用途：为在 Python 中构建 LangChain Deep Agents 提供专家级辅助，覆盖有状态智能体、虚拟文件系统、并行子智能体、工具权限、人工介入（human-in-the-loop）以及通过 LangSmith 部署。
主要能力：创建带状态与检查点（checkpointer）的 Deep Agent；配置并行或异步子智能体及权限继承；为敏感工具调用添加审批门；设置 langgraph.json、Agent Server 与部署流水线；用 @traceable 做追踪、用 client.evaluate() 做评估；调试 LangGraph 状态（StateGraph、checkpointer、线程状态）；使用 Agent Server API 管理线程、运行、助手、定时任务与流式输出；集成检索器、向量库、RAG 与工具中间件。
参考语料：references/llms-txt.md（5.4 MB，1473 页摘要）、references/llms-full.md（10 MB，含完整代码示例）、references/llms.md（站点索引）、references/index.md。查找方式：先在 llms.md 搜主题 URL，再到 llms-full.md 查完整内容。
使用方式：在涉及上述任务时激活该技能。基础示例：用 InMemorySaver 作 checkpointer，通过 create_agent(skills=[...], checkpointer=checkpointer) 创建智能体；用 @traceable 装饰函数自动追踪；用 client.evaluate(target, data="my_test_dataset", evaluators=[...], blocking=False) 非阻塞评估。子智能体权限默认继承父级，显式设置 permissions 会替换而非扩展父规则。
适用场景：构建 Deep Agent、配置子智能体、实现人工审批、部署到 LangSmith、追踪与评估、调试 LangGraph 状态、使用 Agent Server API、集成检索器或链。
限制与安全：沙箱智能体应启用人工介入、限制网络访问、使用最小权限与最短有效期凭证；CompositeBackend 需显式路由前缀，仅靠路径限制无法阻止通过 shell 命令访问沙箱文件系统；沙箱输出应视为不可信输入；用中间件过滤或脱敏工具输出。更新语料可运行：skill-seekers scrape --url "https://docs.langchain.com/oss/python/deepagents/overview" --name langchain-deepagents。