在 AI 领域，构建一个稳定、可 、可维护的智Neng体系统，是许多开发者梦寐以求的Neng力。而 DeepAgents 正是为此而生的框架。它不仅简化了复杂任务的编排，还提供了强大的工程化Neng力，帮助你快速构建出一个可运行的 AI Agent 应用。

简单来说DeepAgents 是一个基于 LangChain 和 LangGraph 的上层封装框架。它将常见的 Agent 构建模式打包成一个可复用的“壳子”，让你Ke以快速上手，而无需从零开始拼接各种模块。

虚拟文件系统是 DeepAgents 的核心Neng力之一。它为 Agent 提供了一个“受控工作区”，让 Agent kan起来在操作文件，其实是在一个安全边界内运行。这个Neng力在生产环境中非常关键，因为它Ke以让你灵活切换底层存储，比如从本地文件系统到数据库、网络存储等。

代码示例：

import { createDeepAgent, FilesystemBackend } from 'deepagents'
const backend = new FilesystemBackend({
  rootDir: 'E:/agent-workspace',
  virtualMode: true, // 强制沙箱：路径被约束在 rootDir 下
})
const agent = createDeepAgent({
  model: 'openai:gpt-',
  backend,
})
  

记忆和技Neng是 DeepAgents 的两个高频Neng力。记忆用于长期保存上下文信息，而技Neng则用于 Agent 的Neng力边界。比如你Ke以将售后政策、用户画像等信息作为长期记忆，避免每次对话dou重新加载。

代码示例：

const agent = createDeepAgent({
  model: 'openai:gpt-',
  backend: new FilesystemBackend,
  memory: ,
})
  

子代理是降低复杂度的关键。当你发现主代理的上下文被污染，或者任务过于复杂时子代理Ke以将任务拆解，避免主流程的混乱。比如你Ke以用一个专门的子代理来判断是走退款、换货还是维修，从而减少主代理的上下文负担。

代码示例：

const policySubagent = {
  name: 'policy-expert',
  description: '负责售后规则判定',
  systemPrompt: '你是售后政策专家，只Zuo规则判断并返回可执行结论。'
}
  

工具调用是 Agent 执行任务的关键。你Ke以通过工具来查询订单、质保、创建售后工单等。这些工具Ke以是真实业务系统中的 API，也Ke以是模拟的函数。

代码示例：

const queryOrder = tool(
  async  => {
    return {
      orderId,
      productName: '无线蓝牙耳机',
      purchaseDate: '2024-04-01',
      amount: 299,
    }
  },
  {
    name: 'query_order',
    description: '根据订单号查询订单详情',
    schema: z.object({
      orderId: z.string.describe,
    }),
  })
  

人工审批中断是保障流程安全的重要机制。你Ke以通过 interruptOn 配置来实现敏感操作的暂停与恢复，比如退款、支付等高风险操作。

代码示例：

const checkpointer = new MemorySaver
const agent = createDeepAgent({
  model: 'openai:gpt-',
  tools: ,
  interruptOn: {
    refund: { allowedDecisions:  },
  },
  checkpointer,
})
  

Skills 是一种声明式加载机制，通过文件路径或后端映射，将预定义的技Neng加载到 Agent 中。这种方式Ke以让你在不修改代码的情况下通过配置文件来 Agent 的Neng力。

代码示例：

const agent = createDeep1.  
2.7 长期记忆
  
长期记忆是 Agent 的关键Neng力之一。你Ke以将用户信息、历史对话、业务规则等作为长期记忆保存，避免每次对话dou重新加载。这种方式Ke以有效降低上下文的冗余，提升 Agent 的响应效率。
  
代码示例：
  

const agent = createDeepAgent({
  model: 'openai:gpt-',
  memory: ,
})
  
  2.8 实时流式输出
  
实时流式输出是展示 Agent 执行过程的重要机制。通过 streamMode: 'updates'，你Ke以将 Agent 的执行过程实时展示在前端，比如在 UI 上渲染成“执行轨迹时间线”。
  
代码示例：
  

for await (const  of await agent.stream(
  { messages:  },
  { streamMode: 'updates', subgraphs: true }
)) {
  const source = namespace.length> 0 ? `subagent:${namespace.join}` : 'main'
  console.log
}
  
  2.9 环境变量
  
环境变量是配置模型 API 密钥的重要方式。你Ke以通过环境变量来配置 OpenAI 或 Anthropic 的 API 密钥。
  
代码示例：
  

# 二选一示例
setx OPENAI_API_KEY "your-api-key"
setx ANTHROPIC_API_KEY "your-api-key"
  
  2.10 Zui小可运行代码
  

  

import { createDeepAgent } from 'deepagents'
const agent = createDeepAgent({
  model: 'openai:gpt-',
  systemPrompt: '你是一个专业中文客服助手，回答准确、简洁。',
})
const result = await agent.invoke({
  messages: ,
})
console.log
  
  3. 实战：耳机售后 Agent
  
下面这段是你Ke以直接改业务逻辑的骨架。通过工具和子代理的组合，你Ke以快速构建一个可运行的售后 Agent。
  

import { createDeepAgent } from 'deepagents'
import { tool } from 'langchain'
import { z } from 'zod'
// 查订单工具：真实项目里这里接 OMS API
const queryOrder = tool(
  async  => {
    return {
      orderId,
      productName: '无线蓝牙耳机',
      purchaseDate: '2024-04-01',
      amount: 299,
    }
  },
  {
    name: 'query_order',
    description: '根据订单号查询订单详情',
    schema: z.object({
      orderId: z.string.describe,
    }),
  }
)
// 子代理：专门Zuo政策判定，减少主代理上下文污染
const policySubagent = {
  name: 'policy-expert',
  description: '判断当前售后请求应该走退款、换货还是维修',
  systemPrompt: `你是售后政策专家。先判断信息是否齐全。信息不齐请明确指出缺失字段，不要编造。信息齐全后给出建议路径：refund / replace / repair。`,
}
const agent = createDeepAgent({
  model: 'openai:gpt-',
  systemPrompt: `你是电商平台售后助手。用户可Neng只说“耳机坏了”，你要主动收集必要信息后再决策。`,
  tools: ,
  subagents: ,
})
const result = await agent.invoke({
  messages: ,
})
console.log
  
  4. 
  
通过本文的介绍，你应该Yi经掌握了如何快速上手 DeepAgents 框架。从基础概念到实战案例，我们深入解析了其核心组件如 VFS、Memory、Skills、SubAgents 等。希望这些内容Neng帮助你快速构建出一个可运行的 AI Agent 应用。