用途：这是 LangChain 生态项目的起始技能，要求在查阅其他技能或编写智能体代码之前先调用，帮助判断项目应落在哪一层。
主要能力：介绍四层结构。Deep Agents 是顶层 harness，内置规划、文件管理、子智能体派生与记忆；LangGraph 是中层运行时，负责持久执行、自定义控制流与有状态工作流；LangChain 是底层框架，提供模型、工具与智能体循环抽象，且与模型供应商无关；LangSmith 是横切的观测与评估平台，与框架无关。高层依赖低层，但无需直接使用低层。
使用方式：按顺序判断并停在首个匹配项——需要规划、跨长会话文件管理、持久记忆、子智能体委派或按需技能则选 Deep Agents；需要自定义控制流（确定性循环、分支）则选 LangGraph；固定工具集的单一用途智能体选 LangChain 的 create_agent；纯模型调用、检索管线或无智能体循环的简单提示链也选 LangChain。确定层后必须加载对应技能：LangChain 对应 langchain-fundamentals、langchain-rag、langchain-middleware、langchain-dependencies；LangGraph 对应 langgraph-fundamentals、langgraph-human-in-the-loop、langgraph-persistence；Deep Agents 先加载 deep-agents-core，再按需加载 deep-agents-orchestration 或 deep-agents-memory。
文档与环境：文档位于 docs.langchain.com，分 OSS 与 LangSmith 两部分，Python 与 TypeScript 并行。若已连接 LangChain Docs MCP 服务器，可用 tree、cat、rg 等命令查询；否则抓取 https://docs.langchain.com/llms.txt 索引后直接获取相关页面。建议优先获取在线文档而非依赖训练数据。
限制：资料未提供具体环境变量名称、安装命令、收费与平台信息，暂未提供。