你的Agent為何如此愚蠢?頂級AI應用的秘密,都在這套“Deep Agents”架構里!
今天給家人們分享一些“真”Agent實操經驗~
你們有沒有覺得,自己按照各種教程搭出來的的AI Agent總是有點智障?
讓它干點復雜任務,分分鐘就把自己繞暈了。
為什么像 Manus、Claude Code 這樣的頂級應用如此強大?
難道只是因為他們提前做了一個TODOLIST嗎?
我們需要知道一個新的概念: 我們要做 Deep Agent 而非 Shallow Agent。
告別“淺層”,擁抱“深度”
大多數人構建Agent的方式,說白了就是一個LLM在循環調用工具。 ReAct的模式。

這個模式很簡單,但天花板也極低。一旦任務復雜、時間一長,它就徹底懵圈,因為它缺乏長期規劃和復雜任務的拆解能力。
這可能就是Shallow Agent,或者叫淺層智能體。
而像 Claude Code 和 OpenAI 的 Deep Research 這樣的應用,之所以能處理復雜的編碼和研究任務,就是在簡單的循環之上,需要做更多的事情~
一個標準的深度Agent架構應該長蝦米那這個樣子。

秘密一:冗長又啰嗦的System Prompt
Prompt工程遠未過時!
Claude Code的系統提示詞,早就被hack出來了。它長得離譜,里面包含了大量關于如何使用工具的詳細指令,甚至還有各種情況下的 Few-shot 示例。
??https://github.com/kn1026/cc/blob/main/claudecode.md??

1700行的Prompt, 這證明了,想讓AI干好活,就不能怕啰嗦,必須把規則和期望喂到它嘴里。
秘密二:一個什么都不做的規劃工具
這是最有意思的一點。
Claude Code 有一個“待辦事項(Todo list)”工具,但這玩意兒其實是個“空操作”!
也就是說,Agent調用了它,但它實際上什么也沒執行,只是把“我要做A、B、C”這個想法返回給了Agent自己。
這是在干嘛?其實這是一種上下文工程(Context Engineering)技巧。
通過讓Agent“假裝”在規劃和列清單,強制它在行動前思考和拆解任務,從而把規劃步驟保留在上下文中,引導后續的每一步行動。
??https://claudelog.com/faqs/what-is-todo-list-in-claude-code??
說白了,就是給Agent裝了個思考輔助器,讓它自己跟自己對齊。
秘密三:委派任務的Sub Agents
頂級應用從不指望一個Agent干所有事。
Claude Code可以根據任務派生出專門的Sub-agents。比如,一個主Agent Orchestrator負責整體協調,然后把代碼編寫、文件檢索等具體任務外包給不同的專家子Agent。
這樣做的好處是 上下文隔離。每個子Agent只專注于自己的小任務,不會被全局的復雜信息干擾,從而能更深入地解決特定問題。
秘密四:作為“共享記憶”的文件系統
對于需要長時間運行的復雜任務,上下文窗口是遠遠不夠的。所以,深度智能體必須能讀寫文件系統。
文件系統不僅是最終交付代碼的地方,更是一個持久化的“草稿紙”和“共享工作區”。
主Agent和子Agent都可以隨時把中間結果、筆記、思考過程寫入文件,需要時再讀出來。這解決了Agent 記憶太短的問題,讓長期、多步的協作成為可能。
最后
光說不練假把式。為了讓大家能快速上手這套架構,周末肝了一個開源包 deepagents,把上面這四套核心機制都封裝好了。
你可以用 ??pip install deepagents?? 安裝。
內置了受Claude Code啟發的系統提示、Todo規劃工具、派生子Agent的能力,甚至還有一個虛擬文件系統,讓你安全地在內存中讀寫文件。
from deepagents import create_deep_agent
# 定義Agent可以使用的工具
tools = [your_custom_tool1, your_custom_tool2]
# 為Agent創建指令
instructions = "你是一位專家研究員。你的工作是..."
# 創建Agent
agent = create_deep_agent(tools, instructions)
# 調用Agent
result = agent.invoke({"messages": [{"role": "user", "content": "你的任務"}]})有了這個輪子,我們就可以把精力放在定義自己的指令、工具和子代理上,為特定場景打造真正強大的Agent。
本文轉載自????????探索AGI????????,作者:獼猴桃

















