Deep Agents：面向LangChain长周期任务的上下文工程

现代AI智能体基于不同的方法构建：现成框架、通过用户界面（UI）进行配置，或自定义开发。LangChain是一个流行的框架，它最初采用线性流水线（Runnable），随后演变为LangGraph，用于支持带有ReAct（推理+行动）循环的状态图。对于短期任务来说，这已经足够，但对于长期任务，智能体会积累上下文：历史记录、工具结果、计划、文件等。由此产生了上下文工程——管理智能体周围的环境。Deep Agents是LangChain生态系统中这种环境的一个现成实现，以deepagents库的形式呈现。在create_agent的基础上，它增加了中间件层、工具和用于长期任务的提示指令：规划（write_todos）、带有可插拔后端的文件工具、通用子智能体（task）、历史摘要、未完成工具调用的恢复，以及可选的技能、记忆、人在回路和沙箱。然而，即使不添加任何额外参数，由于固定的BASE_AGENT_PROMPT和新增的工具，系统提示词也会从35个token增长到6215个token，这增加了成本，并可能混淆较小的模型。