用途：按 LangChain 2025 年末 Deep Agents 蓝图搭建四组件 Deep Agent，并规避两个常见陷阱。
主要能力：规划器负责拆解目标并分配子任务，不直接写文件；3-8 个角色化子智能体（如 research-specialist、code-writer、critic）通过 create_react_agent 构建，每个使用独立的 SystemMessage 覆盖默认提示词，避免父提示词继承（P52）；虚拟文件系统存于 state["files"]，带 written_at_step 与 status，由 cleanup 节点按年龄（>20 步）和状态（done 且 >3 步）淘汰，超过 100 KB 的内容落盘只留指针（P51）；反思节点比较计划与实际产物，输出 continue/replan/end/escalate，深度上限 5。
使用方式：需 Python 3.10+、langgraph >=1.0,<2.0、langchain-core >=1.0,<2.0，以及 langchain-anthropic 或 langchain-openai 之一，并配置 ANTHROPIC_API_KEY 或 OPENAI_API_KEY。图拓扑为 planner → subagent_dispatcher → cleanup → reflection，反思后条件路由回 planner 或结束。检查点仅在用户可见边界触发，使用 interrupt_after=["reflection"]，避免每次节点访问都写 MemorySaver。
适用场景：需要多子智能体协作、长任务分解与产物管理的复杂智能体流程。
限制：单元测试无法发现 P52 与 P51，需轨迹级评估；反思深度过高会导致空转，应强制升级人工；子智能体输出需约束为摘要或代码，避免返回完整消息轨迹；产物命名需去重，防止同名覆盖。具体价格与平台支持暂未提供。