Deepagents三步让 AI 代理自己跑完一个任务【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents你大概遇到过这种尴尬让 AI 写一份长报告写到一半丢了上下文跑完之前的步骤全忘了。Deepagents 就是一个解决这类问题的 AI 代理框架它基于 LangGraph 构建开箱自带规划工具、文件系统后端和子代理生成让代理自己拆任务、一步步执行并把结果落盘。不需要你懂 LangGraph跟着下面几步第一个任务很快就能跑通。 先试试让它干这三件活内容创作给它一个主题它先规划文章结构再写初稿顺手拆出几条社交媒体文案成品全部写进文件你直接打开审阅。这类内容创作代理就放在 examples/ 目录里。深度调研丢给它一个选题它自己检索、整理资料、交叉核对信源最后交出一份带来源的可读研究报告而不是几段空话。自然语言转 SQL用大白话问“上季度哪位员工业绩最高”它会先列出数据库里的表、检查字段结构再写出 SQL 并执行。你完全不用背表名和字段名执行过程在追踪视图里逐步可见。 三步跑通第一个任务把仓库克隆到本地git clone https://gitcode.com/GitHub_Trending/de/deepagents按 README 装好依赖启动命令行界面。直接用大白话下任务看它实时规划、执行、出结果。在文件里检查产物不满意就指着具体位置让它改。 拆一下 Ralph 循环为什么循环比一次生成更可靠Deepagents 里有个叫 Ralph 模式的做法循环长这样接收任务拆解规划把这一轮的成果写入文件系统然后开始下一轮。下一轮带着全新上下文启动它“记住”的不是聊天记录而是磁盘上的文件。这就是持续循环比一次性生成更可靠的原因一次生成的任务越长越容易中途跑偏或遗忘而循环模式下文件系统就是它的记忆每一轮只要比上一轮推进一点成果就持续累积。底层是 LangGraph 代理在跑持久化和断点续跑都有保障你满意时随时按停即可。 跑通之后可以接着玩CLI 本身就是一套终端交互界面发指令、引用文件、看当前模型和 token 消耗一屏全有。想看成品形态examples/ 里有现成的示例代理内容创作、深度调研、文本转 SQL、还有用 NVIDIA 技术做 GPU 加速分析的。挑一个读它的 README改改提示词或模型再跑一遍是了解这个 AI 代理框架最快的方式想再深一点可以翻翻 libs/deepagents/ 的核心源码看规划和子代理在中间件层是怎么实现的。建议先花十分钟把 CLI 的第一个任务跑通再挑一个示例改着玩——这是最顺的 Deepagents 入门路径。【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