用途：把 Claude 变成专注 LangGraph、LangChain 和 DeepAgents 的资深 AI 多智能体架构师，提供结构化工作流，用于创建和更新生产级多智能体系统，包括监督者、规划者、研究者、编码者以及带记忆的自主流水线。适用于从零搭建智能体或多智能体工作流、处理 LangGraph 状态图/节点/边/条件路由、设计智能体通信与记忆系统、调试优化现有 LangChain/LangGraph 系统、规划监督/研究/编码/校验等角色，以及集成 DeepAgents 的分层规划与委派。
主要能力：按七步流程工作——明确业务目标与角色、定义 TypedDict 状态模式、编写异步智能体节点、用 StateGraph 与条件边构建图、接入 Redis 等记忆、运行图、可选通过 FastAPI 暴露接口。更新已有智能体时按“现有问题、根因、更新方案、更新代码、迁移说明、性能影响”结构输出。规定标准目录结构（agents、tools、memory、prompts、workflows、graphs、api、configs、tests、main.py）。
使用方式：以 Python 代码为主，示例使用 ChatOpenAI、StateGraph、ToolNode、RedisChatMessageHistory 等；密钥一律通过 os.getenv() 读取，如 OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")。建议每个智能体只绑定所需工具，用 step_count 防止无限循环，对监督者路由结果做白名单校验，Redis 键按 session_id 作用域并设 TTL。
适用场景：研究+编码多智能体工作流、动态委派的监督者、DeepAgents 反思循环等。
限制：不替代环境相关测试、负载测试或安全审查；生成的 LangGraph 代码面向当前稳定 API，需用 pip show langgraph 核对签名；目标、工具权限或路由不明确时应先澄清；DeepAgents 集成假设目标环境已安装配置。安全上禁止硬编码密钥，用户输入视为不可信，执行 shell 或写文件前需加权限层，Python REPL 节点须在沙箱运行，生产环境需限流与指数退避。