DeepAgents
一个开箱即用的Agent Harness（智能体运行框架），基于LangChain和LangGraph封装，内置规划器、工具调用重试机制、上下文压缩等生产级模块，专为多步骤、长链路复杂Agent任务设计
核心事实
时间轴 (近 90 天)
DeepAgents所强调的长期稳定运行能力，很大程度上建立在LangGraph的状态管理和持久化能力之上。
DeepAgents当前仍在快速迭代中，子智能体是其核心抽象。
学习DeepAgents需要重点补齐LangGraph的状态流转和分支控制机制，以及子智能体的创建与调度模式。
LangChain团队在2025年11月前后推出了DeepAgents框架。
异步子智能体设计时需要考虑结果聚合顺序、错误传播策略、状态一致性、资源与限流等四类并发问题。
DeepAgents支持创建同步子智能体和异步子智能体两种模式：同步模式下主智能体等待子智能体完成后继续；异步模式下子智能体可并行执行，主智能体不必阻塞等待。
即便 LangChain / LangGraph 基础不扎实也不影响理解和使用 DeepAgents，因为底层流程机制已被抽象封装
DeepAgents主要解决跨多个智能体的协调与生命周期管理，使开发者无需手动编写图节点和边的转移逻辑
据讲解者透露，目前企业级项目基本都在采用DeepAgents的多智能体协作架构来落地
在长周期任务中异步模式能显著缩短整体执行时间，而同步模式在逻辑严格串行时保证结果正确性，两种模式可混合使用
还有 26 条时间轴事件
全部知识事实 (20)
DeepSeek Harness 提供多种工作模式，在自主性和可控性之间形成光谱
80%已验证简单链式任务用 LangChain，复杂分支逻辑用 LangGraph，需要文件系统、沙箱、技能调用等企业级能力时选择 DeepAgents
75%已验证Agent开发框架包括LangChain生态里的LangChain、LangGraph、DeepAgents，以及面向Java开发者的Spring AI、Spring AI Alibaba
75%已验证早期的DeepAgents框架是一个完整的Harness架构实现，围绕核心构建了大约七个层面的工程模块：工具调用、文件系统、沙箱环境、上下文管理、记忆系统、逻辑编排与中间件、反馈回路与约束机制
70%已验证LangChain 生态存在三层结构：底层 LangGraph、中间层 LangChain、最上层 DeepAgents
70%已验证同步子智能体在被主Agent调用时会阻塞主流程，等待返回结果后再继续，适合结果之间存在依赖关系的场景
65%已验证DeepAgents和LangChain都基于LangGraph实现
65%已验证子智能体模式将复杂任务分解为多个独立子任务，每个子智能体拥有隔离的上下文，完成后将结果返回给编排者
65%已验证DeepAgents 是基于 LangChain 和 LangGraph 之上的封装
65%已验证智能体（Agent）是具备自主决策能力的AI，能自行拆解任务如搜索信息、提取内容、生成报告
65%待验证DeepAgents的图结构设计支持有向图工作流、持久化状态检查点和Human-in-the-loop人机协作模式
85%待验证DeepAgents项目采用Python开发，可直接对接Hugging Face、OpenAI SDK等主流工具库
80%待验证AutoGPT、CrewAI、MetaGPT等Agent框架更侧重于提供预定义的Agent角色和协作模式，而DeepAgents更强调底层运行时的健壮性和可控性
70%待验证DeepAgents 是 LangChain 生态中相对较新的框架，定位偏企业级落地，支持本地文件系统操作、沙箱机制、Skill 调用等能力
60%待验证在LangChain托管Deep Agents中，模型、提示词、工具和子智能体由开发者决定，而持久化、记忆、技能加载、代码执行沙箱和部署由平台处理
60%待验证DeepAgents 的核心是主入口函数 create_deep_agent，用于创建具备规划、工具调用和上下文管理能力的智能体
60%待验证DeepAgents当前仍在快速迭代中，子智能体是其核心抽象。
50%待验证DeepAgents支持创建同步子智能体和异步子智能体两种模式：同步模式下主智能体等待子智能体完成后继续；异步模式下子智能体可并行执行，主智能体不必阻塞等待。
50%待验证异步子智能体设计时需要考虑结果聚合顺序、错误传播策略、状态一致性、资源与限流等四类并发问题。
50%待验证DeepAgents所强调的长期稳定运行能力，很大程度上建立在LangGraph的状态管理和持久化能力之上。
50%