新闻详情

新闻详情

首页 / 资讯中心 / 详情

Deep Agents Code(dcode)是一个基于 Deep Agents SDK 构建的终端编码智能体

发布时间:2026/9/6 12:33:07来源:尧图网络
Deep Agents Code(dcode)是一个基于 Deep Agents SDK 构建的终端编码智能体
dcodehttps://docs.langchain.com/oss/deepagents/code/quickstart如果Deep Agents Codedcode是最近和Deep Agents / Harness Engineering / Claude Code / Codex一起讨论的那个项目那么可以把它理解成一个面向软件开发的 Deep Agent CLI让 Agent 不只是“调用几个工具写代码”而是具备长期任务执行、上下文管理、文件系统、计划、检查点和恢复能力。它和你前面研究的Deep Agents Package、Deep Agents CLI、Claude Code、Manus、DeepSeek Harness其实属于同一条技术演进路线。先把几个东西分清楚大致可以这样理解Agent Coding System │ ┌─────────────────┼─────────────────┐ │ │ │ Claude Code Codex dcode │ │ │ Coding Agent Coding Agent Deep Agent │ │ │ └─────────────────┼─────────────────┘ │ Agent Runtime │ ┌────────────────────┼────────────────────┐ │ │ │ Tools Context Memory │ │ │ bash/read/write compaction filesystem browser/git summarization checkpoints search hooks statedcode 的重点不是“又一个代码生成 CLI”而是把 Deep Agent 的能力落到 coding 场景。1. 为什么需要 Deep Agents Code普通 Coding Agent 通常是用户 │ ▼ LLM │ ├── read file ├── edit file ├── run test ├── read error ├── edit file └── ...任务一复杂问题就来了大型需求 │ ├── 分析项目 ├── 制定计划 ├── 修改 20 个文件 ├── 跑测试 ├── 修 Bug ├── Review └── 最终验证 │ ▼ 上下文越来越长Agent 最后会遇到Context Window 不够工具调用结果太多忘记之前做了什么中断后无法恢复不知道当前任务做到哪一步大任务容易失控所以 Deep Agent 思路是不要让 LLM 自己承担整个任务状态而是把任务拆解、状态、文件、上下文和恢复机制交给 Agent Runtime。2. dcode 的核心思想可以把它理解成dcode │ ┌────────┴────────┐ │ │ Coding Agent Agent Runtime │ │ ┌─────┼─────┐ ┌────┼────┐ │ │ │ │ │ │ Plan Code Test State Memory Context │ │ │ │ │ │ └─────┴─────┘ └────┴────┘其中比较关键的是Runtime。这也是你最近一直在研究的Context Engineering Harness Engineering Workflow Skill State3. 它和 Claude Code 最大的区别是什么可以先粗略理解Claude Codedcode / Deep Agents定位Coding AgentDeep Coding Agent核心LLM ToolsAgent Runtime文件系统✅✅Bash✅✅长任务支持重点能力Planning✅更强调Context 管理有核心设计之一状态部分隐式更强调显式状态Checkpoint有一定能力Deep Agent 思路Resume支持部分场景重要能力多步骤任务✅核心场景所以不要把它简单理解成dcode Claude Code 的另一个实现更准确的是dcode Deep Agent 思想在 Coding Agent 上的一种实现。4. 为什么叫 Deep Agent这里的Deep不是“模型更聪明”。而是Agent 能够持续处理复杂、多步骤、长时间运行的任务。例如你给它“给这个 React 项目增加一套权限系统。”普通 Agent 可能读代码 ↓ 修改 ↓ 测试 ↓ 结束Deep Agent 会更像需求 │ ▼ 分析 Repository │ ▼ 生成 Plan │ ├── 1. 分析现有路由 ├── 2. 分析用户模型 ├── 3. 设计 Permission Model ├── 4. 修改 Router ├── 5. 修改 UI ├── 6. 增加 API ├── 7. 增加 Test └── 8. Code Review │ ▼ Execute │ ▼ Checkpoint │ ▼ Verify │ ▼ Done如果执行到Step 6突然进程退出Deep Agent 的设计目标是state.json checkpoint workflow filesystem │ ▼ resume │ ▼ 继续 Step 6这就和你前几天设计的workflow.yaml state.json checkpoint pause/resume/retry/recover非常接近。5. dcode 和 Deep Agents CLI 是什么关系这个地方特别容易混淆。可以用这一层关系理解Deep Agents │ ┌─────────┴─────────┐ │ │ Deep Agents Package Deep Agents CLI │ │ Agent Framework 通用 Agent CLI │ ▼ dcode │ ▼ Coding 场景也就是说Deep Agents更像是一套 Agent 架构/框架思想。而dcode更偏向把这种能力用于软件开发。6. 它为什么和你研究的 Context Engineering 很相关这是我认为你现在最应该关注 dcode 的地方。你最近一直在研究Context RotProgressive DisclosureHookContext ManagementCompactionFilesystemMemoryWorkflowCheckpoint这些东西其实可以统一成Agent │ ┌────────┴────────┐ │ │ Reasoning Runtime │ ┌─────────────────┼─────────────────┐ │ │ │ Context State Tools │ │ │ ┌───┴────┐ ┌────┴────┐ ┌────┴────┐ │ │ │ │ │ │ Memory Compaction Workflow Checkpoint Bash Git │ │ │ │ │ │ └────────┴───────┴─────────┴───────┴─────────┘Deep Agent 的核心其实不是让模型“记住更多”而是让模型“不需要记住所有东西”。这句话非常关键。7. Progressive Disclosure 在这里也很重要比如项目里面有skills/ ├── frontend/ │ ├── vue.md │ ├── react.md │ └── testing.md ├── backend/ │ ├── java.md │ └── node.md └── deployment/ ├── docker.md └── k8s.md不要一开始全部加载 ↓ 50K tokens而是User Request │ ▼ Agent 判断需要什么 │ ├── React ├── Testing └── Deployment │ ▼ Progressive Disclosure │ ▼ 只加载相关 Skill这就是你之前问的“渐进式披露操作Progressive Disclosureskill设计思想”它和 Deep Agent 是天然匹配的。8. 如果把 dcode 放到你现在研究的体系里面我会把整个东西理解成User │ ▼ ┌──────────────┐ │ Coding Agent │ │ dcode │ └──────┬───────┘ │ ┌────────────┼────────────┐ ▼ ▼ ▼ Planning Skills Tools │ │ │ ▼ ▼ ▼ Workflow Knowledge Bash/Git │ ▼ ┌──────────────┐ │ Agent Runtime │ └──────┬───────┘ │ ┌────────┼─────────┐ ▼ ▼ ▼ Context State Checkpoint │ │ │ ▼ ▼ ▼ Compaction Memory Resume │ ▼ Filesystem这实际上已经非常接近你前面想做的“研发全流程 DeepSeek Harness Plugin / RD Agent”9. 一句话理解如果你只记住一句Claude Code 更像“一个会写代码的 Agent”而 Deep Agents Codedcode更强调“一个能够长期、分阶段、可恢复地完成复杂软件工程任务的 Agent Runtime Coding Agent”。而你现在研究的这些Skill → Workflow → Context → Hook → State → Checkpoint → Pause/Resume → Compaction实际上正是把一个普通 Coding Agent逐渐变成Deep Coding Agent的关键基础设施。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

