用 AI 处理长周期复杂任务，随着上下文越来越长，模型容易出现「忘事」，输出质量也直线下降。

LangChain 官方团队开源了一套教程：Deep Agents from Scratch，从零拆解主流 Agent 的核心设计模式，讲得很透彻。

教程总结了 Manus、Claude Code 等Agent 的解决思路：任务规划、上下文卸载到文件系统、以及通过子代理实现上下文隔离。

GitHub：http://github.com/langchain-ai/deep-agents-from-scratch

一共 5 个渐进式 Notebook，从最基础的 ReAct 循环开始，逐步加入 TODO 任务管理、虚拟文件系统、子代理委派，最后整合成一个完整的深度研究 Agent。

每一步都能跑通看到效果，不是纯理论，最终搭出来的 Agent 能做真实的网络搜索和多步骤分析任务。

想搞懂当前主流 Agent 到底是怎么设计的，或者正准备自己搭一个，这套教程值得跟着做一遍。