文章探讨了当前基于大语言模型（LLM）的代理架构的局限性，指出简单的循环调用工具的方式导致代理“浅层化”，难以处理复杂任务。通过分析“Deep Research”、“Manus”和“Claude Code”等应用，提出了改进代理能力的四个关键要素：规划工具、子代理、文件系统访问和详细提示。文章进一步探讨了如何从Claude Code的成功中抽象出通用特性，以构建更强大的“深度代理”。

深度代理：超越简单循环的工具调用

在人工智能领域，使用大型语言模型（LLM）循环调用工具是最简单的代理形式。然而，这种架构往往导致代理“浅薄”，无法在更复杂、长期的任务中进行规划和执行。为了解决这一问题，像“深度研究”、“Manus”和“Claude Code”等应用通过结合四种关键要素：规划工具、子代理、文件系统访问和详细提示，成功突破了这一限制。

深度代理的核心特征

1. 详细系统提示
   Claude Code的系统提示非常详细，包含了工具使用指南和特定情境下的行为示例。这种复杂的提示使得代理能够更深入地执行任务，而不仅仅是表面操作。

2. 规划工具
   Claude Code使用了一个“待办事项列表”工具，虽然它本身并不执行具体操作，但它通过上下文工程策略帮助代理保持任务的正轨。规划工具是深度代理能够在长期复杂任务中有效执行的关键。

3. 子代理
   Claude Code能够生成子代理，将任务分解并分配给专注于特定任务的子代理。这种机制不仅提高了任务执行的效率，还允许用户通过自定义子代理实现更精细的控制。

4. 文件系统
   Claude Code可以访问并修改文件系统，这不仅有助于完成任务，还能记录笔记。文件系统还作为所有代理和子代理的共享工作空间，促进协作。Manus等深度代理也充分利用文件系统来管理“记忆”，帮助代理在长时间运行中积累和管理大量上下文信息。

构建你自己的深度代理
为了让更多人能够轻松构建适用于特定领域的深度代理，开发者创建了一个开源工具包deepagents。该工具包提供了内置组件，包括受Claude Code启发的系统提示、待办事项列表规划工具、子代理生成功能以及虚拟文件系统。用户可以通过自定义提示、工具和子代理，快速创建自己的深度代理。

总结
深度代理通过结合详细提示、规划工具、子代理和文件系统，能够在复杂任务中表现出色。无论是深度研究还是异步编程，深度代理都展现了其强大的潜力。通过开源工具包deepagents，开发者可以轻松构建并定制自己的深度代理，推动人工智能在更多领域的应用。

评论内容主要围绕“深度代理”（deep agents）和任务管理工具展开，观点多样且涉及技术细节。以下是总结：

1. 深度代理的本质：多位评论者认为“深度代理”本质上仍然是代理+工具的组合，并没有太多创新。

   • andrei：“深度代理 = 有计划的代理 + 工具 = 普通代理。”
   • web-cowboy：“深度代理听起来仍然像是代理+工具。”

2. 任务管理工具的评价：部分评论者对任务管理工具的使用体验进行了评价，尤其是Jetbrains的Junie和Cursor的表现。

   • shmatt：“Junie的待办事项工具质量很高，但Cursor经常重写文件，Claude则介于两者之间。”

3. 技术实现与开源项目：一些评论者分享了他们对相关代码的研究和开源项目的进展。

   • manishsharan：“作者在逆向工程Claude Code方面做得很好，并解释了其架构。”
   • manx：“我正在用Rust开发一个通用代理CLI+库，欢迎反馈。”

4. 子代理与上下文管理：子代理的使用和上下文管理是讨论的焦点之一，但也有人对其复杂性表示担忧。

   • hwchase17：“这些代理使用子代理和类似文件系统的机制来卸载上下文。”
   • gsmt：“当多个子代理并行工作时，共享文件系统可能会变得混乱。”

5. 行业趋势与创新性：部分评论者认为当前许多代理项目缺乏真正的创新，更多是跟风行为。

   • noodletheworld：“这些代理项目门槛低、易于炒作，但并没有引入真正新颖的东西。”

总结：评论者对“深度代理”的技术实现、任务管理工具的使用体验以及行业趋势进行了广泛讨论，观点既有认可也有质疑，尤其是对创新性和复杂性的担忧较为突出。