Deep Agents 三层架构：运行时、框架与套件如何分工

一句话总结：LangChain 生态的三层结构是「LangGraph 运行时 → LangChain 框架 → Deep Agents 套件」，自底向上构建；Deep Agents 不是又一个新框架，而是把 Claude Code、Manus、Cursor 这些产品验证过的共性能力打包成的 harness。

开场

要做一个 AI 编程助手，你会期望它具备什么能力？读项目源码、理解代码结构、制定修改计划、分步执行并追踪进度、把查文档和写测试这类子任务派出去、还得在多轮对话里记住你的偏好。

把这张清单拆开看，每一项几乎都是「严肃智能体」的标配：文件读写、任务规划、子智能体调度、长期记忆。社区里和大量开发者聊下来，反馈出奇地一致——最难搞的不是调模型，而是怎么把这些智能体基础设施做扎实。

可现在框架满天飞：LangChain、LangGraph、CrewAI、OpenAI Agents SDK……搜一下就是一大堆，很容易就迷路了。那么 Deep Agents 在 LangChain 生态里到底处在什么位置？它解决了什么别人没解决的问题？

答案要从一张三层架构图说起。LangGraph 是底层运行时、LangChain 是中间框架、Deep Agents 是顶层套件——三层各管一件事，自底向上构建，缺一层都不完整。下面分三层展开。

金字塔总览

mindmap
  root((Agent 开发<br/>三个层次))
    顶层·Deep Agents·套件
      Agent Harness
      虚拟文件系统
      任务规划
      子智能体委派
      长期记忆
    中层·LangChain·框架
      模型抽象
      工具接口
      ReAct 循环
      中间件（1.0 新增）
    底层·LangGraph·运行时
      持久化执行
      流式输出
      人机协作
      状态管理

一、底层：LangGraph 是运行时，管「智能体怎么可靠跑起来」

1.1 定位：智能体世界的操作系统

LangGraph 是整个生态的底座。可以把它理解成构建智能体的最底层操作系统——它不关心你的业务长什么样，只回答一个问题：智能体怎么可靠地运行。

1.2 它解决的四类生产级问题

这些都是「生产级」最基础的能力。不是有了它就一定能上线，但没有它一定上不了线。

1.3 关于依赖方向的常见误解

很多人会下意识把 LangChain 当成底层、LangGraph 当成上层——这正好是反的。

早期它俩是平行关系；从 LangChain 1.0 大版本起，LangChain 是构建在 LangGraph 之上的。LangGraph 才是基座，LangChain 复用它的图执行引擎，再对外提供更简洁的 API。

金句：LangGraph 不是「图编排库」，它是智能体世界的运行时——把持久化、流式、人机协作、状态管理这些生产级地基一次性铺好。

二、中层：LangChain 是框架，管「智能体怎么快速开发」

2.1 定位：面向开发者的应用框架

LangGraph 提供地基，LangChain 在地基之上搭出一套面向开发者的快速开发框架。它的目标用一句话讲：让你用几行代码就能搭出一个能工作的智能体。

2.2 框架层的四块核心能力

2.3 1.0 的关键新增：中间件

LangChain 1.0 引入了中间件，以插件方式给智能体注入新能力。官方目前已经支持 20 多个预制中间件，等于把常见的横切关注点（日志、审计、限流、上下文管理等）从业务里拆出来。

2.4 「几行代码」的语义变了

LangChain 最早期就是「几行代码做一个智能体」，但那时候出来的是玩具。现在还是几行代码，但出来的可以是生产级智能体——同样的字面接口，背后承载的工程能力完全不是一个量级。

不过要注意：框架给你的是积木，怎么搭、搭出什么逻辑，还是要你自己决定。

金句：LangChain 把「几行代码」从玩具升级成生产级——但积木之上的业务逻辑，仍然要开发者自己想清楚。

三、顶层：Deep Agents 是套件，管「行业最佳实践怎么开箱即用」

3.1 官方定位：Agent Harness

LangChain 团队把 Deep Agents 称为 Agent Harness。Harness 这个词最近很热，定位非常直白：模型以外的一切，都属于 harness。

所以现在对一个智能体最简洁的理解是：

智能体 = 模型 + Harness（外部设备）的不断循环 → 最终给用户一个响应。

3.2 三层架构的直观类比

3.3 预制的核心能力

create_deep_agent 一行调用，你就同时拥有：

• 虚拟文件系统：智能体的工作记忆载体
• 任务规划：长程任务的拆解与追踪
• 子智能体委派：把专项任务派给专门的 agent
• 长期记忆：跨对话保留用户偏好与上下文

这些能力以前要自己一行行写，现在不需要了。

3.4 为什么有了框架还要套件？——成功产品都长得差不多

跟进 LangChain 生态两年，一个很深的观察是：这两年做得好的、有深度的智能体产品，骨架都长得差不多。

把 Claude Code、Manus、Cursor 这几个热门产品的核心能力摘出来对比：

功能侧重不同，骨架几乎一致——这不是巧合。LangChain 团队明确说过，Deep Agents 的灵感正是来自对这些成功产品的共性分析。只要智能体任务足够复杂、运行时间足够长（long-running agent），这些能力都属于刚需。

金句：Harness 这一层不是让你从零开始创新，而是把行业里验证过的模式固化下来，让你站在 Claude Code、Manus 这些产品的设计经验之上起步。

3.5 别忘了右侧那条线：LangSmith

三层架构之外，右侧还有一条平行的工程化平台——LangSmith。它提供 tracing、evaluation、deployment 等一整套工程化能力，是把智能体真正推上生产的另一半拼图。本讲没展开，但它是后续课程的重点之一。

一页速览

记住一句话：三层自底向上构建，LangGraph 是基座，不是上层——这一条搞反的人最多。

一句话收束

Deep Agents 不是又一个新框架，它是把成功智能体产品的共性骨架打包成套件——选择它，等于站在 Claude Code、Manus、Cursor 的设计经验之上开始写第一行代码。