◤第1 篇 基礎安裝與觀念◢

?
▍第1 章 Agent 與 Deep Agents

1-1 什麼是Agent

1-2 Agent 的架構

1-3 什麼是Deep Agents

1-4 LangChain 生態分層

1-5 全書專案與環境

1-6 本章小結

?
▍第2 章 可重現的開發環境

2-1 Python 與套件管理

2-2 專案結構與設定

2-3 金鑰與敏感資訊

2-4 第一個可執行專案

2-5 本章小結

?
▍第3 章 接上第一個模型

3-1 Chat Model 與工具呼叫

3-2 雲端模型與 DGX Spark 端點

3-3 結構化輸出

3-4 模型替換與相容性

3-5 本章小結

?
▍第4 章 macOS 上的本機模型

4-1 Ollama

4-2 LM Studio

4-3 MLX 與 mlx-lm

4-4 選擇與比較

4-5 本章小結

?
◤第2 篇 Deep Agent 的組成◢

?
▍第5 章 建立第一個 Deep Agent

5-1 建立 Deep Agent

5-2 系統提示與任務輸入

5-3 同步、非同步與串流

5-4 執行結果與錯誤處理

5-5 本章小結

?
▍第6 章 設計可控的工具

6-1 工具的介面

6-2 輸入驗證

6-3 工具錯誤

6-4 外部服務工具

6-5 本章小結
?

▍第7 章 Agent 的檔案系統與 backend

7-1 檔案工具與 backend 協定

7-2 StateBackend

7-3 FilesystemBackend 與LocalShellBackend

7-4 StoreBackend 與長期資料

7-5 CompositeBackend

7-6 本章小結

?
▍第8 章 規劃與上下文工程

8-1 上下文裡有什麼

8-2 待辦清單與長任務規劃

8-3 把大量內容移出對話

8-4 摘要與對話歷史

8-5 提示快取與設計準則

8-6 本章小結

?
▍第9 章 Skills 與可重用能力

9-1 技能的組成與格式

9-2 漸進式揭露

9-3 多個來源與存放位置

9-4 技能裡的腳本

9-5 什麼時候該寫技能

9-6 本章小結
?

▍第10 章 子代理人與任務委派

10-1 委派的介面與上下文隔離

10-2 自訂子代理人

10-3 掛一個編好的 Agent

10-4 平行執行與共用狀態

10-5 本章小結

?
◤第3 篇 應用實作與整合◢

?
▍第11 章 從零組一個研究 Agent

11-1 搜尋與擷取工具

11-2 研究員子代理人

11-3 完整的研究 Agent

11-4 產出、驗證與限制

11-5 本章小結

?
▍第12 章 資料分析 Agent

12-1 資料不進上下文

12-2 把程式送到資料旁邊

12-3 一次完整的分析

12-4 驗證與界線

12-5 本章小結

?
▍第13 章 文件問答與 RAG

13-1 文件解析與切分

13-2 三種檢索方式

13-3 把檢索接成工具

13-4 驗證與取捨

13-5 本章小結

?
▍第14 章 程式開發 Agent

14-1 程式碼專案的探索

14-2 修改檔案的兩種方式

14-3 偵錯迴圈

14-4 審查與交付

14-5 本章小結

?
▍第15 章 多模態與內容產製

15-1 影像與多模態輸入

15-2 語音、影音與工具化

15-3 內容產製流程

15-4 本機多模態的界線

15-5 本章小結

?
▍第16 章 Model Context Protocol

16-1 MCP 的角色

16-2 多出來的失敗方式

16-3 認證與權限

16-4 測試與維護

16-5 本章小結

?
▍第17 章 多模型路由與替換

17-1 三層後端與分流

17-2 失敗時的備援

17-3 模型專用的中介層

17-4 基準測試

17-5 本章小結
?

◤第4 篇 安全與持久化◢
?

