Content Preferences【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagentsNo preferences set yet. The agent will update this file as it learns about the users preferred topics, tone adjustments, and formatting choices.也就是说部署初期每个用户的 preferences.md 都是空偏好占位随着对话进行Agent 会持续学习并回写。AGENTS.md 还给出了硬性要求**每次开始工作前必须读取用户记忆文件**当用户分享偏好时用 edit_file 更新 /memories/user/preferences.md。同时可以推断context.md 的内容通常由部署方在用户上下文中预置Agent 只读不写避免污染静态事实。 ### 为什么记忆能按用户隔离 关键机制在于这些记忆文件位于 /memories/user/ 路径下部署服务会**按认证用户身份进行作用域隔离**。README.md 明确说明添加 [auth] provider supabase 到 deepagents.toml 后部署时自动生成 Supabase token 校验器并接入部署无需编写任何自定义中间件。每个认证用户拥有自己的记忆文件因此**一个部署可以服务多个用户而账户之间零数据串扰**。 ## 四、工作流研究 → 提纲 → 写作 → 复核 AGENTS.md 定义了四步工作流这也是整个写作流程的骨架 1. **Research first先研究** — 写作前使用 researcher 子 Agent 进行深度主题调研 2. **Outline列提纲** — 用清晰的标题与逻辑流组织内容结构 3. **Write写作** — 按照品牌语气与写作标准起草内容 4. **Review复核** — 交付前对照质量检查清单核对。 ### 先研究在技能层如何落地 先研究并不是一句口号而是被 [skills/blog-post/SKILL.md](https://link.gitcode.com/i/d365350988ae9d9c908f3dfbf3ec2a31) 落实为强制步骤 Before writing any blog post, delegate research: 1. Use the task tool with subagent_type: researcher 2. Specify both the topic AND where to save findings 即使用 task 工具、指定 subagent_type: researcher 委派调研并且必须同时指定主题和调研结果保存位置两个参数。这与 deepagents 核心库 [libs/deepagents/deepagents/middleware/subagents.py](https://link.gitcode.com/i/3fc81af6c664fcc4c4e742fef1403005) 中实现的子 Agent 机制一脉相承——主 Agent 通过任务委派把耗时的研究环节拆分出去保持上下文聚焦。 ## 五、技能文件博客与社媒的写作模板 deploy-content-writer 自带两个技能skill是 AGENTS.md 中写作标准的具象化执行模板。 ### blog-post结构化长文技能 [skills/blog-post/SKILL.md](https://link.gitcode.com/i/d365350988ae9d9c908f3dfbf3ec2a31) 规定每篇博客必须遵循五段式结构 1. **Hook开头钩子** — 以一个有力的问题、数据或陈述开篇控制在 2–3 句 2. **Context问题背景** — 解释主题为何重要连接读者体验 3. **Main Content主体3–5 个小节** — 每节一个关键点并配 H2 标题酌情加代码示例3 项以上列表用项目符号 4. **Practical Application实践应用** — 展示如何落地给出分步说明或代码片段 5. **Conclusion CTA结论与行动号召** — 用最多 3 条要点总结以清晰的行动号召收尾。 输出约定为保存到 blogs/slug/post.md。同时给出了 SEO 硬性约束标题与首段包含主关键词、标题控制在 60 字符内、撰写 150–160 字符的 meta description。 ### social-media多平台社媒技能 [skills/social-media/SKILL.md](https://link.gitcode.com/i/353dc7d785d55db4ccab83041b3f7648) 覆盖三种格式 | 格式 | 关键规格 | |------|----------| | **Twitter/X Thread** | 钩子推文 280 字符3–7 条跟进推文展开结尾推文放 CTA 或核心观点用换行提升可读性 | | **LinkedIn Post** | 开头钩子要在see more折叠前的前两行可见3–5 个短段落承载关键洞见以问题结尾提升互动目标长度约 1,300 字符 | | **Short-form Update** | 单段式公告或洞见有长文则附链接控制在 280 字符以内便于跨平台使用 | 平台适配准则包括LinkedIn 用第一人称、公司账号用第三人称只加 2–3 个相关 hashtagLinkedIn 更专业、Twitter 更口语化每条内容必须独立提供价值不要只做悬念引流用具体数字和结果代替模糊表述。