Deep Agents 相关 AI 资讯

7月11日

01:04

Harrison Chase@hwchase17

精选

LangChain 与 NVIDIA 合作发布了 NemoClaw DeepAgents 蓝图，该蓝图集成了 Deep Agents 开源框架、Nemotron 3 ultra 模型以及 OpenShell 企业运行时。同时，OpenWiki 推出新版本，支持从 Gmail、互联网等来源创建个人知识库（个人大脑）。这些更新旨在帮助企业从模型层到上下文层实现完整的技术栈掌控。

推荐理由：LangChain和NVIDIA合作出了个新蓝图，用Nemotron 3 ultra跑Deep Agents，还有OpenWiki新版本能从你的邮箱建个人知识库，挺实用的。

原文

00:10

官方账号LangChain@LangChainAI

精选

LangChain 团队将 NVIDIA 的 Nemotron 3 Ultra 接入 agent 框架 Deep Agents 进行调优。他们通过特定的训练和推理优化，提升了模型在复杂任务中的表现。调优后的 Nemotron 在多个 benchmark 上取得进展，展示了开源模型在智能体场景下的潜力。

AI模型 Nemotron NVIDIA LangChain Deep Agents 智能体

推荐理由：LangChain 分享了怎么用 Deep Agents 调优 Nemotron 3 Ultra，有具体方法，做 agent 的可以看看。

原文

7月9日

08:57

08:57IT之家（博客/媒体）

75°

英伟达宣布其 Nemotron 3 Ultra 模型在 LangChain 的 Deep Agents 基准测试中取得开源模型最高准确率。该基准测试评估智能体系统的多步推理、工具调用和任务编排能力。调优后的 Nemotron 3 Ultra 每次推理成本仅为顶级闭源模型的 1/10，同时实现更高吞吐量。在业务任务能力上，该模型通过优化模型周围环境达到顶尖闭源模型水平。

AI模型 Nemotron 3 Ultra 英伟达 Deep Agents 智能体推理模型

推荐理由：英伟达开源模型 Nemotron 3 Ultra 在智能体测试中准确率最高，成本只有闭源模型的十分之一，适合想低成本构建企业智能体的团队。

原文

03:19

官方一手NVIDIA AI Blog@Adel El Hallak

精选

NVIDIA Nemotron 3 Ultra 在 LangChain 的 Deep Agents 框架上取得开放模型最高准确率。它完成更多任务且吞吐量更高，运行速度提升10倍。其成本低于顶级闭源模型。这使得 Nemotron 3 Ultra 成为构建 AI 智能体的高性价比选择。

AI模型 NVIDIA Nemotron 3 Ultra LangChain Deep Agents 智能体

推荐理由：NVIDIA 的 Nemotron 3 Ultra 和 LangChain 合作，以更低成本跑出比闭源模型快10倍的成绩，做智能体首选。

原文

01:46

官方账号LangChain@LangChainAI

精选

NVIDIA与LangChain联合发布NemoClaw Deep Agents蓝图，包含开放权重模型层Nemotron 3 Ultra，支持领域定制。Deep Agents层提供规划、工具调用、记忆和长时任务处理能力。OpenShell Runtime作为开放运行时，允许用户控制、审计和治理。该蓝图旨在简化智能体应用的构建与部署。

AI模型 NVIDIA Nemotron 3 Ultra LangChain Deep Agents 智能体

推荐理由：NVIDIA和LangChain搞的这个蓝图很实在，Nemotron 3 Ultra开放权重随便微调，智能体框架自带规划、工具、记忆，运行时也开源可审计。

原文

01:42

官方账号NVIDIA AI@NVIDIAAI

精选

NVIDIA AI 与 LangChain 联合推出基于 Nemotron 3 Ultra 的 Deep Agents 开源智能体框架。该 agent 在评测中取得 0.86 聚合分数，推理成本仅 4.48 美元。而性能最接近的闭源模型成本为 43.48 美元，实现了 10 倍的成本降低。框架完全开放可定制，开发者可直接使用。

AI模型 Nemotron 3 Ultra LangChain Deep Agents NVIDIA 智能体

推荐理由：NVIDIA 和 LangChain 搞了个开源智能体，用 Nemotron 3 Ultra 跑 Deep Agents，性能比肩闭源但成本只要 4 块多，比最接近的对手便宜 10 倍。搞 AI agent 的值得看看。

