meng shao@shao__meng · X海里的这份 Deep Agents 教程把 LangChain 生态下的 Agent 开发梳理成了清晰的三层架构，虚拟文件系统、子 Agent、Skills 这些实战点讲得透，正在做协作型 Agent 的开发者终于有个成体系的免费入门路径了。
LangChain 官方认证大使 @zhanghaili0610 推出开源教程《Deep Agents 实战》，基于 LangChain / LangGraph 生态，讲解如何用 Deep Agents Harness 框架构建真实 Agent 应用。核心是“三层架构”：Runtime（LangGraph）、Framework（LangChain）、Harness（Deep Agents）。技术内核为上下文工程，通过虚拟文件系统实现按需读取、中间结果落盘、大文件局部读取。教程共 8 章 + 2 准备篇，覆盖虚拟文件系统（六大工具）、任务规划、子 Agent 委派（异步并行）及 Skills 复用（可在 Claude Code、Cursor 等 30+ 工具中通用）。
开源技术教程「Deep Agents 实战」，LangChain 官方认证大使 @zhanghaili0610 出品，他也是「LangChain 实战」「LangGraph 实战」的作者 https：//github.com/datawhalechina/deepagents-in-action
教程的核心是：基于 LangChain / LangGraph 生态，面向开发者讲解如何"用好" Deep Agents 这个 Harness 框架来构建真实应用。
核心思想：Agent 开发的"三层架构" 1. Runtime（运行时）：LangGraph，持久化执行、断点恢复、流式输出、人机协作 2. Framework（框架）：LangChain，模型抽象、工具接口、Agent 循环、中间件 3. Harness（套件）：Deep Agents ←本课主角，预置文件系统、任务规划、子 Agent、长期记忆
技术内核：上下文工程 Deep Agents 做法：引入虚拟文件系统，让 Agent 像人类一样工作： · 需要时才 read_file 按需读取 · 中间结果 write_file 落盘 · 大文件用 offset/limit 局部读取 · 上下文里只保留当前步骤真正需要的信息 · 这个文件系统还是可插拔的--内存、本地磁盘、数据库、远程沙箱、甚至混合路由，都可作为后端。
章节结构（8 章 + 2 准备篇） · 准备篇 ── AgentSeek 环境搭建、开发技能安装 · 认知篇 ── ch01 三层架构 / ch02 5分钟快速上手 · 核心篇 ── ch03 虚拟文件系统 / ch04 任务规划 / ch05 子Agent / ch06 异步子Agent · 进阶篇 ── ch07 Skills / ch08 长期记忆 · 规划中 ── Human-in-the-Loop、沙箱执行、流式前端、数据分析Agent、生产部署
四个核心能力的演进脉络值得注意： · 虚拟文件系统（ch03）-- 六大工具：read_file / write_file / edit_file / ls / glob / grep · 任务规划（ch04）-- write_todos 让 Agent 拆解并追踪复杂任务 · 子 Agent 委派（ch05-06）-- task 工具派发子任务，ch06 引入异步并行 · Skills 复用（ch07）-- 遵循开放的 Agent Skills 规范，编写的 Skill 可在 Claude Code、Cursor、Codex 等 30+ 工具中通用（"Skills 之于 AI Agent，就像 npm 包之于 Node.js"）