大家好，我是玄姐。

兩個月前，LangChain 官方 “深度智能體（DeepAgents）”。這一術語由 LangChain 提出，特指能夠在較長時間范圍內完成復雜、開放式任務的智能體。當時 LangChain 推測，這類智能體包含四大核心要素：規劃工具、文件系統訪問權限、子智能體，以及詳細的提示詞。

LangChain 已將 D??eepAgents?? 作為 Python 包發布，該包已整合上述所有核心要素的基礎功能。因此，你只需提供自定義工具和自定義提示詞，就能輕松構建一個深度智能體（Deep Agent）。

目前，D??eepAgents??? 已獲得廣泛關注與采用。如今，我們欣喜地宣布推出 0.2 版本，進一步加大對該項目的投入。本文將介紹 0.2 版本相較于初始版本的新增功能，以及何時應選擇使用 ??deepagents???（而非 ??langchain??? 或 ??langgraph??）。

一、DeepAgents 可插拔后端（Pluggable Backends）

0.2 版本的核心新增功能是 “可插拔后端”。在此之前，D??eepAgents?? 可訪問的 “文件系統” 是一個 “虛擬文件系統”，它依賴 LangGraph 的狀態（LangGraph State）來存儲文件。

在 0.2 版本中，LangChain 新增了 ??Backend?? 抽象層，支持將任意系統接入作為 “文件系統”。內置的后端實現包括：

• LangGraph 狀態（LangGraph State）
• LangGraph 數據存儲（LangGraph Store，支持跨線程持久化）
• 實際本地文件系統（the actual local filesystem）

LangChain 還引入了 “復合后端（composite backend）” 的概念。借助這一功能，你可以先設置一個基礎后端（例如：本地文件系統），再在特定子目錄下映射其他后端。復合后端的典型應用場景是實現 “長期記憶” 功能：你可以將本地文件系統設為基礎后端，同時將 ??/memories/?? 目錄下的所有文件操作映射到由 OSS（對象存儲系統）比如：S3 支持的 “虛擬文件系統”。這樣一來，智能體在該目錄下添加的內容就能突破本地計算機的限制，實現持久化存儲。

此外，你還可以自定義后端，在任意數據庫或數據存儲系統之上構建 “虛擬文件系統”；也可以通過繼承現有后端，添加安全防護機制（例如：限制可寫入文件的范圍）、文件格式校驗等功能。

二、DeepAgents 0.2 版本的其他新增功能

除可插拔后端外，0.2 版本還對 D??eepAgents?? 進行了多項優化升級：

• 大型工具結果驅逐（Large tool result eviction）當工具返回結果的令牌數超過設定閾值時，自動將結果轉存至文件系統。
• 對話歷史摘要（Conversation history summarization）當對話歷史的 Tokens 用量過大時，自動壓縮早期對話內容。
• 未完成工具調用修復（Dangling tool call repair）若工具調用在執行前被中斷或取消，自動修復消息歷史記錄。

三、何時技術選擇 DeepAgents？與 LangChain、LangGraph 的對比

??DeepAgents??? 是 LangChain 重點投入的第三個開源庫，但三者定位不同、各有側重。為明確區分其用途，LangChain 傾向于這樣定義：D??eepAgents??? 是 “智能體工具（Agent Harness）”，L??angChain??? 是 “智能體框架（Agent Framework）”，而 L??angGraph?? 是 “智能體運行時環境（Agent Runtime）”。

三者的適用場景具體如下：

• 若你需要構建 “工作流與智能體結合” 的系統，LangGraph 是理想選擇。
• 若你希望僅使用核心智能體循環（不依賴任何內置功能），并從零構建所有提示詞與工具，LangChain 更適合。
• 若你需要構建自主性更強、運行時間更長的智能體，且希望直接利用規劃工具、文件系統等內置功能，DeepAgents 是最佳方案。

從技術架構上看，三者呈層層依賴關系：D??eepAgents??? 構建于 L??angChain??? 的智能體抽象層之上，而 L??angChain??? 的智能體抽象層又基于 L??angGraph?? 的智能體運行時環境開發。

以上清晰呈現了它們在不同維度的差異。從定位來看，LangChain 屬于 Framework（框架），LangGraph 是 Runtime（運行時），Deep Agents 則為 Harness（工具）。

核心價值上，LangChain 主打抽象與集成能力；LangGraph 側重持久執行、流式處理、人在環路（HITL）及持久化功能；Deep Agents 擁有預定義工具、提示詞和子智能體優勢。

適用場景方面，LangChain 適合快速上手和標準化團隊構建；LangGraph 適用于需要底層控制以及長期運行、有狀態的工作流和智能體開發；Deep Agents 則在打造更具自主性的智能體，以及處理復雜、非確定性任務的智能體場景中更合適。

此外，根據公司的實際技術情況，也可以進行各工具的替代選擇，LangChain 可替換為 Spring AI Alibaba、AI SDK、LlamaIndex 等，LangGraph 有 Temporal、Inngest 可選，Deep Agents 替代工具為 Claude Agent SDK 。

好了，這就是我今天想分享的內容。

本文轉載自??玄姐聊AGI??  作者：玄姐