一、Agent 核心
核心公式
Agent = Model（大脑）+ Harness（脚手架）
Agent 本质：模型循环思考、按需调用工具，直至任务完成；脚手架承载整套运行环境。
create_agent = 可自由配置的脚手架，整合提示词、工具、中间件、上下文能力。
1. 四大基础组成
- model ：格式
厂商:模型名，兼容 Gemini、GPT、Claude 等 - tools ：
@tool装饰器定义函数，依靠类型注解 + 文档注释让模型读懂用途 - system_prompt：定义 AI 人设、行为规则
- structured_output：绑定 Pydantic 模型，强制模型返回结构化 JSON，避免解析报错
2. 会话调用区分
- thread_id：绑定对话检查点，保存完整对话历史，实现多轮连贯聊天
- context：单次调用临时数据（user_id、密钥），会话之间不保留
- 调用方式
invoke：阻塞等待完整结果stream_events：流式输出，实时打印思考过程、工具调用动作
3. 中间件 Middleware（脚手架扩展能力，插拔式组合）
- 上下文类：文件系统、历史摘要压缩、持久记忆、按需加载技能
- 任务调度：代办清单、子 Agent 委派拆解复杂任务
- 容错防护：模型重试、工具调用重试
- 安全护栏：敏感信息拦截、指令防护
- 人机协同：关键操作暂停，人工审批后继续执行
4. 三者层级关系
- LangGraph：底层编排框架，用来搭建复杂自主工作流
- create_agent：中层封装，高度自定义 Agent
- Deep Agents：上层成品，预装记忆、子 Agent、文件等全套中间件
二、Model 模型层
1. 初始化
init_chat_model("厂商:模型名称") 统一接口对接全平台大模型。
2. 三大调用方法
invoke：单次完整请求stream：流式逐块输出，优化交互体验batch：批量并发请求，提升效率、节约成本
3. 核心常用能力
- bind_tools：绑定工具，让模型具备工具调用能力
- with_structured_output：约束输出结构，搭配 Pydantic 做格式校验
- 多模态：支持图文音视频输入
- 推理控制：
reasoning_effort调节思考深度（低/中/高）
4. 高频配置参数
temperature：随机性，越低回答越严谨max_tokens：限制输出长度max_retries：网络异常自动重试rate_limiter：限流，防止触发厂商封禁