Deep Agents Harness应用实战全家桶

FastAPILangChainLangGraphAgentAI实战基础教程

教程简介:基于 Deep Agents,学习构建 Agent Harness 工程能力,包括:任务规划、文件工作区、技能加载、上下文整理、记忆、任务恢复和人工审批等运行能力。课程按14章、62节规划,从模型调用和工具型 Agent 基础开始,逐步学习创建 Deep Agent、读写文件、接入 MCP、开发 Skills、压缩上下文、保存状态、恢复任务、配置审批、控制执行预算、使用沙箱和组织子Agent,最后完成流式交互与结果验收。每章先讲原理,再通过代码实现和页面操作观察实际过程。

资料包含

从0带敲视频 + 笔记

教程详情

大家好,我是武哥。今天给大家介绍一套 Deep Agents Harness 应用实战全家桶教程。

当 Agent 开始处理包含多个步骤的任务,程序就需要管理更多内容。任务怎样拆分,文件读写到哪里,长资料怎样整理,执行中断后怎样继续,需要写入或执行操作时怎样等待人工确认,这些都会影响应用的实际使用。

这套课程围绕这些问题展开,带大家使用 FastAPI + Vue 3 + Deep Agents,从基础模型调用开始,逐步学习 Agent 的任务执行与运行管理。

课程免费学习,按14章、62节规划。 每章从原理入手,再通过代码实现和页面操作理解对应能力。具备 Python 和基础 Web 知识即可开始学习。

Harness 具体负责什么

用户在页面上输入一次任务,后端可能需要多次请求模型、读取资料、调用业务工具和保存文件。

Harness 组织这些任务执行所需的能力,例如维护待办、提供文件工具、整理上下文、保存执行状态、等待人工审批和委派子任务。开发者结合业务需要配置这些能力,并编写具体的查询、计算、权限判断和结果检查。

Deep Agents 提供一套组合好的 Harness,使用 LangChain 的模型与工具能力,并基于 LangGraph 执行和维护状态。课程会通过实际调用过程,讲清模型、Agent、Harness 与这些框架怎样配合。

例如,用户提交“读取资料,比较两款产品,生成一份报告”。应用需要确定可访问的资料目录,安排读取和比较步骤,保留价格与条件的来源,把报告写入工作区,最后检查文件并提供下载入口。随着任务推进,页面显示实际进度、工具结果和生成的产物。

课程将沿着这样的执行过程,逐步学习每项能力怎样配置、运行和检查。

从基础调用开始,逐步加入运行能力

第0章准备独立环境,认识模型、Agent 和 Harness 的关系,完成模型配置及能力检查。第1章先跑通消息、工具声明、调用请求、结果回传和退出条件,再用同一个问题对照普通 Agent 与 Deep Agent 的创建方式。

后面的章节围绕规划、文件、技能、上下文、状态、执行控制和交互展开。

章节 学习内容 动手观察的结果
第0章 课程认知与独立环境准备 启动前后端,检查模型配置及文本、工具请求能力
第1章 模型调用与工具型 Agent 基础 模型提出工具请求,程序查询资料并回传结果
第2章 创建 Deep Agent 与任务规划 注册业务工具,拆分任务、更新待办并检查完成条件
第3章 文件工具与工作区 列举、读取、搜索和编辑文件,保存产物并提供下载
第4章 业务工具与 MCP 接入 开发并连接本地 MCP 服务,处理参数、失败、超时与写入幂等
第5章 Skills 技能开发 编写 SKILL.md、报告规范、模板和配套脚本,观察按需加载
第6章 上下文工程与压缩 卸载大工具结果、按需找回原文,观察历史摘要与保留内容
第7章 会话状态与长期记忆 继续同一会话,保存偏好,处理更新、删除与用户隔离
第8章 检查点与任务恢复 使用 SQLite 保存执行状态,停止服务后检查恢复位置与重复操作
第9章 人工介入与权限控制 在工具执行前暂停,批准、拒绝或修改参数后继续处理
第10章 中间件与运行控制 记录模型与工具调用,设置次数、Token预算、超时和终止条件
第11章 代码执行与沙箱 在本地隔离环境中计算 CSV、生成图表,并检查资源与访问限制
第12章 子Agent与多Agent协作 委派子任务,限制并发,管理共享文件并汇总实际结果
第13章 流式交互与结果验收 分类展示文本和任务事件,处理连接状态,检查输出字段与产物文件

学习时会同时关注配置与实际行为。例如,待办列表怎样更新、文件保存在哪里、记忆是否能在新会话中读取、审批发生前工具是否执行,都需要通过运行结果核对。

跟着页面操作,也能看懂后端执行

课程使用 FastAPI 提供接口,Vue 页面提交问题、展示结果和执行进度。涉及文件产物、人工审批和任务恢复时,再加入对应的页面操作。

每个编程课节将按创建顺序给出文件路径和完整代码。注释结合当前任务解释输入来源、函数用途、参数含义、返回结果和异常处理,帮助你顺着“页面输入、接口接收、Service执行、结果展示”阅读程序。

例如,创建 Deep Agent 时哪些配置参与装配,工具什么时候真正执行,文件后端怎样决定读写位置,恢复任务时使用哪个标识,都会放到具体代码和操作步骤中说明。

完成实现后,再通过验证步骤检查工具记录、文件内容、状态保存和结束原因。遇到资料不足、接口报错、审批等待或执行上限时,可以沿对应环节定位问题。

学完可以掌握什么

  • 理解模型、工具型 Agent 与 Harness 在任务执行中的分工。
  • 创建 Deep Agent,配置模型、业务工具、文件后端和任务规划。
  • 开发本地 MCP 服务,管理工具调用与资源释放。
  • 编写 Skills,将操作规范、模板和脚本组织为可加载的技能。
  • 处理长工具结果、历史摘要和按需读取资料。
  • 管理会话状态、用户偏好、检查点和跨请求任务恢复。
  • 实现工具执行前的人工审批,以及后端权限和幂等检查。
  • 通过中间件观察调用过程,设置执行预算和终止条件。
  • 在隔离环境中执行数据计算,保存图表和结果文件。
  • 配置子Agent协作,并检查任务结果、数据依据与产物文件。

适合哪些同学

  • 有 Python 基础,希望开始学习 Agent 应用开发的同学。
  • 已经会调用模型和工具,希望进一步学习文件、状态、恢复和审批的同学。
  • 学过 LangChain 或 LangGraph,希望了解 Deep Agents 怎样组合运行能力的同学。
  • 希望开发资料整理、报告生成、数据分析等多步骤应用的同学。

课程可以独立学习。环境准备、模型接入和工具调用会从基础讲起,类型标注、异步调用和框架配置会结合实际实现说明。

学习方式与配套资料

课程将配套初始脚手架、Vue 页面、课程思维导图、喂饭级文档和逐节完整代码。模型示例通过阿里百炼接入,需要在后端配置自己的 API Key。

建议按章节顺序学习。每次先理解当前任务要解决的问题,再编写代码、提交输入,最后核对真实工具结果、状态记录和生成文件。涉及停止与恢复、审批或预算上限时,亲自触发一次对应操作,更容易理解各阶段怎样衔接。

从一次模型请求开始,逐步加入规划、文件、技能、上下文、记忆和运行控制,完成能够持续处理多步骤任务的 Agent 应用。

AI实战基础教程

直接学习,不需要购买

跟着视频学习项目,有配套笔记和资料时可在本站查看。