上一篇讲了 Context Engineering——通过 middleware 管理上下文。这一篇讲它的集大成应用：Deep Agents。
Deep Agents 不是新框架，而是一个范式——用 middleware 这套机制，搭出能处理「长上下文、多步骤、需要持续记忆」的复杂 Agent。你可以理解为：把前面学的 create_agent + middleware 用到极致，就是 Deep Agents。
普通 Agent 搞不定什么
前面讲的 create_agent + 几个 middleware，能做「调几个工具回答问题」这种相对简单的任务。但有一类任务它搞不定：
- 任务很长：要跑几十上百步（比如「调研一个技术方向并写完整报告」）
- 上下文要持续：前面调研的结论，写报告时要记得
- 要分阶段：调研、分析、写作，每个阶段关注点不同
普通 Agent 跑这种任务，要么上下文爆掉（第 22 篇讲的问题），要么跑到后面忘了前面。
Deep Agents 怎么解决
Deep Agents 的核心思路：把 middleware 这套用全、用到位，让 Agent 能长跑、能记得、能切换关注点。它典型组合这几个能力：
1. 持久化记忆（长期 + 短期）
普通 Agent 只记得当前 context 里的。Deep Agents 配长期记忆——把跨阶段的重要信息存到外部（第 37 篇的 Store），context 里只放当前阶段需要的，要时再取回。这样跑了几十步后，还能记得第一步的关键结论。
2. 主动的上下文管理
不是被动等 context 满了才处理，而是主动用压缩、筛选 middleware 维持 context 聚焦（第 22 篇的策略）。每个阶段切换时，主动整理 context，让模型专注当前阶段。
3. 结构化的任务推进
长任务不是一锅炖。Deep Agents 用结构化方式推进：明确当前在哪个阶段、目标是什么、已有什么结论。这种结构化状态，让 Agent 不会在长任务里迷失。
一个典型场景：调研并写报告
举个例子感受 Deep Agents 干什么。任务：「调研某技术方案的优劣，写一份报告」。
普通 Agent 会怎么做：一头扎进去检索，检索结果全塞 context，写到一半 context 满了，前面的调研结论被挤掉，报告前后矛盾。
Deep Agents 会怎么做：
- 规划阶段：拆解成「调研→分析→写作」几步，记到长期记忆
- 调研阶段：检索、整理，把关键发现存到长期记忆，context 里只留当前在查的
- 分析阶段：从长期记忆取调研结论，专注分析，分析结论再存回
- 写作阶段：取调研+分析结论，专注成文
每个阶段 context 聚焦自己的事，跨阶段的信息靠长期记忆传递。这样即使跑了很久，也不会丢信息、不会迷失。
本质：middleware 的组合艺术
看清 Deep Agents 的本质：它没有新机制，全是用前面学的东西组合。
- 用
create_agent做骨架 - 用记忆 middleware 管短期 + 长期记忆
- 用 Context Engineering middleware 管上下文
- 用结构化 state 推进任务（第 10 篇的 state）
Deep Agents 的「深」，不在于有什么神秘技术，而在于把这些 middleware 用得充分、组合得合理。这也是为什么 Phase 3 花这么多篇幅讲 middleware——它就是搭复杂 Agent 的全部武器。
一个判断：什么时候需要 Deep Agents
不是所有任务都要 Deep Agents。判断标准：
| 任务特征 | 用什么 |
|---|---|
| 短任务（几步内，单轮或少量多轮） | 普通 create_agent |
| 中等任务（十几步，要记忆和工具） | create_agent + 记忆/压缩 middleware |
| 长任务（几十上百步，跨阶段，要持续记忆） | Deep Agents |
Deep Agents 的复杂度是有成本的——更多 middleware 要配、长期记忆要维护、结构化 state 要设计。任务不够复杂时硬上 Deep Agents，是过度设计。
收束：middleware 的集大成
这一篇讲了 Deep Agents：
- 它是用 middleware 这套搭出的、能处理长任务的复杂 Agent 范式
- 三个核心：持久化记忆、主动上下文管理、结构化任务推进
- 本质是 create_agent + 记忆 + Context Engineering + 结构化 state 的组合
- 只有真正的长任务才需要它，短任务用普通 Agent 即可
下一篇是 Phase 3 的收束——讲 Agent 的三种范式：ReAct、Plan-Execute、反思，作为 Phase 3 的总结，并衔接到 Phase 4。
关于十三Tech
我是十三，All in AI Agent 方向的架构师，专注 AI 工程实践。我相信 AI 是程序员的最佳搭档。
如果你想跟完这套「图解 LangChain」，欢迎关注公众号 「十三Tech」。全系列 42 篇，会按认识基础、LangGraph 状态机、Agent 与 middleware、RAG 检索、Tools/MCP/记忆、生产化收束这条线更新。