▍第18 章 人工核准

18-1 中斷與檢查點

18-2 核准、編輯與拒絕

18-3 敏感操作分級

18-4 CLI 審核流程

18-5 本章小結

?
▍第19 章 權限與沙箱

19-1 檔案權限規則

19-2 工作區隔離

19-3 本機與遠端沙箱

19-4 提示注入與資料外洩

19-5 本章小結

?
▍第20 章 記憶與持久化

20-1 短期與長期記憶

20-2 使用者與 Agent 範圍

20-3 記憶更新策略

20-4 多使用者資料隔離

20-5 本章小結

?
◤第5 篇 完整應用與產品化◢

?
▍第21 章 程式開發 Agent

21-1 需求與架構

21-2 讓它自己修

21-3 子代理人分工

21-4 讓過程看得見

21-5 沒有驗收標準的時候

21-6 本章小結

?
▍第22 章 銀行業務 Agent

22-1 需求與限制

22-2 查詢與個資

22-3 風險規則與人工核准

22-4 稽核軌跡

22-5 對抗性測試

22-6 命令列介面

22-7 併發下的漏洞

22-8 本章小結

?
▍第23 章 客服工單 Agent

23-1 需求與資料

23-2 檢索與訂單查詢

23-3 多輪對話

23-4 升級判斷

23-5 兩種介面

23-6 界線與成本

23-7 本章小結

?
▍第24 章 維運 Agent

24-1 需求與資料

24-2 從告警查到根因

24-3 危險處置的把關

24-4 事故報告

24-5 界線與量測

24-6 本章小結

?
▍第25 章 把 Agent 推上正式環境

25-1 從能執行到能交付

25-2 容器化

25-3 狀態要放哪裡

25-4 容量與成本

25-5 上線檢查與監測

25-6 換成自己的領域

25-7 本章小結

?
▍附錄A 安裝與環境速查

A-1 專案與相依套件

A-2 模型後端

A-3 環境變數與金鑰

A-4 常見的安裝問題

A-5 速查指令

?
▍附錄B API 與設定速查

B-1 建立 Agent

B-2 工具

B-3 執行與串流

B-4 狀態與中斷

B-5 中介層與上限

B-6 模型與結構化輸出

?
▍附錄C 模型與方案比較

C-1 模型後端

C-2 本機推論的三個工具

C-3 狀態儲存

C-4 防線的性質

C-5 容量與成本

C-6 選型建議

?
▍附錄D 疑難排解與安全清單

D-1 安裝與環境

D-2 執行期的錯誤訊息

D-3 沒有錯誤訊息的失敗

D-4 效能與資源

D-5 安全檢查清單

D-6 檢查要寫成程式



?

　　AI Agent 在今年大爆發，每個人應該早就在自己的電腦中裝上了Claude Code 或是Codex 這一類的Coding Agent， 或是OpenClaw/Hermes Agent 這一類的Computer Agent。在大量使用了這一類的Agents 之後，我一直想了解這些Agents 背後的原理是什麼，而了解最快的方式就是自己手動建立一個Agent。


目前市面上手動建立Agent 的套件不多，你很可能需要依賴不同AI 廠商的SDK來完成， 如OpenAI 或Anthropic。這一類SDK 功能強大但相容性非常差，只能依賴於這個AI 廠商的LLM。如果你希望建立個類似Pi Agent 這樣通用的Agent，除非自己手刻，要不然選擇真的很少。而LangChain 推出的Deep Agents，大概就是你能選擇的極少數選擇之一。


隨著Agent 的流行，我們一般人用的Claude Code 或Codex 是無法滿足廣大企業的專業用途的。遲早你必須面對企業自己的工作流來撰寫特定的Agent。企業工作流十分注重隱私，大部分的情況很可能使用地端模型。隨著開放權重模型功能越來越強大，將模型LLM 放入公司的私有雲或區域網將會是主流。而LLM 被限制在安全的邊界之後，如果還使用商用的Claude Code/Codex 或開源的通用Pi/Opencode 是無法滿足企業需求的，這時候你勢必要開發自己的Agent。


Deep Agents 可以讓你快速完成這個目標。我們都知道一個Agent 就分成兩部分，LLM 和Harness， 而Deep Agents 是LangChain 推出的開源Agent Harness， 套件名稱為deepagents， 設計的目標是長時間執行的任務。Agent Harness 指的是一種已經內建工具與預設能力的Agent 框架。你不必自己從迴圈、提示組裝、工具執行這些基礎開始寫，安裝完成之後該有的功能就都在裡面了。deepagents 替你處理三件最麻煩的事，也就是規劃、上下文管理，以及多個Agent 之間的協調。


一個完整的Agent 至少有十幾個元件，但有了Deep Agents 之後，你不需要每個元件都自己手動撰寫。本書的目的，雖然希望讀者了解每一個Agent 元件的功能，但真正實作時，反而將這些工作交給Deep Agents 的功能即可。每一個章節都會說明一個元件的概念及實作，只要照著書本的順序讀完，一個完整的Agent 就自然而然產生了。


Deep Agents 有一個非常重要的觀念，就是對模型供應商保持中立，而且可以設定功能非常完整。你可以使用雲端、地端模型，更換模型不必改寫Agent 的結構。狀態存在記憶體、SQLite 還是資料庫都可以由你決定。需要人工核准的動作可以隨時插進流程裡。追蹤與部署則直接對接LangChain 自家的LangSmith。LangChain 一共有三個框架，選擇哪一個視任務的性質。任務複雜、沒有固定流程而且會執行很久，可以使用Deep Agents，需要低階控制，自己定義每一個節點與轉移，則用LangGraph，如果想快速做出一個標準的Agent，則使用LangChain。


就像所有的產業一樣，在經過推廣及導入期，進入普遍的高原期之後，垂直化的市場必將出現，針對不同產業的專用Agent 將會充斥在軟體世界中，會自行開發通用Agent，對未來軟體工程師的競爭力大幅提升，而Deep Agents 就是你進入這個爆發產業的第一關，也相信在熟悉Deep Agents 之後，就算不開發自己的Agent，你也會對使用現在的Agent 更加了解，也希望這本書能給你帶來相當大的幫助。

?

胡嘉璽

2026/09/01

?