原文

01:40

官方账号NVIDIA AI@NVIDIAAI

本教程由NVIDIA AI发布，详细讲解如何为Nemotron 3 Ultra模型创建LangChain Deep Agents的harness配置文件。内容包括环境设置、Agent配置参数、工具链集成等步骤，适用于开发者快速部署基于LangChain的多智能体系统。

技巧 LangChain Nemotron 3 Ultra Deep Agents 智能体教程

推荐理由：NVIDIA官方手把手教你给Nemotron 3 Ultra配LangChain Deep Agents，代码级别教程，做智能体开发的别错过。

原文

7月8日

23:41

官方账号LangChain@LangChainAI

LangChain 与 NVIDIA 合作推出 NemoClaw Deep Agents Blueprint，这是一个完全开源的参考架构，用于构建企业级智能体系统。该架构在多个基准测试中取得领先性能，同时推理成本比传统方法降低超过 10 倍。它采用完全开放的软件栈，企业可以拥有并自定义代码。该蓝图旨在帮助开发者快速部署生产级智能体应用。

AI模型 NemoClaw Deep Agents LangChain NVIDIA 智能体

推荐理由：LangChain 和 NVIDIA 搞了个开源的智能体参考架构，性能领先还便宜 10 倍成本，搞 agent 的可以看看。

原文

23:37

Harrison Chase@hwchase17

精选

LangChain与NVIDIA合作发布NemoClaw Deep Agents Blueprint，这是一个完全开源的企业级代理系统参考架构。该蓝图在基准测试中取得领先性能，同时推理成本相比现有方案降低超过10倍。企业可以完全拥有并自定义整个堆栈。

AI产品 NemoClaw Deep Agents LangChain NVIDIA 智能体

推荐理由：LangChain和NVIDIA联手搞了个叫NemoClaw的开源代理系统，性能领先还便宜10倍以上，搞企业级AI代理的可以看看。

原文

01:49

官方账号LangChain@LangChainAI

LangChain Academy 发布新课程“Introduction to Deep Agents”，系统讲解什么是 agent harness 以及为何 agent 需要它。课程涵盖 harness 的 4 个核心能力：封装、路由、状态管理、生命周期控制。学员将学习如何用 Deep Agents 框架构建 agent，并使用 LangSmith 进行跟踪与部署。该课程面向已掌握基础 LangChain 的开发者，提供免费在线学习资源。

技巧 LangChain LangSmith Deep Agents 智能体

推荐理由：LangChain 官方出了个免费课，专门讲 Deep Agents 框架和 harness 的四个核心能力，学完就能上手搭建和部署自己的 AI agent，比之前零散教程系统多了。

原文

7月2日

23:33

Harrison Chase@hwchase17

精选

Deep Agents 是一个开源、模型无关的代理框架。最新更新支持程序化调用子代理，并附有6种常见实现示例。博客与视频教程由 @sydneyrunkle 和 @huntlovell 提供，涵盖类似RLM的操作及代码解释器安全方案。

AI产品 Deep Agents LangChain 子代理智能体多智能体

推荐理由：Deep Agents 开源框架现在可以编程调用子代理了，还给了6种现成方案，适合搭建复杂多代理工作流。

原文

01:59

官方账号LangChain@LangChainAI

Harbor 框架现已直接接入 LangChain 的 Deep Agents、LangSmith Sandboxes 和 LangSmith Observability。该集成通过一段 10 分钟视频完整演示了 Harbor 是什么、如何将 Deep Agent 与 Harbor 集成、以及如何在 LangSmith 中查看结果。这一升级使开发者能够更便捷地在 LangChain 生态内使用 Harbor 进行容器管理和部署。

AI产品 LangChain Harbor Deep Agents LangSmith 集成

推荐理由：LangChain 把 Harbor 直接接入了 Deep Agents 和 LangSmith，看 10 分钟视频就能学会怎么用，省去自己折腾集成。

原文

00:38

官方账号LangChain@LangChainAI

LangChain 的 Deep Agents 新增了递归语言模型（RLM）工作流功能。Sydney Runkle 用 6 分钟视频讲解其原理和用法。RLM 允许 Agent 在多个轮次中递归调用语言模型，提升复杂任务的表现。该功能已集成到 Deep Agents 的当前版本中。

