LangChain Blog
·
深度代理
💡
原文英文，约800词，阅读约需3分钟。
📝
内容提要
使用LLM循环调用工具是最简单的代理形式，但可能导致“浅”代理，无法处理复杂任务。应用如“Deep Research”和“Claude Code”通过规划工具、子代理和文件系统克服了这一限制，形成深代理，能够执行复杂任务。为方便构建深代理，开发了开源包“deepagents”。
🎯
关键要点
- 使用LLM循环调用工具是最简单的代理形式，但可能导致“浅”代理，无法处理复杂任务。
- 应用如“Deep Research”和“Claude Code”通过规划工具、子代理和文件系统克服了这一限制，形成深代理。
- 深代理能够执行复杂任务，具备更长时间范围的规划能力。
- 深代理的核心算法与简单代理相同，但具有详细的系统提示、规划工具、子代理和文件系统。
- 详细的系统提示包含使用工具的说明和示例，提升代理的深度。
- 规划工具（如Todo列表）帮助代理保持任务的轨迹，即使是无操作工具调用也有助于规划。
- 子代理允许任务分解和上下文管理，增强代理在特定任务上的深度。
- 文件系统为深代理提供了存储和管理上下文的能力，促进代理之间的协作。
- 为了方便构建深代理，开发了开源包“deepagents”，用户可以自定义代理的各个组件。
❓
延伸问答
什么是深代理？
深代理是一种能够执行复杂任务的代理，具备更长时间范围的规划能力。
深代理与浅代理有什么区别？
深代理能够进行复杂任务的规划和执行，而浅代理则无法处理长时间和复杂的任务。
如何构建深代理？
可以使用开源包“deepagents”，通过pip安装并根据说明自定义代理的各个组件。
深代理的核心算法是什么？
深代理的核心算法与简单代理相同，都是LLM循环调用工具，但增加了详细的系统提示、规划工具、子代理和文件系统。
深代理如何管理上下文？
深代理通过文件系统存储和管理上下文，促进代理之间的协作。
深代理的详细系统提示包含什么？
详细系统提示包含使用工具的说明和示例，帮助提升代理的深度。
🏷️
标签
➡️
