜尋、HTTP 請求及跨會話持久記憶。[4]
  • •當工具回應超過 20,000 個 token 時，Deep Agents 自動將其卸載至檔案系統，並以檔案路徑及前 10 行預覽替代，防止上下文視窗溢出。[3]
  • •Deep Agents 支援針對性評估（targeted evals），用以驗證個別上下文管理機制，避免特定失敗模式。[3]
  • •Deep Agents 可與 LangSmith 原生整合，提供追蹤及部署功能，並支援串流、中斷檢查點及人機互動控制。[2][5]

🛠️ 技術深入

  • •Deep Agents 透過 create_deep_agent() 函數建立，內部為 LangGraph 圖形，支援串流（astream()）、檢查點及人機互動中斷。[1][5]
  • •子代理生成使用內建工具，支援自訂子代理參數，包括 model、middleware 及 interrupt_on 配置，用於上下文隔離及專屬指令。[1]
  • •後端支援 FilesystemBackend、StoreBackend 及 CompositeBackend；虛擬檔案系統用於儲存系統提示、技能及長期記憶。[1][7]
  • •上下文管理包括對話歷史壓縮、大型工具結果卸載至檔案系統、子代理隔離及提示快取，以降低延遲及成本。[2][3]
  • •持久記憶使用 LangGraph 的 Store 跨執行緒儲存，並儲存於 ~/.deepagents/AGENT_NAME/memories/ 目錄，支持多代理管理。[1][4]

🔮 前景展望AI analysis grounded in cited sources

Deep Agents 將成為企業建構長時間代理的標準工具
其成熟的上下文管理及 LangSmith 整合使企業能可靠部署複雜代理，預計在 2026 年進一步強化監控功能。[9]
開源代理框架將加速多代理系統採用
Deep Agents 提供電池全包的 SDK 及 CLI，降低建構自主代理的門檻，適用於研究及編碼等長時任務。[2][4]

⏳ 時間線

2023-10
LangGraph 推出，提供狀態化多代理工作流程基礎
2026-02
Deep Agents SDK 發布，內建規劃、子代理及檔案系統
2026-02
Deep Agents CLI 推出，支持終端機操作及持久記憶
2026-03
Deep Agents 官方文件及部落格發布，強調上下文管理
💼閱讀原文： VentureBeat
📰

AI 週報

閱讀本週精選 AI 大事摘要 →

👉相關動態

同主題

探索 #ai-agents

同產品

更多關於 LangChain

同來源

最新來自 VentureBeat

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： VentureBeat ↗

這是摘要，不是原文。去看原站，或訂閱每週簡報。

每週 AI 簡報

每週一封，可隨時退訂。