智能体开发：DeepAgents实战——规划型Agent开发和Skills整合

你是否曾思考过：

面对复杂多步任务，普通Agent容易“走一步看一步”，缺乏整体规划与进度追踪，如何让它像人一样先拆解再执行？长上下文对话时，信息一多就容易超出窗口限制或遗漏细节，怎样实现灵活的上下文管理？不同子任务之间需要隔离状态，避免主Agent的上下文被“污染”，但又希望子Agent能独立工作，该如何设计？如果这些问题让你感到瓶颈，这门课正是为你设计的！DeepAgents作为LangChain家族的最新成员，专为规划型Agent打造，让智能体具备自主拆解任务、管理长上下文、调度子Agent和保持跨对话记忆的能力。

本课程围绕“DeepAgents核心特性”与“Skills整合实战”两大主线展开：

• DeepAgents核心特性：讲解规划型Agent的四大核心能力——① write_todos工具：将复杂任务拆解为多步操作并追踪进度、自适应修改计划；② 文件系统工具（ls、read_file、write_file、edit_file）：灵活加载和卸载长上下文，避免上下文溢出；③ 子Agent调度：基于内置task工具实现上下文隔离的子Agent调用，主Agent保持干净上下文；④ 长期记忆：基于LangGraph Store的跨线程记忆管理。

• 实战案例：演示DeepAgents的完整开发流程——定义相关工具、设计提示词、定义智能体、调用智能体。

• Skills整合：介绍Skills作为可重用能力的设计思想（专业工作流+行业知识），讲解SKILL.md目录结构与编写标准，并演示从设计SKILL.md到定义Agent、调用智能体的完整流程。

讲师背景

李晓华博士，智能体开发系列课程讲师。PPT系统梳理了DeepAgents框架的四大核心特性，提供了规划型Agent开发与Skills整合的完整实战流程，并附有官方文档链接供深入学习。

通过本课程，学员将：

1. 掌握DeepAgents的核心能力：理解规划型Agent与传统Agent的本质区别，能够使用write_todos实现任务拆解与进度追踪，利用文件系统工具管理长上下文；

2. 实现上下文隔离的子Agent调度：通过内置task工具，让主Agent调度子Agent执行子任务而不污染主上下文，推动复杂任务的分步完成；

3. 具备跨对话长期记忆的能力：基于LangGraph Store实现Agent在不同会话间的记忆保持，支持需要持久上下文的场景；

4. 掌握Skills的编写与整合标准：理解SKILL.md的目录结构与编写规范，能够设计可重用的专业Skills（工作流+行业知识），并将其整合到DeepAgents中；

5. 完成一个规划型Agent的完整开发：从工具定义、提示词设计到智能体定义与调用，独立搭建一个支持自主规划、多技能和长期记忆的高效Agent系统。