AI在线 AI在线

LangChain重磅推出DeepAgents CLI:支持持久化记忆的AI编程助手

LangChain团队近日正式发布了DeepAgents CLI,这是一款专为编程、研究和构建AI代理而设计的命令行工具。 最大的亮点在于支持持久化记忆系统,让AI助手能够学习和记住信息,并在不同会话之间保持记忆连续性。 现在,开发者可以直接从终端轻松创建和运行自定义的DeepAgents代理。

LangChain团队近日正式发布了DeepAgents CLI,这是一款专为编程、研究和构建AI代理而设计的命令行工具。

图片

最大的亮点在于支持持久化记忆系统,让AI助手能够学习和记住信息,并在不同会话之间保持记忆连续性。

现在,开发者可以直接从终端轻松创建和运行自定义的DeepAgents代理。这款工具支持多项强大功能:

• 文件操作 - 在项目中读取、写入和编辑文件

• 命令执行 - 在获得人工批准后执行shell命令

• 网络搜索 - 搜索网络获取最新信息

• API调用 - 向各种API发送HTTP请求

• 持久化记忆 - 在多个会话中学习和记住信息

• 任务规划 - 使用可视化待办清单进行任务规划

快速安装

安装DeepAgents CLI非常简单,使用pip即可:

pip install deepagents-cli

如果使用uv包管理器:

uv pip install deepagents-cli

三步快速上手

第一步:配置API密钥

DeepAgents CLI同时支持Anthropic(Claude)和OpenAI模型。

默认使用Anthropic Claude Sonnet 4作为默认模型,网络搜索功能则由Tavily提供。

在项目根目录的.env文件中添加以下环境变量,DeepAgents会自动加载:

export ANTHROPIC_API_KEY=your_api_key_hereexport OPENAI_API_KEY=your_api_key_hereexport TAVILY_API_KEY=your_tavily_key_here

第二步:启动CLI

在项目目录下启动DeepAgents:

deepagents

如果使用uv:

uv run deepagents

第三步:开始使用

尝试让代理帮你完成一个简单任务:

你:为src/utils.py中的所有函数添加类型提示

代理将会:

• 读取文件

• 分析函数结构

• 显示建议修改的差异对比

• 在写入前征求你的批准

如果你想要加快开发速度,还可以启用"自动接受编辑"选项。

持久化记忆:AI助手的"长期记忆"

DeepAgents最强大的功能之一就是其持久化记忆系统。

代理可以学习信息,并在不同会话之间回忆这些信息。每个代理将其知识存储在~/.deepagents/AGENT_NAME/memories/目录下。

默认情况下,当你启动DeepAgents时,它会创建一个名为"agent"的代理作为默认代理。

你可以通过指定代理名称来切换使用的代理(从而切换使用的记忆),例如:deepagents --agent foo。

代理会自动遵循"记忆优先"协议:

• 研究时 - 在/memories/中查找相关知识

• 回答前 - 在不确定的情况下搜索记忆文件

• 学习时 - 将新信息保存到/memories/

实际应用案例:教学API模式

你可以这样教代理记住API约定:

你:记住我们的API端点遵循以下模式:- 使用/api/v1/前缀- 所有POST请求成功时返回201- 错误响应包含"code"和"message"字段将此保存为我们的API约定。

代理:我会将这些API约定保存到记忆中。⚙ write_file(/memories/api-conventions.md)

由于这个记忆是持久化的,代理可以在未来的对话中使用这些信息。当你下次说:

你:创建一个用户注册的新端点

代理会回复:根据我们的API约定,我会在/api/v1/users创建一个端点,成功时返回201,并遵循我们的错误格式。

然后它会自动读取记忆文件,并根据约定创建代码。

记忆管理最佳实践

1. 使用描述性文件名

✓ /memories/deployment-checklist.md

✗ /memories/notes.md

2. 按主题组织

/memories/├── backend/│ ├── tools_to_use.md│ └── api-design.md├── frontend/│ └── component-patterns.md└── security-setup.md

3. 验证保存的知识

由于记忆只是一组文件,你始终可以手动或通过代理检查和验证其内容:

你:检查一下你对我们数据库的了解

代理:让我检查一下我的记忆...⚙ ls /memories/⚙ read_file(/memories/backend/database-schema.md)

根据我的记忆,我们使用PostgreSQL,包含以下表...

你也可以通过直接查看~/.deepagents/AGENT_NAME/memories/目录来手动检查记忆文件。

管理多个专业代理

你可以为不同的项目或角色创建专门的代理。从DeepAgents CLI中,你可以列出现有代理、创建新代理,或将代理重置为其默认状态(系统提示、记忆等)。

列出所有代理:

deepagents --list

切换到特定代理:

deepagents --agent backend-dev

重置代理:

deepagents --reset backend-dev

开始使用

现在就试试DeepAgents和DeepAgents CLI吧!LangChain团队期待看到你用它构建出什么有趣的应用。

加入社区并参与贡献:

• GitHub: https://github.com/langchain-ai/deepagents

• 文档: docs.langchain.com/oss/python/deepagents

• YouTube: https://youtu.be/IrnacLa9PJc

相关资讯

LangChain 研究揭示AI代理在工具使用上面临瓶颈

随着人工智能(AI)技术的不断进步,企业开始探讨是否应该依赖单一的 AI 代理,还是构建一个涵盖更多职能的多代理网络。 近日,Orchestration 框架公司 LangChain 进行了相关实验,旨在探讨 AI 代理在面对过多指令和工具时的表现极限。 LangChain 在一篇博客中详细介绍了其实验过程,关注的核心问题是:“当一个 ReAct 代理被要求处理过多的指令和工具时,其性能会在何种情况下下降?” 为了回答这一问题,研究团队选择了 ReAct 代理框架,因其被认为是 “最基础的代理架构之一”。
2/12/2025 4:57:00 PM
AI在线

我们如何构建了一个LangGraph代理以确定GitOps漏洞的优先级?

译者 | 布加迪审校 | 重楼一款基于LangGraph的开源工具可帮助你确定在特定的Kubernetes环境中最需要优先解决的漏洞。 在当今复杂的Kubernetes环境中,管理漏洞并确定优先级很快会变得令人不堪重负。 由于数十甚至数百个容器跨多个服务运行,你如何决定先处理哪些漏洞?
4/3/2025 8:33:59 AM
布加迪

RAG系列:基于 DeepSeek + Chroma + LangChain 开发一个简单 RAG 系统

创建 Next 项目首先,使用 npx create-next-app@latest 根据提示完成 Next 项目的创建:复制创建好项目之后,在 src/app 目录下新建 rag 目录,本次 demo 的代码都将放在这里。 知识库构建接下来,我们将构建知识库,主要目标是将准备好的 pdf 通过向量化存到向量数据库中,以便后续的检索。 由于本次 RAG 系统的开发都要依赖 LangChain 框架,所以我们先在项目中安装 LangChain 框架和核心依赖:复制文档加载LangChain 的 DocumentLoaders[1] 提供了种类丰富的文档加载器,可加载文件系统的文件也可以加载线上文件,包括 csv、docx、pdf、pptx、html、github、youtube等等。
5/22/2025 6:48:50 AM
赖祥燃