输出统一保存到 social/platform/slug.md例如 social/twitter/ai-agents-thread.md。 ## 六、部署与前置条件 ### 环境变量 按 [README.md](https://link.gitcode.com/i/1a5646af56a62461dff049dc1d114976) 的 Prerequisites 表部署前需要配置以下环境变量 | 变量 | 用途 | |------|------| | OPENAI_API_KEY | GPT-4.1 模型访问 | | LANGSMITH_API_KEY | 部署deploy所必需 | | SUPABASE_URL | Supabase 项目 URL用于认证 | | SUPABASE_ANON_KEY | Supabase anon/public 密钥用于认证 | 其中 Supabase 两项密钥**仅在保留 deepagents.toml 中 [auth] 配置段时才必需**移除该配置段即可无认证部署。实际操作是将 .env.example 复制为 .env 并填入密钥。 ### 部署命令 bash deepagents deploy部署时[auth]段会自动生成 Supabase token 校验器并接入部署流程——这就是 README 所说的零自定义代码实现用户记忆隔离。部署完成后在 LangSmith 的Deployments页面可找到部署 URL。七、通过 LangGraph SDK 查询部署对于已部署的服务客户端只需在Authorization头中携带 Supabase JWT服务端校验后即可自动推断用户身份from langgraph_sdk import get_client client get_client( urlhttps://your-deployment-url, headers{Authorization: Bearer your-supabase-jwt}, ) thread await client.threads.create() async for chunk in client.runs.stream( thread[thread_id], agent, input{messages: [{role: user, content: Write a tweet about AI agents}]}, stream_modemessages, ): print(chunk.data, end, flushTrue)【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Content Preferences
Content Preferences【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagentsNo preferences set yet. The agent will update this file as it learns about the users preferred topics, tone adjustments, and formatting choices.也就是说部署初期每个用户的 preferences.md 都是空偏好占位随着对话进行Agent 会持续学习并回写。AGENTS.md 还给出了硬性要求**每次开始工作前必须读取用户记忆文件**当用户分享偏好时用 edit_file 更新 /memories/user/preferences.md。同时可以推断context.md 的内容通常由部署方在用户上下文中预置Agent 只读不写避免污染静态事实。 ### 为什么记忆能按用户隔离 关键机制在于这些记忆文件位于 /memories/user/ 路径下部署服务会**按认证用户身份进行作用域隔离**。README.md 明确说明添加 [auth] provider supabase 到 deepagents.toml 后部署时自动生成 Supabase token 校验器并接入部署无需编写任何自定义中间件。每个认证用户拥有自己的记忆文件因此**一个部署可以服务多个用户而账户之间零数据串扰**。 ## 四、工作流研究 → 提纲 → 写作 → 复核 AGENTS.md 定义了四步工作流这也是整个写作流程的骨架 1. **Research first先研究** — 写作前使用 researcher 子 Agent 进行深度主题调研 2. **Outline列提纲** — 用清晰的标题与逻辑流组织内容结构 3. **Write写作** — 按照品牌语气与写作标准起草内容 4. **Review复核** — 交付前对照质量检查清单核对。 ### 先研究在技能层如何落地 先研究并不是一句口号而是被 [skills/blog-post/SKILL.md](https://link.gitcode.com/i/d365350988ae9d9c908f3dfbf3ec2a31) 落实为强制步骤 Before writing any blog post, delegate research: 1. Use the task tool with subagent_type: researcher 2. Specify both the topic AND where to save findings 即使用 task 工具、指定 subagent_type: researcher 委派调研并且必须同时指定主题和调研结果保存位置两个参数。