task 0task 1agent 三位一体langgraph底层开发工具 - agent runtime断点存档复活续跑流式输出实时观测人机协作重要决策人类介入状态管理节点之间传递上下文和参数langchain中间开发框架 - agent framework提供调用接口包括模型调用工具调用loop中间件等deep agent构建harness的工具库将功能封装避免重复造轮子虚拟文件系统基于backend执行任务规划TodoListMiddleware), 规划拆解任务执行流程构建todo list并展示给用户当前执行进度子agent派生。task 工具可以将子任务派发给子 agent子agent使用独立上下文仅返回执行结果skill。agent 可以获取的技能和知识。上下文管理。包括对上下文的压缩总结、卸载并落盘记录保证上下文不溢出的同时有选择性的记住某些内容。记忆。提纯上下文以及记录下的文件内容将历史内容分类整理成不同类型的记忆按需加载和遗忘。构建一个agent构建一个tooltool 三要素参数类型设定传参类型llm通过读取类型清楚应该传什么类型的参数pydanic也可以自动检测传参是否正确docstring函数功能说明llm通过读取这段字符串了解函数的作用参数默认值设定了默认值的参数可以减少llm的推理消耗增加运行的稳定def internet_search( query: str, max_results: int 5, topic: Literal[general, news, finance] general, include_raw_content: bool False, ): Run a web search for the given query. Args: query: The search query string. max_results: Maximum number of results to return. topic: The topic category for the search. include_raw_content: Whether to include raw page content. return tavily_client.search( query, max_resultsmax_results, include_raw_contentinclude_raw_content, topictopic, )创建 agent调用create_deep_agent接口需要传入调用的模型这是agent的大脑agent 可用的工具列表系统提示词介绍agent的角色以及可以做的工作agent create_deep_agent( modelmodel, tools[internet_search], system_promptresearch_instructions, )成果展示参考资料deepagents-in-actiondatewhale