兩個月前，LangChain團(tuán)隊提出了"深度智能體"（Deep Agents）的概念，用來描述那些能夠執(zhí)行復(fù)雜、開放式任務(wù)并在更長的時間范圍內(nèi)運(yùn)行的AI智能體。

他們認(rèn)為這類智能體需要四個關(guān)鍵要素：規(guī)劃工具、文件系統(tǒng)訪問、子智能體，以及詳細(xì)的提示詞。

隨后，他們推出了deepagents這個Python包，內(nèi)置了所有這些基礎(chǔ)組件。開發(fā)者只需要提供自定義工具和提示詞，就能輕松構(gòu)建一個深度智能體。這個項目一經(jīng)推出就受到了廣泛關(guān)注和采用。

如今，LangChain團(tuán)隊發(fā)布了0.2版本，進(jìn)一步加碼投入這個項目。這次更新帶來了什么新功能？

在什么場景下應(yīng)該選擇deepagents而不是langchain或langgraph？

讓我們一起來看看。

可插拔后端：讓文件系統(tǒng)更靈活

0.2版本最重要的新功能是可插拔后端（Pluggable Backends）。在此之前，deepagents使用的"文件系統(tǒng)"實際上是一個"虛擬文件系統(tǒng)"，它會利用LangGraph的狀態(tài)來存儲文件。

現(xiàn)在，全新的Backend抽象層允許你將任何存儲系統(tǒng)作為"文件系統(tǒng)"來使用。內(nèi)置的實現(xiàn)包括：

? LangGraph State - 原有的狀態(tài)存儲方式

? LangGraph Store - 支持跨線程持久化

? 本地文件系統(tǒng) - 直接使用真實的文件系統(tǒng)

更酷的是，deepagents還引入了"組合后端"（composite backend）的概念。

你可以設(shè)置一個基礎(chǔ)后端（比如本地文件系統(tǒng)），然后在特定的子目錄上映射其他后端。這個功能的一個典型應(yīng)用場景是長期記憶存儲。

舉個例子：

你可以用本地文件系統(tǒng)作為基礎(chǔ)后端，但將所有的文件操作映射到/memories/目錄，讓它使用S3支持的"虛擬文件系統(tǒng)"。這樣，智能體可以把重要信息存儲在那里，即使你的電腦關(guān)閉了，這些記憶也能永久保存。

你甚至可以基于任何數(shù)據(jù)庫或數(shù)據(jù)存儲創(chuàng)建自己的后端，打造專屬的"虛擬文件系統(tǒng)"。如果需要，還可以繼承現(xiàn)有的后端，添加文件寫入權(quán)限控制、格式檢查等安全護(hù)欄功能。

0.2版本的其他改進(jìn)

除了可插拔后端，0.2版本還加入了幾個實用的優(yōu)化：

? 大工具結(jié)果自動清理 - 當(dāng)工具返回的結(jié)果超過一定token限制時，自動將其轉(zhuǎn)儲到文件系統(tǒng)中，避免內(nèi)存占用過大

? 對話歷史自動摘要 - 當(dāng)token使用量過大時，自動壓縮舊的對話歷史，保持上下文管理的效率

? 懸空工具調(diào)用修復(fù) - 當(dāng)工具調(diào)用在執(zhí)行前被中斷或取消時，自動修復(fù)消息歷史記錄，避免狀態(tài)不一致

什么時候用deepagents，什么時候用LangChain或LangGraph？

現(xiàn)在LangChain生態(tài)系統(tǒng)已經(jīng)有了三個開源庫，但每個庫都服務(wù)于不同的目的。

為了更清晰地區(qū)分它們，團(tuán)隊提出了這樣的定位：

• deepagents是"智能體框架"（agent harness）
• langchain是"智能體工具包"（agent framework）
• 而langgraph則是"智能體運(yùn)行時"（agent runtime）。

這三個庫是相互構(gòu)建的：deepagents建立在langchain的智能體抽象之上，而langchain又建立在langgraph的智能體運(yùn)行時之上。

具體來說：

LangGraph適合那些想要構(gòu)建工作流和智能體組合應(yīng)用的場景。如果你需要靈活的控制流程和狀態(tài)管理，LangGraph是很好的選擇。

LangChain適合想要使用核心智能體循環(huán)，但不想要任何內(nèi)置功能，希望從頭開始構(gòu)建所有提示詞和工具的開發(fā)者。它給了你最大的控制權(quán)和靈活性。

DeepAgents最適合構(gòu)建更自主、長期運(yùn)行的智能體，特別是當(dāng)你想要利用內(nèi)置的規(guī)劃工具、文件系統(tǒng)等高級功能時。它幫你處理了很多底層復(fù)雜性，讓你專注于智能體的核心邏輯。

隨著AI智能體應(yīng)用越來越復(fù)雜，這種分層架構(gòu)的設(shè)計理念正在幫助開發(fā)者根據(jù)具體需求選擇最合適的工具。

0.2版本的發(fā)布，特別是可插拔后端的引入，讓deepagents在長期記憶和狀態(tài)持久化方面變得更加強(qiáng)大和靈活。

對于正在探索AI智能體開發(fā)的開發(fā)者來說，這無疑是一個值得關(guān)注的更新。