这与 deepagents 核心库 [libs/deepagents/deepagents/middleware/subagents.py](https://link.gitcode.com/i/3fc81af6c664fcc4c4e742fef1403005) 中实现的子 Agent 机制一脉相承——主 Agent 通过任务委派把耗时的研究环节拆分出去保持上下文聚焦。 ## 五、技能文件博客与社媒的写作模板 deploy-content-writer 自带两个技能skill是 AGENTS.md 中写作标准的具象化执行模板。 ### blog-post结构化长文技能 [skills/blog-post/SKILL.md](https://link.gitcode.com/i/d365350988ae9d9c908f3dfbf3ec2a31) 规定每篇博客必须遵循五段式结构 1. **Hook开头钩子** — 以一个有力的问题、数据或陈述开篇控制在 2–3 句 2. **Context问题背景** — 解释主题为何重要连接读者体验 3. **Main Content主体3–5 个小节** — 每节一个关键点并配 H2 标题酌情加代码示例3 项以上列表用项目符号 4. **Practical Application实践应用** — 展示如何落地给出分步说明或代码片段 5. **Conclusion CTA结论与行动号召** — 用最多 3 条要点总结以清晰的行动号召收尾。 输出约定为保存到 blogs/slug/post.md。同时给出了 SEO 硬性约束标题与首段包含主关键词、标题控制在 60 字符内、撰写 150–160 字符的 meta description。 ### social-media多平台社媒技能 [skills/social-media/SKILL.md](https://link.gitcode.com/i/353dc7d785d55db4ccab83041b3f7648) 覆盖三种格式 | 格式 | 关键规格 | |------|----------| | **Twitter/X Thread** | 钩子推文 280 字符3–7 条跟进推文展开结尾推文放 CTA 或核心观点用换行提升可读性 | | **LinkedIn Post** | 开头钩子要在see more折叠前的前两行可见3–5 个短段落承载关键洞见以问题结尾提升互动目标长度约 1,300 字符 | | **Short-form Update** | 单段式公告或洞见有长文则附链接控制在 280 字符以内便于跨平台使用 | 平台适配准则包括LinkedIn 用第一人称、公司账号用第三人称只加 2–3 个相关 hashtagLinkedIn 更专业、Twitter 更口语化每条内容必须独立提供价值不要只做悬念引流用具体数字和结果代替模糊表述。输出统一保存到 social/platform/slug.md例如 social/twitter/ai-agents-thread.md。 ## 六、部署与前置条件 ### 环境变量 按 [README.md](https://link.gitcode.com/i/1a5646af56a62461dff049dc1d114976) 的 Prerequisites 表部署前需要配置以下环境变量 | 变量 | 用途 | |------|------| | OPENAI_API_KEY | GPT-4.1 模型访问 | | LANGSMITH_API_KEY | 部署deploy所必需 | | SUPABASE_URL | Supabase 项目 URL用于认证 | | SUPABASE_ANON_KEY | Supabase anon/public 密钥用于认证 | 其中 Supabase 两项密钥**仅在保留 deepagents.toml 中 [auth] 配置段时才必需**移除该配置段即可无认证部署。实际操作是将 .env.example 复制为 .env 并填入密钥。 ### 部署命令 bash deepagents deploy部署时[auth]段会自动生成 Supabase token 校验器并接入部署流程——这就是 README 所说的零自定义代码实现用户记忆隔离。部署完成后在 LangSmith 的Deployments页面可找到部署 URL。七、通过 LangGraph SDK 查询部署对于已部署的服务客户端只需在Authorization头中携带 Supabase JWT服务端校验后即可自动推断用户身份from langgraph_sdk import get_client client get_client( urlhttps://your-deployment-url, headers{Authorization: Bearer your-supabase-jwt}, ) thread await client.threads.create() async for chunk in client.runs.stream( thread[thread_id], agent, input{messages: [{role: user, content: Write a tweet about AI agents}]}, stream_modemessages, ): print(chunk.data, end, flushTrue)【免费下载链接】deepagentsThe batteries-included agent harness.项目地址: https://gitcode.com/GitHub_Trending/de/deepagents创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考