datawhalechina/deepagents-in-action

## 课程大纲 ### 推荐技能 配合课程学习，推荐安装以下两个 AI 编码助手技能，在开发过程中获得框架级的专业指导： ``` # LangChain 开发指南 — 工程陷阱与验证修复 npx skills add ob-labs/agentseek --skill langchain-dev-guide # LangSmith Trace 调试 — 追踪与性能分析 npx skills add ob-labs/agentseek --skill langsmith-trace ``` ### 准备篇 — 动手实操前的环境搭建与工具安装 基于 [AgentSeek](https://github.com/ob-labs/agentseek) 工程化套件，帮助学员快速搭建开发环境： - [`agentseek create` 搭建模板应用](https://datawhalechina.github.io/deepagents-in-action/chapters/pre01-agentseek-create/)：拉取预制模板并前后端联调运行 - [`agentseek skills` 安装开发技能](https://datawhalechina.github.io/deepagents-in-action/chapters/pre02-agentseek-skills/)：为 AI 编码助手加载 LangChain 工程经验 ### 认知篇 | 章节 | 标题 | |------|------| | 第 1 章 | [从 Agent Framework 到 Agent Harness — Deep Agents 的诞生逻辑](https://datawhalechina.github.io/deepagents-in-action/chapters/ch01-agent-harness/) | | 第 2 章 | [快速上手 — 5 分钟构建你的第一个 Deep Agent](https://datawhalechina.github.io/deepagents-in-action/chapters/ch02-quickstart/) | ### 核心篇 | 章节 | 标题 | |------|------| | 第 3 章 | [虚拟文件系统 — Deep Agents 的 Context Engineering 核心](https://datawhalechina.github.io/deepagents-in-action/chapters/ch03-virtual-filesystem/) | | 第 4 章 | [任务规划与分解 — 让 Agent 学会拆解复杂任务](https://datawhalechina.github.io/deepagents-in-action/chapters/ch04-task-planning/) | | 第 5 章 | [子 Agent 与上下文隔离 — 让 Agent 学会委派](https://datawhalechina.github.io/deepagents-in-action/chapters/ch05-subagents/) | | 第 6 章 | [异步子 Agent — 让主 Agent 同时驱动多个子任务](https://datawhalechina.github.io/deepagents-in-action/chapters/ch06-async-subagents/) | ### 进阶篇 | 章节 | 标题 | |------|------| | 第 7 章 | [Skills — 可复用的 Agent 能力包](https://datawhalechina.github.io/deepagents-in-action/chapters/ch07-skills/) | | 第 8 章 | [长期记忆 — 让 Agent 拥有跨对话的记忆](https://datawhalechina.github.io/deepagents-in-action/chapters/ch08-long-term-memory/) | 后续还有 Human-in-the-Loop、沙箱执行等进阶内容，以及实战篇（流式前端、数据分析 Agent、生产部署）正在规划中，持续更新。 ## 配套资源 - **视频合集**：[B 站 — 《Deep Agents 实战》合集](https://space.bilibili.com/28357052/lists/7757577?type=season) - **图文合集**：[小红书 — 《Deep Agents 实战》合集](https://www.xiaohongshu.com/collection/item/69c4fd2a0072000000000001?xhsshare=&appuid=65032a0300000000120065e8&apptime=1778152909&share_id=2abb593f301a4e60a6e71fbbee3c8967) - **课程网站**：部署在 GitHub Pages ## 友情链接 由 **[沧海九粟](https://space.bilibili.com/28357052)** 在 DataWhale 上开源的另一门课程，是面向所有 AI 爱好者的 Data 与 AI 基础入门教程 —— [《Easy Data x AI》](https://github.com/datawhalechina/easy-data-x-ai)。目前已经进入了内测阶段，欢迎大家来学习和积极参与共建。 ## 模型算力支持

本课程的模型算力由 硅基流动（SiliconFlow） 支持。硅基流动是一站式大模型云服务平台，基于自研推理引擎实现大模型高效推理加速，提供高效能、低成本的多品类 AI 模型服务，让开发者和企业聚焦产品创新，无须担心大规模推广带来的高昂算力成本。

- 🎁 **新用户福利**：通过 [课程专属注册链接](https://cloud.siliconflow.cn/i/Fq9zUwPf) 注册并完成实名认证，即可获得 **16 元全平台通用代金券**，可用于平台上百余种模型的调用，足够跑通本课程的全部示例。 - 🧪 **实验配额补贴池**：用上面的链接注册时，作者也会获得平台返利。这部分返利会**全额回馈给学员**——汇集成一个「实验配额补贴池」：跟着课程做实验、复现示例时如果额度不够用，可以[联系作者](https://space.bilibili.com/28357052)申请额外的算力配额补贴，把福利转回给真正在动手的同学。 ## 本地开发 ### 环境要求 - Node.js ≥ 22.12.0 ### 安装与启动 ``` # 安装依赖 npm install # 启动开发服务器（含内容预处理） npm run dev # 构建生产版本 npm run build # 预览构建产物 npm run preview ``` ### 项目结构 ``` deepagents-in-action/ ├── content/ # 章节正文（Markdown，每章一个文件） │ ├── ch01-agent-harness.md │ ├── ch02-quickstart.md │ └── ... ├── public/ │ ├── imgs/ # 正文插图 │ └── pdfs/ # 章节 PDF ├── scripts/ │ ├── chapters.json # 章节元数据（标题、发布状态、视频链接等） │ └── prep-content.mjs # 内容预处理脚本（注入 frontmatter） └── src/ ├── components/ # Astro 组件 ├── layouts/ # 页面布局 └── pages/ # 路由页面 ``` ### 内容流水线 `content/` 目录中的 Markdown 文件是**源文件**，不含 frontmatter。 `scripts/prep-content.mjs` 在 `dev` / `build` 前自动运行，从 `scripts/chapters.json` 读取元数据，生成带 frontmatter 的文件到 `src/content/chapters/`。 **添加或修改章节内容，只需编辑 `content/` 目录下对应的 `.md` 文件。** **修改标题、发布状态、视频链接等元数据，编辑 `scripts/chapters.json`。** ## 技术栈 - [Astro 6](https://astro.build/) — 静态站点框架 - [Tailwind CSS 4](https://tailwindcss.com/) — 样式 - TypeScript ## 开源协议 课程文字内容采用 [CC BY-NC-SA 4.0](https://creativecommons.org/licenses/by-nc-sa/4.0/deed.zh) 协议。 网站源代码采用 [MIT](https://opensource.org/license/mit) 协议。 欢迎提交 PR 修正错别字、改善排版，或参与内容讨论。所有贡献者将登上**贡献者墙**，并获赠 LangChain 官方社区（中国）礼品。详见 [CONTRIBUTING.md](CONTRIBUTING.md)。

标签：LangChain, LangGraph, LLM应用开发, MITM代理, 教程文档, 生产级应用, 轻量级, 逆向工具