AI产品 Deep Agents LangChain RLM 递归推理工作流

推荐理由：LangChain 给 Deep Agents 加了 RLM 工作流，能递归调用语言模型做更复杂的事。6 分钟视频讲得很清楚，可以看看。

原文

7月1日

03:27

官方账号LangChain@LangChainAI

Antimetal推出自主系统，用于管理生产环境中的软件。它构建环境的世界模型，让代理持续监控、预防问题、分类警报并修复故障。目前处于私有测试阶段，已被初创公司和Fortune 500的工程、基础设施和SRE团队使用。该系统基于Deep Agents构建，并利用LangSmith进行追踪、评估和沙箱测试。

AI产品 Antimetal LangSmith Deep Agents 智能体生产运维

推荐理由：Antimetal用LangSmith做追踪，自动化管生产软件，适合SRE团队试试。他们用的Deep Agents挺有意思。

原文

01:36

官方账号LangChain@LangChainAI

LangChain介绍语音智能体构建的两种方案：Gemini Live实现低延迟的自然对话，Sandwich架构提供更可靠的流程控制。他们结合Gemini Live、Deep Agents和LangSmith构建了一个语音研究智能体，具备完整追踪与可观测性。该方案同时优化了对话质量和长期研究任务的可靠性。

技巧 LangChain Gemini Live Deep Agents LangSmith 语音智能体

推荐理由：LangChain教你如何混用Gemini Live和Sandwich架构，既做出流畅对话又保证任务可靠，实用技巧。

原文

00:28

官方账号LangChain@LangChainAI

精选

Harbor框架新增与Deep Agents、LangSmith Sandboxes和LangSmith Observability的直接集成。用户可在真实、可复现、隔离的环境中运行代理，支持多次并行执行和最终确定性检查。该集成简化了AI代理的测试与可观测性工作流。

AI产品 Harbor Deep Agents LangSmith 智能体测试框架

推荐理由：Harbor框架现在可以直接接Deep Agents和LangSmith，帮你并行跑代理测试，环境隔离还能自动检查结果，省心多了。

原文

6月28日

04:31

Harrison Chase@hwchase17

社区成员推出3小时深度课程，系统讲解Deep Agents构建。课程覆盖任务规划模块、文件系统用于上下文管理、子代理生成机制以及长期记忆实现。适合想深入掌握Agent开发流程的学习者。

技巧 Deep Agents 智能体任务规划上下文管理子代理

推荐理由：想学Deep Agents实战吗？3小时从任务规划讲到长期记忆，社区大神亲自带，比硬啃文档快多了。

原文

6月27日

13:20

官方账号LangChain@LangChainAI

Alex Olsen 加入 LangChain 团队后发表首篇文章，详解 Deep Agents 如何利用 prompt caching 技术减少 API 调用次数。该方案通过缓存重复提示词，最高可降低 50% 的 API 成本。文章提供了具体实现步骤和代码示例，帮助开发者快速集成。

技巧 LangChain Deep Agents prompt caching 成本优化

推荐理由：LangChain 新成员 Alex 手把手教你给 Deep Agents 加缓存，省下一半 API 钱，实用技巧别错过。

原文

12:51

Harrison Chase@hwchase17

Vercel Developers 发布了 AI SDK Harness API 的更新，新增对 OpenCode 和 LangChain Deep Agents 的支持。该 API 通过统一的 HarnessAgent 接口，允许开发者在不同运行时之间切换而无需修改代码。这一更新简化了多智能体系统的集成和部署流程。开发者现在可以同时利用两个平台的高级智能体能力。

AI产品 Vercel Harness API OpenCode LangChain Deep Agents

推荐理由：Vercel 的 Harness API 现在能一个接口同时跑 OpenCode 和 LangChain 的深度智能体，不用改代码，太方便了。

原文

6月26日

23:19

官方账号LangChain@LangChainAI

monday.com 的一个智能体需要处理超过 200 个工具，导致严重的上下文污染，LLM 混乱且推理成本飙升。团队采用 Deep Agents 架构重建了产品 Sidekick，将工具分组管理以隔离上下文。重构后智能体决策准确率提升、延迟降低。详细方案在 YouTube 视频中由 @omribruchim 讲解。

