Deepagents：三步让 AI 代理自己跑完一个任务
【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents
你大概遇到过这种尴尬：让 AI 写一份长报告，写到一半丢了上下文，跑完之前的步骤全忘了。Deepagents 就是一个解决这类问题的 AI 代理框架，它基于 LangGraph 构建，开箱自带规划工具、文件系统后端和子代理生成，让代理自己拆任务、一步步执行，并把结果落盘。不需要你懂 LangGraph，跟着下面几步，第一个任务很快就能跑通。
📝 先试试让它干这三件活
内容创作：给它一个主题，它先规划文章结构，再写初稿，顺手拆出几条社交媒体文案，成品全部写进文件，你直接打开审阅。这类内容创作代理就放在 examples/ 目录里。
深度调研：丢给它一个选题，它自己检索、整理资料、交叉核对信源，最后交出一份带来源的可读研究报告，而不是几段空话。
自然语言转 SQL：用大白话问“上季度哪位员工业绩最高”，它会先列出数据库里的表、检查字段结构，再写出 SQL 并执行。你完全不用背表名和字段名，执行过程在追踪视图里逐步可见。
🚀 三步跑通第一个任务
- 把仓库克隆到本地：
git clone https://gitcode.com/GitHub_Trending/de/deepagents- 按 README 装好依赖，启动命令行界面。
- 直接用大白话下任务，看它实时规划、执行、出结果。
- 在文件里检查产物，不满意就指着具体位置让它改。
🔁 拆一下 Ralph 循环：为什么循环比一次生成更可靠
Deepagents 里有个叫 Ralph 模式的做法，循环长这样：接收任务，拆解规划，把这一轮的成果写入文件系统，然后开始下一轮。下一轮带着全新上下文启动，它“记住”的不是聊天记录，而是磁盘上的文件。
这就是持续循环比一次性生成更可靠的原因：一次生成的任务越长，越容易中途跑偏或遗忘；而循环模式下，文件系统就是它的记忆，每一轮只要比上一轮推进一点，成果就持续累积。底层是 LangGraph 代理在跑，持久化和断点续跑都有保障，你满意时随时按停即可。
🧪 跑通之后可以接着玩
CLI 本身就是一套终端交互界面：发指令、引用文件、看当前模型和 token 消耗，一屏全有。想看成品形态，examples/ 里有现成的示例代理：内容创作、深度调研、文本转 SQL、还有用 NVIDIA 技术做 GPU 加速分析的。挑一个读它的 README，改改提示词或模型再跑一遍，是了解这个 AI 代理框架最快的方式；想再深一点，可以翻翻 libs/deepagents/ 的核心源码，看规划和子代理在中间件层是怎么实现的。
建议先花十分钟把 CLI 的第一个任务跑通，再挑一个示例改着玩——这是最顺的 Deepagents 入门路径。
【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
 ——（1）准备+测试篇)
