本技能用于指导 Deep Agents 应用的架构决策，属于设计与规划类参考，而非可直接运行的代码库。
用途：在动手实现前，判断是否适合采用 Deep Agents，并在后端、子智能体、中间件等关键层面做出选择。
主要能力： 一、适用性判断。适合长周期任务、需要规划分解、文件系统操作、子智能体委派、持久记忆、人工审批、上下文管理的场景；若只是单次 LLM 调用、简单 RAG、自定义图流程、无需文件操作或无状态工具调用，则建议改用直连 API、LangChain LCEL、LangGraph、create_react_agent 或函数调用。 二、后端选择。StateBackend 默认临时（按线程）；FilesystemBackend 落盘，需 root_dir；StoreBackend 跨线程持久，依赖 LangGraph store；CompositeBackend 混合，可按路径路由，例如将 /memories/、/preferences/ 指向 StoreBackend，其余走 StateBackend。 三、子智能体。并行研究、专用智能体、预编译 LangGraph 图三种模式；并说明何时不该拆分。 四、中间件。内置顺序为 TodoList、Filesystem、SubAgent、Summarization（约 85% 上下文或 170k tokens 触发）、Anthropic 提示缓存、工具调用修补、HumanInTheLoop；自定义中间件追加在内置栈之后。 五、检查清单。按适配、后端、子智能体、人工介入、中间件、上下文、检查点七步验收。
限制：资料仅给出架构指导与示例片段，未提供安装命令、版本要求、收费信息与实际运行效果，这些暂未提供。