技巧 monday.com Deep Agents Sidekick 智能体工具上下文

推荐理由：monday.com 用 Deep Agents 把 200+ 工具拆成小组，解决 LLM 被上下文污染搞晕的问题，成本降效果升，多工具场景必看。

原文

05:30

官方账号LangChain@LangChainAI

LangChain 推出 LangSmith 平台多项更新，包括为 Deep Agents 设计的 Rubrics（评分规则）以及编程式定义子智能体（programmatic subagents）的能力。新版本还增强了 LangSmith 的追踪与评估功能，支持用户更精细地控制和调试多智能体系统。这些更新已在上线版本中可用，开发者可直接在 LangSmith 界面中配置。

AI产品 LangSmith LangChain Deep Agents 子智能体产品更新

推荐理由：LangChain 给 LangSmith 上了新活：Deep Agents 评分规则和可编程子智能体，调试多智能体更方便了，搞 Agent 开发的可以看看。

原文

6月24日

04:18

官方账号LangChain@LangChainAI

精选

LangChain团队发布博客，介绍Deep Agents中的解释器功能。该方法在智能体循环内嵌入小型运行时，允许智能体动态编写和运行代码。这增强了智能体的灵活性和自主执行能力。博客由团队成员Hunt Lovell撰写，详细解释了实现原理。

AI产品 LangChain Deep Agents 解释器代码执行智能体

推荐理由：LangChain教你让智能体自己写代码执行，比传统工具调用更灵活，适合复杂任务。

原文

02:15

官方账号LangChain@LangChainAI

精选

LangChain 发布基于 Deep Agents 的循环工程方法，通过 self-harness 实现智能体自我改进。流程分三步：运行代理并观察失败（弱点挖掘）、提出 harness 改进方案、验证改进有效且无回归。论文见 arxiv.org/pdf/2606.09498，代码开源在 github.com/langchain-ai/d…。该方法可系统性提升 Agent 鲁棒性。

技巧 Deep Agents LangChain 智能体循环工程自我改进

推荐理由：LangChain 公布了一种让智能体自己找弱点并改进的循环方法，每一步都给了具体操作，想调优 Agent 的可以照着试试。

原文

6月23日

05:06

官方账号LangChain@LangChainAI

精选

Deep Agents v0.6 新增代码解释器，代理可在运行时调用工具。中间结果保留在模型上下文之外，仅传回相关输出。这减少了往返次数和 token 浪费。该版本由 LangChain 发布。

AI产品 Deep Agents LangChain 代码解释器智能体工具调用

推荐理由：Deep Agents v0.6 出代码解释器了！运行时调工具，中间结果不占上下文，省 token 还少跑几趟。看详情。

原文

6月22日

02:54

Harrison Chase@hwchase17

Deep Agents 被描述为模型无关（model agnostic）且通用（general purpose）的 agent 工具。它被提出作为 Codex 和 Claude Code 的替代品。该工具不绑定特定模型后端，支持灵活切换。根据 x 上的讨论，Deep Agents 可能提供类似代码生成和 agent 执行能力。

AI产品 Deep Agents Codex Claude Code 智能体模型无关

推荐理由：如果你在用 Codex 或 Claude Code，可以试试 Deep Agents，它是模型无关的，兼容更多模型，更灵活。

原文

6月21日

23:28

Harrison Chase@hwchase17

社区文章演示了如何借助Deep Agents框架构建一个类似Claude Code的编程智能体。文章特别提到GLM-5.2模型表现强劲，可作为该智能体的底层推理引擎。通过3个步骤即可完成部署，无需从头开发复杂Agent系统。

技巧 Deep Agents Claude Code GLM-5.2 智能体开源模型

推荐理由：教你用Deep Agents自己搭一个Claude Code同款智能体，还顺带体验GLM-5.2的威力，实操性很强。

原文

6月20日

23:06

shao__meng@shao__meng

精选

LangChain官方认证大使@zhanghaili0610（也是「LangChain实战」「LangGraph实战」作者）开源了教程「Deep Agents 实战」。教程围绕Agent开发的“三层架构”：Runtime（LangGraph）、Framework（LangChain）、Harness（Deep Agents）。核心是“上下文工程”，Deep Agents引入虚拟文件系统（read_file/write_file等6大工具），支持任务规划（write_todos）、子Agent委派（异步并行）和Skills复用（兼容30+工具）。教程共8章加2准备篇，涵盖环境搭建、核心机制到进阶记忆。

