从普通 Agent 到 Deep Agents：复杂任务的能力演进
摘要当任务从几次 Tool Calling 扩展到几十步长流程，瓶颈已从工具调用转向状态与上下文管理。本文对比基础 Agent 与 Deep Agents，梳理 Agent Harness 的能力层次与适用边界。
AI Agent · 持续更新
Deep Agents 开发指南
从普通 Agent 的能力边界出发，系统学习 Deep Agents 的架构、任务规划、工具设计、文件系统、上下文管理、子 Agent、持久化执行与生产环境实践。
适合谁已掌握 Agent 开发基础，希望使用 Deep Agents 构建复杂任务处理系统的开发者
先修知识熟悉 Python，了解大模型调用、Prompt、Tool Calling 和 Agent 基本运行机制，具备一定 LangChain 或 LangGraph 基础
进度9 / 20 篇已发布
状态持续更新
这组文章围绕 Deep Agents 的核心机制与工程实践展开，从普通 Agent 的能力边界和 Deep Agents 的整体架构开始，逐步深入任务规划、工具设计、文件系统、上下文管理、子 Agent、Skills、持久化执行以及生产环境中的安全与可靠性设计。
Deep Agents 在基础 Agent 的模型与工具调用循环之上，引入规划、工作空间、上下文管理和任务委派等能力，为复杂、长时间运行的任务提供更完整的执行环境。本系列结合原理分析、源码解读与 Python 实战，帮助开发者理解这些能力如何协同工作，并逐步构建可扩展、可维护、可靠运行的 Deep Agent 系统。
阶段 1
理解 Deep Agents 的基础机制
从 Agent 的能力边界开始，掌握整体架构、快速入门与任务规划。
Deep Agents 架构解析：复杂 Agent 是怎样运行的
摘要从 create_deep_agent() 切入，梳理 Model、Tools、Middleware、Backend、Subagent 等职责边界，说明 Deep Agents 如何承载复杂任务的 Harness 能力。
Deep Agents 快速入门：从零构建第一个 Deep Agent
摘要以 Research Agent 为例，组装第一个 Deep Agent，说明其中的各个组件各自负责什么，并通过 invoke() 返回的消息查看 Agent Loop 中的工具调用记录。
复杂任务如何规划：Deep Agent 的 Planning 机制
摘要介绍 Deep Agent 的 Planning 机制：通过 TodoListMiddleware 与 write_todos 将任务计划写入 State，让模型在多次工具调用中记录进度并动态调整。
阶段 2
构建可靠的执行环境
设计工具、文件系统、Backend、Context、Shell 与执行环境。
从 Tool Calling 到可靠执行：Deep Agents 的工具设计
摘要梳理 Tool Calling 的执行链路与 Deep Agents 工具体系，给出职责、参数、结果、权限四类工具设计原则及工单工具示例。
为什么 Deep Agent 需要文件系统：Filesystem 与工作空间
摘要从多步骤任务产生的中间结果入手，说明 Deep Agents 为何需要 Filesystem，梳理 FilesystemMiddleware 与 Backend 的分工、核心文件工具的使用方式。
Deep Agents 的 Context Engineering：长任务如何控制 Token 成本
摘要围绕 Deep Agents 长任务中的上下文膨胀，梳理文件卸载、历史摘要与子任务隔离三种机制，并给出 SummarizationMiddleware 的触发阈值配置、关键状态独立保存和运行成本监控等工程实践。
Agent 文件去哪了：Deep Agents Backend 底层机制解析
摘要Deep Agents 由 Backend 决定写入文件的保存位置与生命周期，区分 State、Store、本地文件系统与混合四类实现，并影响跨会话读取与持久性。
会写代码还不够：Deep Agents 的 Shell 与 Sandbox
摘要Deep Agents 中 Shell、execute 与 Sandbox 分别对应命令执行方式、框架调用接口和运行环境。本文以数据分析任务为例，梳理从上传文件、编写并运行脚本，到校验产物、管理工作空间生命周期的完整链路。
Agent 为什么需要 Interpreter：从 Tool Calling 到程序化执行
本篇尚未发布。
阶段 3
扩展 Agent 的协作能力
理解 Subagent 委派和按需加载的 Skills。
复杂任务如何并行推进：Deep Agents 的 Subagent 机制
本篇尚未发布。
Agent 能力如何按需加载：Deep Agents Skills 机制
本篇尚未发布。
阶段 4
控制长期任务的可靠性
处理持久化、Memory、人工审批、扩展、安全与评测。
Agent 如何跑几小时甚至几天：Persistence 与 Durable Execution
本篇尚未发布。
Deep Agent 如何真正记住东西：Memory 的工程模型
本篇尚未发布。
Agent 可以自主，但不能失控：Human-in-the-loop 设计
本篇尚未发布。
Deep Agents 为什么可以扩展：Middleware 与 Harness 定制
本篇尚未发布。
Agent 有了 Shell 以后：权限、Sandbox 与安全边界
本篇尚未发布。
Agent 为什么失败：Tracing、Evaluation 与 Debugging
本篇尚未发布。
阶段 5
完整项目与生产实践
通过完整项目把前面的能力连接起来，并考虑生产环境约束。
完整实战：用 Deep Agents 构建一个 Deep Research Agent
本篇尚未发布。
从 Demo 到生产：如何设计一个真正可用的 Deep Agent
本篇尚未发布。