目录

1. create_agent - LangChain 标准函数

2. create_deep_agent - DeepAgents 高级函数

核心区别对比

实际应用对比

工作流程对比

何时使用哪个？

总结

1. create_agent - LangChain 标准函数

来源：langchain.agents

作用：创建基础智能体

特点：

• ✅ 基础功能：LLM + Tools
• ✅ 简单直接：适合单智能体场景
• ❌ 不支持子代理协作
• ❌ 不支持复杂的多智能体编排

使用示例：

from langchain.agents import create_agent agent = create_agent( model=llm, tools=[search_tool, calculator], system_prompt="你是一个助手" ) # 运行 result = agent.invoke({"messages": ["查询天气"]})

2. create_deep_agent - DeepAgents 高级函数

来源：deepagents库

作用：创建支持子代理协作的高级智能体

特点：

• ✅支持子代理：可以调用多个子代理协作
• ✅多智能体编排：主代理协调子代理完成任务
• ✅并行执行：支持多个子代理并行工作
• ✅复杂任务拆解：自动将复杂任务拆分给不同子代理
• ✅层级架构：支持多层级代理结构

使用示例：

from deepagents import create_deep_agent # 定义子代理 research_agent = { "name": "research_agent", "system_prompt": "你是研究员", "tools": [search_tool] } writer_agent = { "name": "writer_agent", "system_prompt": "你是作家", "tools": [] } # 创建主代理（协调员） coordinator = create_deep_agent( model=llm, tools=[], system_prompt="你是项目协调员", subagents=[research_agent, writer_agent] # 关键：支持子代理 ) # 运行 result = coordinator.invoke({ "messages": ["研究AI趋势并写报告"] })

核心区别对比

实际应用对比

场景1：简单查询（使用 create_agent）

from langchain.agents import create_agent # 简单的天气查询 agent = create_agent( model=llm, tools=[weather_tool], system_prompt="你是天气助手" ) result = agent.invoke({"messages": ["北京今天天气怎么样？"]})

适用：单一工具、简单查询

场景2：复杂项目（使用 create_deep_agent）

from deepagents import create_deep_agent # 研究员子代理 researcher = { "name": "researcher", "system_prompt": "收集信息", "tools": [search_tool] } # 分析师子代理 analyst = { "name": "analyst", "system_prompt": "分析数据", "tools": [calculator] } # 作家子代理 writer = { "name": "writer", "system_prompt": "撰写报告", "tools": [] } # 主协调员 coordinator = create_deep_agent( model=llm, tools=[], system_prompt="协调子代理完成项目", subagents=[researcher, analyst, writer] ) # 复杂任务：研究→分析→撰写 result = coordinator.invoke({ "messages": ["研究AI趋势并撰写分析报告"] })

适用：多步骤、多角色、需要协作的复杂任务

工作流程对比

create_agent 工作流程：

用户请求 ↓ LLM 理解意图 ↓ 调用工具（如果有） ↓ 返回结果

create_deep_agent 工作流程：

用户请求 ↓ 主代理分析任务 ↓ 拆解为子任务 ↓ 并行调用子代理 ├─→ 研究员：搜索信息 ├─→ 分析师：分析数据 └─→ 作家：撰写内容 ↓ 整合子代理结果 ↓ 返回最终结果

何时使用哪个？

使用 create_agent：

• ✅ 简单的问答场景
• ✅ 单一工具调用
• ✅ 不需要多智能体协作
• ✅ 快速原型开发

使用 create_deep_agent：

• ✅ 复杂的多步骤任务
• ✅ 需要多个专业角色协作
• ✅ 需要并行处理
• ✅ 需要任务自动拆解
• ✅ 构建企业级应用

总结

简单理解：

• create_agent= 单个员工
• create_deep_agent= 项目经理 + 多个专业员工