LangChain、LangGraph 与 Deep Agents：如何选择 Agent 架构
理解 LangChain、LangGraph 与 Deep Agents 的分工，按任务复杂度选择合适的 Agent 架构。
推荐理由先理清三个框架的职责和边界，再选择适合任务复杂度的技术方案。
AI Agent Engineering
AI Agent 开发
与工程实践
围绕模型、工具、状态、记忆、MCP、工作流与 Multi-Agent，记录从基础机制到生产环境设计的工程实践。
Noah · 软件开发 / 系统架构 了解作者
精选阅读
值得先读的一篇
系列文章
Agent 开发学习路径
从基础机制到复杂任务执行，按主题和难度系统学习 Agent 开发。
持续更新9 / 20 篇
Deep Agents 开发指南
系列简介从普通 Agent 的能力边界出发，系统学习 Deep Agents 的架构、任务规划、工具设计、文件系统、上下文管理、子 Agent、持久化执行与生产环境实践。
发布进度还有 11 篇待发布
已完成20 / 20 篇
LangChain Agent 开发指南
系列简介按实际开发顺序讲清 LangChain Agent 的模型、消息、工具、状态、记忆和故障处理。
发布进度已全部发布
已完成10 / 10 篇
LangGraph Agent 开发指南
系列简介从 StateGraph、State、Node 和 Edge 出发，逐步理解持久化、中断恢复、子图、Durable Execution 与多 Agent 编排。
发布进度已全部发布
开发资源
实用工具与速查资料
涵盖交互实验、API 速查与工程参考，方便在开发过程中随时查阅。
RAG 文档切分
RAG Chunking Playground
测试不同 Chunking 策略如何切分真实文档，实时查看 Chunk Size、Overlap、Token 数、切分边界和文档结构。
打开交互工具快速参考
DeepAgents Cheatsheet
整理 create_deep_agent、Backend、Filesystem、Permissions、Skills、Memory、Subagents、Planning、HITL 和 Middleware 的常用配置，并说明持久化和生产环境中的注意事项。
查看速查资料快速参考
LangGraph Cheatsheet
整理 StateGraph、State、Reducer、Command、ToolNode、Checkpoint、Interrupt、Streaming 等常用 API，并补充循环控制、恢复、缓存和生产环境注意事项。
查看速查资料博客
最近更新
会写代码还不够：Deep Agents 的 Shell 与 Sandbox
摘要Deep Agents 中 Shell、execute 与 Sandbox 分别对应命令执行方式、框架调用接口和运行环境。本文以数据分析任务为例，梳理从上传文件、编写并运行脚本，到校验产物、管理工作空间生命周期的完整链路。
信息越来越多，我们该如何学习技术
摘要AI 时代，新技术与热点不断涌现。面对海量技术信息，开发者该如何平衡技术趋势、系统学习与动手实践，避免陷入追逐热点和浅尝辄止的困境？
Agent 文件去哪了：Deep Agents Backend 底层机制解析
摘要Deep Agents 由 Backend 决定写入文件的保存位置与生命周期，区分 State、Store、本地文件系统与混合四类实现，并影响跨会话读取与持久性。
Deep Agents 的 Context Engineering：长任务如何控制 Token 成本
摘要围绕 Deep Agents 长任务中的上下文膨胀，梳理文件卸载、历史摘要与子任务隔离三种机制，并给出 SummarizationMiddleware 的触发阈值配置、关键状态独立保存和运行成本监控等工程实践。
为什么 Deep Agent 需要文件系统：Filesystem 与工作空间
摘要从多步骤任务产生的中间结果入手，说明 Deep Agents 为何需要 Filesystem，梳理 FilesystemMiddleware 与 Backend 的分工、核心文件工具的使用方式。
持续记录真实开发问题与工程实践。通过 RSS 关注后续更新，无需注册。
订阅 RSS项目
正在构建
实验项目
Agent Runtime Lab
项目简介把一次 Agent 执行展开成事件流，用来检查状态变化、工具调用和恢复路径。
LangGraphPythonOpenTelemetry
构建中
Next Content Studio
项目简介一个基于 Git 和 MDX 的内容编辑器，负责校验、预览和发布反馈。
Next.jsMDXTypeScript
查看项目记录