datawhalechina/deepagents-in-action

这个项目是什么

Deep Agents 实战 是一门免费的中文在线课程，教你如何使用 LangChain 和 LangGraph 框架构建AI智能体。它由DataWhale开源社区发布，由LangChain认证大使沧海九粟编写。

课程包含 17章 图文并茂的书面课程以及可直接运行的实验模板，并逐步添加视频补充。课程从你的第一个智能体开始，逐步涵盖任务规划、文件系统、子智能体协作和上下文管理。

适合谁

聪明但非专业的学习者，希望动手实践AI智能体。课程假设你会跟着实验操作，而不仅仅是阅读理论。课程为中文。

你将学到什么（章节地图）

准备 — 使用名为AgentSeek的工具设置开发环境，并安装AI编码助手“技能”，在编码时提供框架级指导。

版本更新指南 — 解释Deep Agents v0.7中的变化（更轻量的默认设置，简单对话的基础输入token减少约65%，新的文件工具行为）以及如何从v0.5/v0.6迁移。

认知章节

• 第1章：什么是“Agent Harness”，以及Deep Agents、LangChain和LangGraph如何分工
• 第2章：5分钟构建你的第一个智能体

核心章节

• 第3章：虚拟文件系统 — 智能体如何保存内容和中间结果
• 第4章：任务规划 — 教智能体分解复杂任务
• 第5章：子智能体 — 委派工作和隔离上下文
• 第6章：异步子智能体 — 并行运行多个子任务

高级章节

• 第7章：技能 — 可重用的能力包
• 第8章：长期记忆 — 跨对话记忆
• 第9章：人在回路 — 安全的人工审批流程
• 第10章：沙箱执行 — 安全运行代码
• 第11章：文件系统权限 — 声明式读写边界
• 第12章：MCP — 扩展智能体工具生态系统的标准协议

前沿预览

• 第13章：评分标准 — 智能体根据验收标准自我迭代
• 第14章：流式 — 实时查看智能体和工具事件
• 第15章：解释器 — 智能体用代码编排工具
• 第16章：动态子智能体 — 代码编排的多智能体模式
• 第17章：决策模型框架 — 模型路由和自动模式用于智能体控制

如何跟随学习

每章都有一个实验模板。你安装AgentSeek，创建一个模板（例如，agentseek create deepagents/default），配置一个.env文件，运行agentseek doctor检查环境，然后运行agentseek dev启动。模型通过 SiliconFlow（硅基流动） 访问，这是一个云模型平台；课程赞助商为新用户提供16元代金券，剩余的推荐积分被汇集起来补贴配额用尽的学生。

访问方式

• 在线阅读: datawhalechina.github.io/deepagents-in-action/
• Bilibili视频: 从README链接
• 小红书帖子: 从README链接

网站本身的技术栈

课程网站使用Astro 6、Tailwind CSS 4和TypeScript构建。章节内容以Markdown文件形式存放在content/文件夹中；构建前，预处理脚本从scripts/chapters.json注入元数据。本地开发需要Node.js ≥ 22.12.0。

许可

• 课程文本: CC BY-NC-SA 4.0（相同方式共享，非商业）
• 网站源代码: MIT

如何贡献

欢迎提交拉取请求 — 修复错别字、改进布局或讨论内容。所有贡献者都会在README的“特别感谢”部分得到致谢，并获得LangChain官方社区（中国）的礼物。

关键信息一览

项目	详情
语言	中文
教授框架	LangChain / LangGraph / Deep Agents
章节	17 + 准备 + 版本更新指南
作者	沧海九粟 (LangChain认证大使)
模型提供商	SiliconFlow (硅基流动)
内容许可	CC BY-NC-SA 4.0
代码许可	MIT
当前版本	推荐Deep Agents 0.7.x

注意：README提到课程已获得2000+ GitHub星标并出现在Trendshift上，但README本身未说明确切的星标数量。