docs: fix Deep Agents harness profile usage (#90) Co-authored-by: hebishi hebishi@ainnovation.com
docs: fix Deep Agents harness profile usage (#90)
Co-authored-by: hebishi hebishi@ainnovation.com
基于 LangChain / LangGraph 生态,系统构建生产级 AI Agent
由 沧海九粟 出品 · LangChain 官方认证大使 · 《LangChain 实战》《LangGraph 实战》作者 · B 站万粉 UP 主
[!WARNING] 本课程讲授的 Deep Agents 版本为 ≥ 0.5。 部分进阶功能有更高最低版本要求,章节正文会单独标注;例如 FilesystemPermission 基础权限需要 deepagents>=0.5.2,FilesystemBackend 的 virtual_mode 参数需要 deepagents>=0.5.0,interrupt 权限模式需要 deepagents>=0.6.8。 官方文档:Deep Agents Overview
FilesystemPermission
deepagents>=0.5.2
FilesystemBackend
virtual_mode
deepagents>=0.5.0
interrupt
deepagents>=0.6.8
[!NOTE] 🤖 模型选择:示例默认通过 硅基流动 接入模型。建议用 MODEL_NAME 环境变量管理模型名,而非写死在代码里;平台模型、价格和免费范围会调整,使用前请查看 模型广场、价格页与更新公告。 入门 / 简单任务 — 当前免费版 Qwen/Qwen2.5-7B-Instruct 可用于跑通示例;如果想用更强一点、同时控制成本,deepseek-ai/DeepSeek-V4-Flash 也适合作为快速试跑的选择。 复杂场景(任务规划、上下文总结、多子 Agent 编排)— 小模型往往无法稳定跑通,建议改用能力更强、支持工具调用的模型: zai-org/GLM-5.2 — 面向长程 Agent 任务,支持 1M 上下文
[!NOTE] 🤖 模型选择:示例默认通过 硅基流动 接入模型。建议用 MODEL_NAME 环境变量管理模型名,而非写死在代码里;平台模型、价格和免费范围会调整,使用前请查看 模型广场、价格页与更新公告。
MODEL_NAME
Qwen/Qwen2.5-7B-Instruct
deepseek-ai/DeepSeek-V4-Flash
zai-org/GLM-5.2
配合课程学习,推荐安装以下两个 AI 编码助手技能,在开发过程中获得框架级的专业指导:
# LangChain 开发指南 — 工程陷阱与验证修复 npx skills add ob-labs/agentseek --skill langchain-dev-guide # LangSmith Trace 调试 — 追踪与性能分析 npx skills add ob-labs/agentseek --skill langsmith-trace
技能源码:langchain-dev-guide · langsmith-trace
基于 AgentSeek 工程化套件,帮助学员快速搭建开发环境:
npx skills
后续课程内容将根据 Deep Agents 的官方能力演进持续更新。
由 沧海九粟 在 DataWhale 上开源的另一门课程,是面向所有 AI 爱好者的 Data 与 AI 基础入门教程 —— 《Easy Data x AI》。目前已经进入了内测阶段,欢迎大家来学习和积极参与共建。
# 安装依赖 npm install # 启动开发服务器(含内容预处理) npm run dev # 构建生产版本 npm run build # 预览构建产物 npm run preview
deepagents-in-action/ ├── content/ # 章节正文(Markdown,每章一个文件) │ ├── ch01-agent-harness.md │ ├── ch02-quickstart.md │ └── ... ├── public/ │ ├── imgs/ # 正文插图 │ └── pdfs/ # 章节 PDF ├── scripts/ │ ├── chapters.json # 章节元数据(标题、发布状态、视频链接等) │ └── prep-content.mjs # 内容预处理脚本(注入 frontmatter) └── src/ ├── components/ # Astro 组件 ├── layouts/ # 页面布局 └── pages/ # 路由页面
content/ 目录中的 Markdown 文件是源文件,不含 frontmatter。scripts/prep-content.mjs 在 dev / build 前自动运行,从 scripts/chapters.json 读取元数据,生成带 frontmatter 的文件到 src/content/chapters/。
content/
scripts/prep-content.mjs
dev
build
scripts/chapters.json
src/content/chapters/
正文图片统一写成 ../public/imgs/<文件名>。内容预处理会将它转换为带站点 base 的 /deepagents-in-action/imgs/<文件名>;资产校验会同时检查 Markdown 中引用的图片是否真实存在于 public/imgs/。
../public/imgs/<文件名>
/deepagents-in-action/imgs/<文件名>
public/imgs/
注意:content/ 下 .md 文件的首行 H1 标题在生成时会被自动移除, 页面标题统一取自 scripts/chapters.json。
.md
添加或修改章节内容,只需编辑 content/ 目录下对应的 .md 文件。修改标题、发布状态、视频链接等元数据,编辑 scripts/chapters.json。
课程文字内容采用 CC BY-NC-SA 4.0 协议。网站源代码采用 MIT 协议。
欢迎提交 PR 修正错别字、改善排版,或参与内容讨论。所有贡献者都会出现在特别感谢中,并获赠 LangChain 官方社区(中国)礼品。详见 CONTRIBUTING.md。
《Deep Agents 实战》—— LangChain 官方大使出品,基于 LangChain / LangGraph 生态,从零构建生产级 AI Agent 的完整指南
版权所有:中国计算机学会技术支持:开源发展技术委员会 京ICP备13000930号-9 京公网安备 11010802047560号
《Deep Agents 实战》
基于 LangChain / LangGraph 生态,系统构建生产级 AI Agent
由 沧海九粟 出品 · LangChain 官方认证大使 · 《LangChain 实战》《LangGraph 实战》作者 · B 站万粉 UP 主
课程大纲
推荐技能
配合课程学习,推荐安装以下两个 AI 编码助手技能,在开发过程中获得框架级的专业指导:
准备篇 — 动手实操前的环境搭建与工具安装
基于 AgentSeek 工程化套件,帮助学员快速搭建开发环境:
npx skills安装开发技能:为 AI 编码助手加载 LangChain 工程经验认知篇
核心篇
进阶篇
后续课程内容将根据 Deep Agents 的官方能力演进持续更新。
配套资源
友情链接
由 沧海九粟 在 DataWhale 上开源的另一门课程,是面向所有 AI 爱好者的 Data 与 AI 基础入门教程 —— 《Easy Data x AI》。目前已经进入了内测阶段,欢迎大家来学习和积极参与共建。
模型算力支持
❤️ 特别感谢
Star History
本地开发
环境要求
安装与启动
项目结构
内容流水线
content/目录中的 Markdown 文件是源文件,不含 frontmatter。scripts/prep-content.mjs在dev/build前自动运行,从scripts/chapters.json读取元数据,生成带 frontmatter 的文件到src/content/chapters/。正文图片统一写成
../public/imgs/<文件名>。内容预处理会将它转换为带站点 base 的/deepagents-in-action/imgs/<文件名>;资产校验会同时检查 Markdown 中引用的图片是否真实存在于public/imgs/。添加或修改章节内容,只需编辑
content/目录下对应的.md文件。修改标题、发布状态、视频链接等元数据,编辑
scripts/chapters.json。技术栈
开源协议
课程文字内容采用 CC BY-NC-SA 4.0 协议。
网站源代码采用 MIT 协议。
欢迎提交 PR 修正错别字、改善排版,或参与内容讨论。所有贡献者都会出现在特别感谢中,并获赠 LangChain 官方社区(中国)礼品。详见 CONTRIBUTING.md。