技巧 Deep Agents LangChain LangGraph zhanghaili0610 智能体

推荐理由：Harry Zhang出了第三本实战教程，手把手教你怎么用LangChain和LangGraph搭Deep Agents，虚拟文件系统和Skills复用这些干货很实用。

原文

6月19日

02:22

官方账号LangChain@LangChainAI

LangChain 推出 Deep Agents 深度解析第四部分，核心主题是 steering 功能。该功能通过第一类 HITL（人在回路）原语，允许用户在 Agent 执行过程中实时介入和调整行为。与传统的自动化流程相比，steering 提供了更细粒度的控制，无需重新启动整个 Agent。此特性使开发者能灵活纠正方向或注入上下文，提升复杂任务的可靠性。

AI产品 LangChain Deep Agents Steering 人在回路智能体

推荐理由：LangChain 教你用 HITL 原语引导 Deep Agents，比硬编码指令灵活多了，跑偏了也能随时拽回来。

原文

6月18日

03:53

官方账号LangChain@LangChainAI

LangChain 发布 Deep Agents 深度解析第三部分，聚焦 Delegation 委派功能。该工具让模型能自动规划复杂任务，并内置子智能体支持。来自 @SydneyRunkle 的 90 秒讲解视频详细演示了如何通过委派分工提升任务执行效率。

技巧 Deep Agents LangChain 智能体任务规划教程

推荐理由：LangChain 出了个 Deep Agents 新视频，讲怎么用委派功能规划复杂任务，还自带子智能体支持，90 秒就讲明白。

原文

6月17日

00:58

官方账号LangChain@LangChainAI

LangChain 发布 Deep Agents 深度解析第二部分，讲解上下文管理关键能力。Sydney Runkle 在不到2分钟视频中演示如何控制 Agent 长期记忆与状态。该方法可让 Deep Agents 在连续多轮对话中保持一致性，避免遗忘。

技巧 LangChain Deep Agents 智能体上下文管理提示词工程

推荐理由：如果你在用 LangChain 做智能体，这个2分钟视频教你怎么管理上下文，让 Agent 不跑偏。

原文

6月16日

00:14

官方账号LangChain@LangChainAI

LangChain 官方发布了 Deep Agents 系列教程的第一部分，深入讲解执行环境（execution environment）作为 Deep Agent 的骨干。该视频由 Sydney Runkle 主讲，详细介绍了代理的底层运行机制。

技巧 LangChain Deep Agents 智能体教程

推荐理由：LangChain 官方出品的 Deep Agents 实战教程，从执行环境讲起，适合想深入理解智能体原理的开发者和学习者。

原文

6月15日

22:05

官方一手AWS Machine Learning Blog@Sundar Raghavan

精选

本教程介绍如何使用 Deep Agents 和 Bedrock AgentCore 构建竞争研究智能体。你将在多步AI工作流中创建隔离执行环境。在第二部分，你可以通过 AgentCore CLI 将同一智能体部署到 Bedrock AgentCore Runtime，作为托管、会话隔离的服务运行。

技巧 Deep Agents Bedrock AgentCore AgentCore CLI 智能体

推荐理由：AWS 教你用 Deep Agents 和 Bedrock AgentCore 搭研究智能体，还能用 CLI 部署成托管服务，适合搞多步AI流程的开发者。

原文

6月13日

13:19

官方账号LangChain@LangChainAI

Box Agent 基于 Deep Agents 构建，提供跨库搜索、多文档合成和结构化报告功能。该智能体在 Box 现有的安全与权限模型内运行，无需额外配置。目前该推文获得 1006 次浏览和 10 个点赞。

AI产品 Box Agent Deep Agents 智能体多文档合成

推荐理由：Box 出了个能跨库搜文档的智能体

原文

6月12日

02:03

官方账号LangChain@LangChainAI

精选

Rippling AI 采用多智能体系统架构，每个主管智能体下辖三个专业 Deep Agent：读取智能体负责查询结构化数据，RAG 智能体检索非结构化信息（如 HR 文档、手册），行动智能体执行写入操作。主管智能体分析查询并决定调用哪个子智能体。该架构将复杂企业任务拆解为专业分工，提升自动化效率与准确性。

