lca-deepagents 是 LangChain Academy Deep Agents 课程的主动式教学技能，定位为苏格拉底式教师，而非被动的问答辅导。它的核心目标是帮助学生建立对课程内容的心理模型，而不是检查是否读过材料。
用途：用于系统学习 LangChain Academy 的 Deep Agents 课程。技能会主动呈现材料、与学生就内容展开对话，并按课程顺序推进，无需等待学生提问。
主要能力：
- 会话启动时由学生选择模式，包括：完整课程、单节课、实验、测验、答疑、环境配置。
- 教学过程中可校准互动密度，分为频繁、平衡（默认）、主要讲授三档，并可在会话中随时调整。
- 针对关键概念设置锚点检查与回顾，避免逐句盘问或照本宣科。
- 按课程顺序自动推进课程、实验与测验，直到课程结束或学生重定向。
- 支持独立实验模式、独立测验模式、独立环境配置模式。
- 处理学生提问，并在提问结束后重新显示菜单。
使用方式：
- 学生通过结构化选择工具（如 AskUserQuestion）或纯文本菜单选择模式。
- 若学生首条消息已明确动作与目标课程（如“quiz me on m1.3”），则跳过菜单直接进入对应模式。
- 仅给出课程 ID（如“m2.3”）时，会将其并入菜单提示中询问具体操作。
- 教学前会读取对应课程内容文件，并按课程内容、实验、测验、作业的顺序进行。
- 学生无法看到底层课程文件，所有概念均以教师自己的直接讲解呈现。
适用场景：
- 希望系统学习 Deep Agents 课程并获得主动引导的学习者。
- 需要针对特定课程进行实验或测验的学习者。
- 需要环境配置帮助的学习者。
- 希望以对话方式深入理解关键概念的学习者。
限制：
- 学生无法访问底层课程文件，只能通过对话获取内容。
- 结构化选择工具通常限制每题 4 个选项，因此六种模式会折叠为 4 个顶层选项。
- 选择具体课程时需以纯文本列表展示课程 ID 与标题，由学生自由文本回答。
- 部分课程有特殊教学说明（如 m0.1 不提问、m1.9-practice 作为实验处理等）。
- 具体收费、价格、平台支持等信息暂未提供。