从0开始打造自己的个人智能体（一）——Deep Agents js环境配置与对话入门

从0开始打造自己的个人智能体（一）------Deep Agents js环境配置与对话入门

本教程专注于最基础的环境搭建 + 纯对话能力，不涉及工具调用、文件系统等进阶功能，确保你最快跑通与大模型的交互。

一、前置准备

Node.js 18+ ：建议使用 18.x 或更高版本，支持原生 ESM 模块与顶层 await
包管理器：npm /pnpm/yarn /bun 任选，本教程使用 npm
代码编辑器：VSCode、Trae 等都可以
至少一个大模型 API 密钥：OpenAI、Anthropic、或任何兼容 OpenAI 接口的模型服务

二、项目初始化

在电脑上合适的位置，新建一个名为 deepagents-chat-demo的文件夹。
把文件夹拖进代码编辑器。
在文件夹内新建一个名为 package.json 的文件，填入以下内容：

perl 复制代码

{
  "type": "module",
  "name": "deepagents-chat-demo",
  "version": "1.0.0",
  "dependencies": {
    "@langchain/core": "^1.2.3",
    "@langchain/langgraph": "^1.4.8",
    "@langchain/openai": "^1.5.5",
    "@langchain/anthropic": "^0.3.0",
    "deepagents": "^1.12.0",
    "dotenv": "^17.4.2",
    "langchain": "^1.5.4"
  }
}

依赖说明：

deepagents：Deep Agents 核心框架，提供开箱即用的智能体全套能力
langchain：底层基础组件库，提供模型、工具等通用抽象与标准接口
@langchain/core：LangChain 核心基础模块，包含通用类型定义与底层基础能力
@langchain/langgraph：底层编排运行时，支撑智能体的状态管理、持久化与执行流程
@langchain/openai：OpenAI 接口适配器，兼容所有支持 OpenAI 格式的大模型服务
@langchain/anthropic：Anthropic 官方接口适配器，用于接入 Claude 系列模型，支持原生 Prompt Caching 特性
dotenv：环境变量加载工具，用于统一管理 API 密钥、模型地址等敏感配置

三、安装依赖

在编辑器的终端面板中执行以下命令，安装所有依赖包：

复制代码

npm install

四、配置模型与编写对话代码

基础版：环境变量自动配置（入门推荐）

在项目根目录新建 .env 文件：

ini 复制代码

# .env
# 模型名称，格式：openai:模型名
DEEPAGENTS_MODEL=openai:gpt-4o-mini

# API 密钥
OPENAI_API_KEY=你的API密钥

# 第三方兼容服务接口地址，使用官方 OpenAI 可注释
# OPENAI_BASE_URL=https://你的接口地址/v1

💡 所有兼容 OpenAI 接口的第三方模型，都可以通过修改上述三项配置直接接入，业务代码无需改动。

新建 chat.js，这是不含任何工具的纯对话版本：

javascript 复制代码

// 加载环境变量
import "dotenv/config";

// 导入 Deep Agents 核心方法
import { createDeepAgent } from "deepagents";

// 从环境变量读取模型名称
const model = process.env.DEEPAGENTS_MODEL;

// 创建智能体实例
const agent = await createDeepAgent({
  // 传入模型名称字符串，底层自动读取 OPENAI_ 开头的环境变量完成实例化
  model: model,
  // 系统提示词：设定 AI 的身份和行为
  systemPrompt: "你是一个简洁友好的助手，回答尽量简短清晰。",
});

// 使用 invoke 发起一次对话
const response = await agent.invoke({
  messages: [
    { role: "user", content: "你好，请简单介绍一下你自己。" }
  ],
});

// 输出 AI 的最终回复
console.log("AI 回复：", response.messages.at(-1).content);

代码说明

createDeepAgent：创建智能体实例，model 是必填参数
字符串形式的 model：格式为 服务商:模型名，配合标准 OPENAI_ 环境变量即可自动完成模型初始化，适合快速上手
invoke：同步调用方法，传入消息数组，返回完整的对话状态
response.messages.at(-1).content：取最后一条消息的内容，即 AI 的回答

进阶版：手动传入模型实例（兼容openai接口）

当你需要自定义温度、使用自定义命名的环境变量，或配置超时、代理等更多模型参数时，可以手动创建模型实例再传入。以智谱模型为例：

在 .env 中配置智谱专属参数：

ini 复制代码

# .env
# 模型名称
GLM_MODEL=glm-4-flash-250414

# API 密钥
GLM_API_KEY=你的API密钥

# 智谱接口地址
GLM_BASE_URL=https://open.bigmodel.cn/api/paas/v4/

修改 chat.js 代码：

php 复制代码

// 加载环境变量
import "dotenv/config";
import { createDeepAgent } from "deepagents";
import { ChatOpenAI } from "@langchain/openai";

// 手动封装模型创建函数，支持自定义参数和环境变量名
function createModel(options = {}) {
  return new ChatOpenAI({
    model: process.env.GLM_MODEL || "glm-4-flash-250414",
    apiKey: process.env.GLM_API_KEY,
    configuration: {
      baseURL: process.env.GLM_BASE_URL || "https://open.bigmodel.cn/api/paas/v4/",
    },
    temperature: 0.7,
    ...options,
  });
}

const model = createModel();

// 创建智能体实例，直接传入模型实例
const agent = await createDeepAgent({
  model: model,
  systemPrompt: "你是一个简洁友好的助手，回答尽量简短清晰。",
});

// 调用方式不变
const response = await agent.invoke({
  messages: [
    { role: "user", content: "你好，请简单介绍一下你自己。" }
  ],
});

console.log("AI 回复：", response.messages.at(-1).content);

这种方式灵活性最高，支持所有模型参数的自定义，适合生产环境或有特殊配置需求的场景。

五、运行测试

在终端执行：

复制代码

node chat.js

预期输出示例：

复制代码

AI 回复：你好！我是一个 AI 助手，可以帮你解答问题、提供信息和进行交流。有什么我可以帮你的吗？

跑通这一步，说明环境配置成功，Deep Agents 已经可以正常调用大模型了。

六、常见问题排查

报错 Failed to load model 检查模型名称拼写是否正确，以及对应的 API Key 和 Base URL 是否配置正确。
报错 Cannot use import statement outside a module 忘记在 package.json 加 "type": "module"，加上即可。
网络连接失败 如果使用官方 OpenAI，确保网络能正常访问；如果使用国内服务商，检查 Base URL 是否正确。
返回结果很长，不是单纯的回答 请使用 response.messages.at(-1).content 取最后一条消息，不要直接打印整个 response 对象。