拆解Deep Agents的记忆与子代理机制

LangChain 的 Deep Agents 把子代理、文件操作、跨会话记忆和人工审批装进了一套可扩展的代理运行底座。根据这篇 dev.to 文章的节选，它基于 LangGraph，试图回答代理如何从调用模型走向持续执行任务的问题。目前材料足以看清架构思路，但还不能据此确认完整的部署能力。

目前能确认什么

作者将 Deep Agents 描述为可直接运行、逐层替换组件的代理。LangGraph 提供流式输出、持久化和检查点，底座再组织工具执行、上下文管理、记忆检索与任务委派。

子代理接到任务时使用独立的上下文窗口，父代理传入任务说明和相关材料，再接收结构化结果。按节选描述，子代理还可拥有不同的工具权限，并单独保存执行检查点。这样能减少中间过程挤占父代理上下文的情况。

文件系统通过统一接口连接本地、沙箱或远程存储。接口统一解决的是文件操作适配，安全隔离仍取决于后端实现。

记忆则区分当前会话状态和长期信息：前者保存对话、工具调用与中间结果，后者存放事实、偏好和摘要，按需检索、显式更新。检查点与长期记忆用途不同：一个保存执行进度，一个供后续会话调用。

我的判断

对正在搭建 Agent 的程序员，这套拆分最有参考价值的地方，是把三个问题分别处理：任务上下文如何控制、文件放在哪里、执行中断后如何接续。子代理也适合承担边界明确、结果可汇总的任务；父代理仍需判断返回结果是否足够。

有检查点，不等于重试工具调用就不会重复产生副作用。

写文件或调用外部服务后如何恢复，审批通过后从哪里继续，都需要更明确的执行语义。现有节选也没讲清记忆的用户隔离、过期与纠错机制，列出的存储方案是否都有现成适配器，同样有待官方文档确认。不能仅凭「开箱即用」就判断生产部署已经省心。