评分 8.2 · 来源：MarkTechPost · 发布于 2026-03-15
评分依据：LangChain 官方发布的 Agent 框架，针对多步骤任务的规划、记忆和上下文管理提供系统化解决方案，对 Agent 开发者有直接应用价值
要点
LangChain 发布 Deep Agents，定位为”Agent 运行时”（agent harness），基于 LangGraph 构建，专为多步骤、有状态、重工件的任务设计。核心特性包括：
- 内置规划工具：
write_todos工具支持任务分解和进度跟踪，避免模型即兴执行每一步 - 文件系统上下文管理：通过
read_file、write_file、edit_file、ls、glob、grep等工具将大型上下文卸载到存储，防止 prompt 窗口溢出 - 子 Agent 生成：内置
task工具支持生成专用子 Agent，实现上下文隔离，避免单线程累积过多目标导致模型质量下降 - 长期记忆：通过 LangGraph Memory Store 支持跨会话持久化记忆
- 多种后端：支持 StateBackend（临时）、FilesystemBackend、LocalShellBackend、StoreBackend 和 CompositeBackend
Deep Agents 返回标准 LangGraph CompiledStateGraph，完全兼容 LangGraph 的流式传输、Studio 和 checkpointer 功能。
🤖 AI 点评
这是 LangChain 对”Agent 为什么总在长任务上崩溃”这个问题的系统性回答。把规划、中间状态存储、子任务委托这些原本需要开发者自己实现的能力打包成默认运行时，降低了构建生产级 Agent 的门槛。文件系统作为上下文管理层的设计很务实——比起抽象的”记忆”概念，直接读写文件更容易调试和理解。值得关注的是它没有另起炉灶，而是基于 LangGraph 构建，保持了生态兼容性。