#上下文工程 (1)

Deep Agents:逆向 Claude Code 得到的开箱即用 agent harness

README 第一行就自称「开箱即用的 agent harness」,MIT,Python(另有 deepagents.js),建在 LangGraph 之上,流式/持久化/检查点是继承来的。理解它的钥匙在致谢里那句「受 Claude Code 启发:试图找出它为什么通用,然后把这件事推得更远」——这是一次逆向工程,把一个公认好用的闭源编码 agent 拆开,问「到底哪几件事让它能处理长任务」。它给出的答案是四件被捆绑进来的事:可插拔后端的文件系统(长任务的产物是文件不是消息,上下文只留指针)、各有独立窗口的子智能体(上下文的隔离与压缩,不是多几个帮手)、长对话摘要 + 工具输出卸载到磁盘、以及按需加载的 Skills。另有沙箱内 shell、跨会话持久记忆、工具调用执行前可批准/编辑/拒绝的人在环中、任意 MCP server 当工具。模型无关:前沿 API、Baseten/Fireworks 上的开源权重、Ollama/vLLM/llama.cpp 自托管都能跑,三行 create_deep_agent 起一个能规划能读写文件的 agent。安全段写得异常坦白——遵循「信任 LLM」模型,边界必须在工具层与沙箱层强制,不要指望模型自我约束。29.7k★。我们未运行过它,子智能体隔离效果与摘要信息损失未经我们验证,记为待复现。