Deepagents快速实战：如何搭建一个能长跑任务的AI代理
【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents
Deepagents是一个MIT许可的开源AI代理框架，构建在LangGraph（提供流式、持久化能力的图运行时）之上。它把规划、文件读写、子代理和上下文管理打包成开箱即用的深度代理，专治"任务跑不完、状态存不住"的问题。
🎯 场景切入：为什么demo代理活不过真实任务
搭一个能答话的demo并不难，难的是让代理干完真实的活。社区维护者常碰到的痛点：任务跑了几十步上下文撑爆；中途断掉重来，前面做的全丢；出问题时不知道卡在哪一步。
Deepagents把这三件事一起解决：LangGraph运行时负责流式与检查点持久化；内置的上下文管理会把长对话压缩、把工具的大输出落盘；子代理让每个子任务拥有独立的上下文窗口，互不挤占。这些默认配置你不用自己拼，装上就能用。
🚀 代理快速上手：从安装到第一次调用
一行命令完成安装
uv add deepagents # 或者用 pip pip install deepagents三步创建第一个代理
三步：装依赖、传模型、写一句系统提示词。
from deepagents import create_deep_agent agent = create_deep_agent( model="openai:gpt-5.5", system_prompt="你是一个研究助理。", ) result = agent.invoke({"messages": "分析当前仓库结构并输出报告"})调用之后，这个代理已经会自己拆解任务、读写文件、管理上下文。不想写Python也行，libs/code/ 里有一个终端编程代理，装好就能在命令行里直接对话。
这张截图展示了Deepagents终端AI代理的运行界面- 追踪状态、当前token用量和所用模型都摆在明面上，帮你随时确认代理的运行情况。
📊 Ralph循环详解：让AI代理自己迭代到任务完成
Ralph循环是一种长任务模式：给它一个任务，代理干一阵，把进展写进文件系统，然后开一轮全新上下文，接着干同一个任务，如此往复，直到目标达成或你按下Ctrl+C。
这张图展示了Deepagents中Ralph模式的完整闭环：任务、代理与文件系统- 文件系统充当代理的外挂记忆，每一轮都能接着上一轮的成果继续，长任务不怕上下文溢出。
每轮都用干净上下文起步，天然绕开了长对话的两个坑：token超限和错误累积。examples/ralph_mode/ 里的示例脚本还支持限制迭代次数和接入Modal、Daytona等远程沙箱，代码执行都在隔离环境里跑。
📈 三个真实应用场景：Deepagents具体怎么干活
自动代码审查
让代理用内置的文件工具通读代码库，按仓库规则跑lint检查，然后输出改进清单。repo的examples目录里就有一个完整的编码代理示例，照抄就能跑。
智能文档维护
代理先用grep、glob类工具定位相关文档，再用文件编辑工具改内容、写变更说明。examples/content-builder-agent/ 把品牌语气写进AGENTS.md、把写作流程做成按需加载的skill，连续写出一批风格统一的文档。
自然语言转SQL的数据查询
examples/text-to-sql-agent/ 先探索表结构，再生成SQL并跑通验证，最后给出结果。每一步都能在LangSmith（记录代理执行轨迹的追踪平台）里回放。
这张截图展示了Deepagents AI代理执行SQL任务的完整轨迹- 中间步骤、时间戳和令牌消耗都可见，出错时能直接定位到具体哪一步。
🛠️ 定制与扩展：接入自己的模型、工具和提示词
代理的三个入参就是你的三个扩展点：
- 换模型：
model参数接受任何支持工具调用的LangChain聊天模型，前沿API、开源权重、本地部署都能接 - 加工具：
tools参数传入你自己的函数，也可以接入任何MCP（Model Context Protocol，一种让代理调用外部工具的标准协议）服务器 - 定行为：
system_prompt写清楚角色和边界，配合memory、skills参数把长期约定落进文件系统
⚠️ 避坑与最佳实践：安全、性能与测试
- 安全边界：Deepagents遵循"信任LLM"模型，代理会做工具允许的任何事。边界要在工具或沙箱层强制执行（比如把代码执行放进远程沙箱），别指望模型自我克制
- 启动性能：给CLI加功能时，别在模块级或参数解析路径里导入重包，这些导入会拉进整棵依赖树，连
--version都会变慢 - 测试要求：新功能和修复必须带单元测试；测试可观测行为而不是复制实现逻辑；警告即错误，先修掉再谈过滤
收尾
Deepagents就是一个为长任务而生的AI代理框架：模型、工具、提示词都是你的，缺什么补什么。下一步很简单——把本文快速上手那段代码跑起来，或者从examples目录挑一个示例跑通，一个下午你就能体会到它和"demo代理"的差距。
【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
