DeepAgents 0.2发布：构建长期自主智能体的完整指南！

Agent 智能体

在日前发布的《Doubling down on DeepAgents》一文中，LangChain 团队回顾了他们提出“Deep Agents”这一概念：即能够在更长时间尺度上执行、处理开放式任务的智能体系统。文章中指出，这类智能体依赖四个关键要素：规划工具（planning tool）、可访问“文件系统”（filesystem）、子智能体（sub-agents）以及详尽提示（detailed prompts）。

他们还宣布了 DeepAgents 工具包 0.2 版本的发布，并介绍了新增功能、适用场景及其与其他工具（如 LangChain、LangGraph）之间的关系。

DeepAgents 0.2发布：构建长期自主智能体的完整指南！

在 0.2 版本中，一个重要的改进是新增了“Backend”抽象。此前，DeepAgents 访问的“文件系统”是一个虚拟系统，状态由 LangGraph 管理。现在，用户可以插入任意后端作为文件系统。

内置示例包括：

LangGraph State（状态存储）
LangGraph Store（线程间持久化存储）
本地真实文件系统（local filesystem）

此外，他们还提出了“复合后端（composite backend）”的概念：比如基础后端为本地文件系统，而某些子目录（如 /memories/）映射至 S3 或其他云存储，从而实现长期记忆 persistence。

用户也能自己编写后端，比如基于任意数据库或数据存储系统构建虚拟文件系统。还支持子类化现有后端以添加写入限制、格式校验等定制功能。

除了后端架构的开放，0.2 版本还加入了几项增强功能：

大工具结果回收（Large tool result eviction）：当工具输出超过某 token 限制时，自动转存至文件系统。
会话历史摘要（Conversation history summarization）：当 token 使用规模较大时，自动压缩旧会话历史。
挂起工具调用修复（Dangling tool call repair）：当工具调用中断或取消前执行时，修正消息历史。

文章明确区分了三款工具的定位：

DeepAgents：一个 “agent harness”（智能体挂载工具），适合构建更自主、长期运行的智能体，且提供规划工具、文件系统等内建功能。
LangChain：一个 “agent framework”（智能体框架），适合使用核心智能体循环但从零构建 prompts／tools 的场景。
LangGraph：一个 “agent runtime”（智能体运行时），适合构建由工作流 + 智能体组合而成的系统。

这些工具是“累积式”关系：DeepAgents 构建在 LangChain 的智能体抽象之上，而 LangChain 又构建在 LangGraph 的运行时之上。

从这篇文章中，我们可以提炼出几个对工程实践具有借鉴意义的点：

若你希望构建需要长期运行、具有记忆、自主规划能力的智能体系统，DeepAgents 提供了一个“开箱即用”的基础。
文件系统不再只是“临时状态”，而可能演变为智能体的长期知识与记忆存储。合理设计后端存储（本地、云、混合）是关键。
长期运行智能体要求处理会话历史、工具输出、记忆压缩与回收机制，这些在 0.2 版中已被考虑进去。工程上应及早规划。
需明确定位：如果项目只需短期、较简单的智能体循环，LangChain 即可；如果是更复杂的自主系统，则考虑 DeepAgents 或需借助 LangGraph。

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。

我整理出这套 AI 大模型突围资料包：

✅AI大模型学习路线图
✅Agent行业报告
✅100集大模型视频教程
✅大模型书籍PDF
✅DeepSeek教程
✅AI产品经理入门资料

如果你也想通过学大模型技术去帮助自己升职和加薪，可以扫描下方链接

在这里插入图片描述

人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。

智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。

AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。

在这里插入图片描述

全过程AI大模型学习路线

在这里插入图片描述

市面上的大模型书籍确实太多了，这些是我精选出来的

在这里插入图片描述

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

在这里插入图片描述