Deep Agent
LangChain生态中Harness架构思想的一种高度封装实现，建立在大模型（Models）和Agent之上，底层依赖LangGraph的图编排能力，用于构建能自主执行复杂任务的智能体系统。
核心事实
时间轴 (近 90 天)
tiltmeter fix 命令将漂移问题交给一个 Deep Agent 处理，该 Agent 在临时 git worktree 中编辑代码并打开 Pull Request。
LangChain、LangGraph 和 Deep Agent 都需要写代码、理解抽象接口，对零基础用户门槛较高。
讲师建议零基础学习者先用 Dify 建立直觉，再迁移到 LangChain、LangGraph、Deep Agent 等代码框架。
Deep Agents 本身是一个 harness，即代理循环（agent loop）。
Deep Agent 中的 skill 能力本质上就是基于 LangChain 的动态提示词做了一层高层封装，底层仍依赖 LangGraph 的执行引擎。
Deep Agent 封装程度最高，支持操作文件系统、沙箱后端、虚拟文件系统、长期记忆、任务规划、子 Agent 调度和中件库等能力。
LangChain、LangGraph 与 Deep Agent 是递进式技术栈关系，而非相互替代。
Deep Agent同样内置沙箱机制
全部知识事实 (8)
Deep Agents 本身是一个 harness，即代理循环（agent loop）。
75%已验证Deep Agent 中的 skill 能力本质上就是基于 LangChain 的动态提示词做了一层高层封装，底层仍依赖 LangGraph 的执行引擎。
65%已验证LangChain、LangGraph 与 Deep Agent 是递进式技术栈关系，而非相互替代。
65%待验证tiltmeter fix 命令将漂移问题交给一个 Deep Agent 处理，该 Agent 在临时 git worktree 中编辑代码并打开 Pull Request。
50%待验证LangChain、LangGraph 和 Deep Agent 都需要写代码、理解抽象接口，对零基础用户门槛较高。
50%待验证讲师建议零基础学习者先用 Dify 建立直觉，再迁移到 LangChain、LangGraph、Deep Agent 等代码框架。
50%待验证Deep Agent 封装程度最高，支持操作文件系统、沙箱后端、虚拟文件系统、长期记忆、任务规划、子 Agent 调度和中件库等能力。
50%待验证Deep Agent同样内置沙箱机制
50%