258页PMP课件榨干攻略:三周备考3A的高效拆解法 2026/9/6 17:03:56

258页PMP课件榨干攻略:三周备考3A的高效拆解法

简介:以PMBOK知识体系为框架的258页PMP项目管理培训课件,适合正在备考PMP认证的项目管理人员及各行业项目参与者。整份课件系统梳理了项目管理基础、项目生命周期、项目干系人管理,并覆盖整体、范围、时间、成本、质量、人力、沟通、风险、采…

阅读更多 →
KUKA机器人KRC2系统程序备份实操指南:三种方法及避坑要点 2026/9/6 17:03:56

KUKA机器人KRC2系统程序备份实操指南:三种方法及避坑要点

简介:KUKA机器人KRC2系统程序备份方法是一份面向工业机器人现场维护与编程人员的操作指南,专注解决KRC2控制器备份流程不清晰、备份路径设置易出错等痛点,相关思路同样适用于KRC4系统。资源以单个PPT演示文稿承载,整包约523KB&…

阅读更多 →
基于Python与Flask的医院体检挂号系统设计与实现 2026/9/6 17:03:56

基于Python与Flask的医院体检挂号系统设计与实现

简介:这是一份面向计算机专业毕业设计的完整方案文档,主题为基于Python的医院体检挂号系统设计与实现。资源围绕体检预约与挂号业务,采用前后端分离模式,前台供用户和游客使用,后台由管理员管理;技术栈选用…

阅读更多 →
微型扑翼无人机动力系统:曲柄摇杆机构建模与耦合仿真 2026/9/6 17:03:56

微型扑翼无人机动力系统:曲柄摇杆机构建模与耦合仿真

简介:微型扑翼无人机动力系统设计涉及多学科交叉,这份397页的PDF系统讲解了曲柄摇杆机构动力学建模与流体-结构耦合仿真实现,内容涵盖无刷电机选型、减速齿轮箱传动效率优化、锂电池能量管理、基于MATLAB的机构参数化建模、ADAMS多体动力学仿…

阅读更多 →
KRC2机器人备份与恢复全攻略:从Archive到整卡镜像 2026/9/6 17:03:56

KRC2机器人备份与恢复全攻略:从Archive到整卡镜像

简介:一份面向KUKA机器人维护与编程人员的程序备份方法讲解,以PPT聚焦KRC2系统,并为KRC4提供相似操作参考,解决日常维护中程序归档混乱、备份路径不清等实际问题。资源仅1个PPT文件,约523KB,图文紧凑&#…

阅读更多 →
如何在 Linux 上快速跑起 Windows 应用:WinBoat 完整指南 2026/9/6 17:00:56

如何在 Linux 上快速跑起 Windows 应用:WinBoat 完整指南

如何在 Linux 上快速跑起 Windows 应用:WinBoat 完整指南 【免费下载链接】winboat Run Windows apps on 🐧 Linux with ✨ seamless integration 项目地址: https://gitcode.com/GitHub_Trending/wi/winboat WinBoat 把完整 Windows 装进 Docker…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