AI产品多智能体系统 Rippling Deep Agents 企业AI 架构设计

推荐理由：做企业级 AI 应用或 HR 系统集成的团队值得关注——Rippling 的 Deep Agents 架构展示了如何用多智能体分工处理结构化与非结构化数据，直接复用思路可加速自家产品智能化。

原文

6月11日

01:29

官方账号LangChain@LangChainAI

LangChain 在 Deep Agents 中新增了 RubricMiddleware 功能，用于定义任务完成的明确标准。该中间件能让智能体持续执行直到达到预设的完成条件，解决了智能体任务执行中缺乏明确终止判断的问题。这对于需要精确控制任务完成状态的自动化场景非常有用。

AI产品智能体 LangChain Deep Agents 任务完成中间件

推荐理由：做智能体开发的团队终于有了明确的「完成」定义工具——RubricMiddleware 让智能体不再盲目执行，而是按标准持续优化直到达标，建议做自动化流程的开发者试试。

原文

6月10日

00:58

官方账号LangChain@LangChainAI

LangChain 将于 6 月 22 日在芝加哥举办线下活动，邀请 United 分享如何利用 Deep Agents 进行 spec-driven 开发，并由 LangChain 创始人 Harrison Chase 与 Austin 对话探讨 Deep Agents 和 Managed Deep Agents 的未来方向。活动旨在促进 AI 社区交流，适合对智能体开发感兴趣的开发者参与。

行业智能体 Deep Agents spec-driven 开发社区活动 LangChain

推荐理由：想了解 Deep Agents 在企业级 spec-driven 开发中的实际落地？United 的案例和 Harrison 的行业洞察值得一听，做智能体应用的开发者建议报名。

原文

6月9日

05:23

Harrison Chase@hwchase17

LangChain 联合创始人 Harrison Chase 在 X 上发布了一段由 Sydney Runkle 制作的 90 秒视频，快速解释了 Deep Agents 的核心概念。视频以极简方式展示了如何利用 LangChain 构建深度智能体，适合快速入门。该内容引发社区关注，已有 1000+ 次浏览。

AI产品 LangChain Deep Agents 智能体视频教程快速入门

推荐理由：LangChain 官方用 90 秒讲清 Deep Agents 是什么，想快速理解智能体构建逻辑的开发者可以直接看视频，省去翻文档的时间。

原文

04:16

官方账号LangChain@LangChainAI

LangChain 发布了一段不到90秒的视频，由 @sydneyrunkle 讲解 Deep Agents 的概念。视频快速介绍了 Deep Agents 的核心思想——一种更智能、更自主的 AI 代理架构，能够处理复杂任务并做出决策。该内容适合对 AI 代理技术感兴趣的开发者快速了解前沿趋势。

AI产品智能体 LangChain Deep Agents AI代理科普

推荐理由：LangChain 官方出品的快速科普，90秒就能搞懂 Deep Agents 是什么，做 AI 代理开发的值得一看。

原文

6月4日

00:49

官方账号LangChain@LangChainAI

创业公司发现平台 Harmonic AI 使用 Deep Agents 和 LangSmith 重建了其 AI 平台 Scout。Deep Agents 采用一个前沿模型加两个工具集（全球公司数据和公司特定上下文），并内置长周期执行和上下文窗口管理。LangSmith 负责部署和扩展，提供完整对话追踪用于调试，并自动发现失败模式和建议修复。这一重建提升了平台的智能性和可靠性。

AI产品智能体 AI 平台 LangSmith Deep Agents 创业发现

推荐理由：做 AI 平台或智能体开发的团队可以看看 Harmonic 如何用 Deep Agents 和 LangSmith 解决长周期执行和调试痛点，值得借鉴。

原文

6月3日

08:28

Harrison Chase@hwchase17

LangChain 创始人 Harrison Chase 发布了一分钟视频，快速解释其托管 Deep Agents 服务。该服务旨在简化复杂 AI 智能体的部署与管理，让开发者无需自建基础设施即可运行深度推理智能体。视频展示了如何通过 LangChain 平台快速创建、配置和监控智能体，强调其可扩展性和易用性。这一服务降低了企业采用 AI 智能体的门槛，尤其适合需要快速迭代和稳定运行的团队。

AI产品 LangChain Deep Agents 托管服务智能体 AI 部署

推荐理由：LangChain 把 Deep Agents 做成了托管服务，做 AI 应用开发的团队可以省去自建运维的麻烦，直接上手试试。

原文