Deep Agents 01：何为 Agent Harness，以及如何开始
1、本篇任务：完成一份多步骤、带证据的技术调研 普通客服 Agent 的问题短、工具少、输出即时。技术调研或编码任务会持续很久，产生计划、搜索结果、文件和中间结论。Deep Agents 在 LangChain/LangGraph 之上预装规划、虚拟文件系统、上下文压缩和子 Agent，适合这类开放任务。 本课让 Agent 比较两种向量数据库，并交付一份可验证报告。 2、什么时候需要 Deep Agent 满足以下两项以上再考虑：任务...
Deep Agents 02：子 Agent、虚拟文件系统与长期记忆
1、本篇任务：让主管只看结论，让子 Agent 处理细节 技术调研会产生几十次搜索和大量文件。如果全部进入主管上下文，真正的目标会被噪音淹没。本课用两个子 Agent： 收集证据， 检查结论；主管负责计划与最终合成。 2、什么时候委派，什么时候直接调用工具 适合委派：子任务有多步；需要专门提示或工具；会产生大量中间结果；只需返回有限结论。不适合：一步查询；主管需要全部中间上下文；协调成本超过任务本身。 3、配置专门子 Agent Pyt...
Deep Agents 03：生产化、Sandbox、权限与上线验收
1、本篇任务：让 Deep Agent 在隔离环境中分析代码 只读研究 Agent 风险有限；编码 Agent 需要读写文件、安装依赖和执行测试。本课不讲如何让模型写更漂亮的代码，只讲执行环境、权限、恢复和上线验收。 2、先做威胁模型 资产包括源代码、用户文件、云凭证、生产网络和发布权限；攻击入口包括用户消息、仓库内容、网页、依赖包、MCP 返回和命令输出。 Prompt injection 不是靠一句 system prompt 解决...
LangChain 01：全景、原理与学习路线
1、本篇学完要得到什么 这一篇只解决三个问题：LangChain 到底负责什么；它与 LangGraph、Deep Agents、LangSmith 是什么关系；后面应按什么顺序学习。 贯穿整套课程的项目是“退款政策与订单助手”。它最终能够：回答知识库中的退款规则；查询当前用户的订单；生成结构化答复；对真正的退款操作进行人工审批；断线后恢复；通过评测后发布。 先记住一句话： 模型负责理解与生成，应用负责数据、权限、状态和副作用。 如果把...
LangChain 02：模型、消息与结构化输出
1、本篇任务：让模型输出成为程序可以依赖的合同 上一课只证明 Agent 能运行。本课暂时不接业务工具，只完成一个“客服分诊器”：输入用户问题，输出意图、紧急程度、是否需要人工和给用户的答复。 本课的核心不是学更多模型参数，而是理解三层合同：消息决定模型看到了什么；schema 决定程序期待什么；业务校验决定结果是否真的可用。 2、消息不是一段字符串，而是一条执行记录 一次工具型对话通常包含四种消息： | 类型 | 由谁产生 | 作用...
LangChain 03：工具与 Agent——从函数到可控行动
1、本篇任务：让 Agent 安全地读取订单 上一课得到结构化分诊结果，但模型不知道真实订单。本课增加一个只读工具 ，走通完整 Agent 循环，并把模型、工具包装和领域服务的责任分开。 完成后，用户问“我的 A100 发货了吗”，Agent 会选择工具；工具只按当前登录用户查询；模型基于工具结果回答。它仍然不能退款，因为我们没有提供写工具。 2、工具的本质是受 schema 约束的应用函数 一个好工具需要：稳定名称、清楚描述、窄输入...
LangChain 04：RAG 知识库实战（Python + TypeScript）
1、本篇任务：回答退款政策，并且能指出证据 上一课的订单工具能查询业务事实，却不知道政策文本。本课构建一条完整 RAG：离线索引政策文档；在线检索相关片段；只依据证据回答；证据不足时拒答。 RAG 不是“向量数据库 + 大模型”两个词。它有两条独立管线：索引管线决定知识怎样进入系统；查询管线决定问题怎样找到证据。任何一条出错，最终回答都会错。 2、先定义文档与 chunk 合同 每个 chunk 至少保存： 引用依赖 metadata，...
LangChain 05：记忆、流式、人工审批与生产治理
1、本篇任务：把“退款建议”变成可恢复、可审批的流程 现在我们有政策检索和订单查询。本课增加三项产品能力：同一会话记住之前的订单；运行过程实时显示；真正提交退款前暂停并等待人工决定。 这三项能力共享同一个基础： 运行状态必须在服务端持久化。 浏览器内的聊天数组不是记忆，逐 token 显示不是恢复，确认按钮也不是权限系统。 2、先区分三种状态 | 状态 | 例子 | 保存位置 | | | | | | 短期会话状态 | 消息、工具结果、当...
LangChain 06：端到端项目蓝图——把知识库客服做成可上线服务
1、本篇任务：把前五课装成一个能维护的后端 这一篇不再介绍新概念，而是给出项目边界、目录、API 和迭代顺序。目标是把退款政策与订单助手做成可运行服务，而不是继续在 Notebook 中调用 。 2、先确定第一版做什么、不做什么 第一版支持：政策 RAG、当前用户订单查询、结构化回答、SSE 流式事件、退款草案与审批、会话恢复、trace 和最小评测。 第一版不做：多渠道、语音、自动退款、多 Agent、任意 MCP、自动学习所有用户信...