用 coding agent 做過大一點的任務，大概看過這個落差：前十步很穩，到了後段，它重讀剛讀過的檔案，漏掉你交代的檢查。在個人部落格 philschmid.de 寫 AI 工程文章的 Philipp Schmid，2025 年 10 月寫過，一個只靠「模型加工具迴圈」的 agent，擅長的是 5 到 15 步的任務（原文：great at tasks that take 5-15 steps）；Anthropic 的 Agent SDK 文件舉的例子是「重構 auth 模組並更新測試」，這種任務會串起幾十次工具呼叫。
這裡的 context 指模型每次回應時一併讀進去的全部內容，包含對話、工具結果與指令，長度有上限。這篇整理三個一手來源怎麼處理這個落差，再把它們放進同一張表。
快速回答 Deep Agent 的內建能力，本站歸納成六項：規劃、檔案與指令、子代理、壓縮與卸載、記憶與技能、外部工具與把關。「六」是本站的分法，LangChain、Philipp Schmid 與 Claude Agent SDK 文件各自的清單都不是這樣數。能力不必全開：LangChain 自 v0.7（2026 年 7 月 29 日）起，任務規劃預設關閉。我的建議是依失敗型態逐項加。
Deep Agent 是什麼？三個來源各自的講法
深度代理（Deep Agent）指的是在基本的 agent 迴圈（模型判斷、呼叫工具、讀回結果、再判斷）外面，補上規劃、外部儲存、委派與 context 管理的 agent。三家的起點不同，所以講法也不同。
LangChain 共同創辦人 Harrison Chase 在 2025 年 7 月 30 日的部落格用了「Deep Agents」這個詞，列了四個共同元素：詳細的 system prompt、規劃工具、子代理、檔案系統。他拿 Claude Code 的 todo 工具當例子，直接說它沒做任何事：
"this doesn't do anything! It's basically a no-op." （Harrison Chase, Deep Agents, LangChain Blog, 2025-07-30）
他的意思是，這個工具的價值是讓模型把計畫寫進 context，保持方向，屬於 context engineering 的手法。
Philipp Schmid 在 2025 年 10 月 12 日的〈Agents 2.0: From Shallow Loops to Deep Agents〉裡，把基本迴圈叫淺層 agent，把加強版叫深層 agent，列出四根支柱：明確規劃、階層式委派、持久記憶、極致的 context engineering。他把重點放在「記憶搬到 context window 外面」：
"Smarter models do not require less prompting, they require better context." （Philipp Schmid, Agents 2.0, philschmid.de, 2025-10-12）
Anthropic 沒有用「Deep Agent」這個詞。它的 Agent SDK 文件把 Claude Code 的迴圈、工具與 context 管理包成函式庫，並列出內建工具、hooks（在特定時點自動執行的自訂程式）、子代理、MCP（接外部工具的協定）、權限、sessions（可接續的對話紀錄）、skills 與 memory 等能力。換句話說，Anthropic 給的是一份「出廠配備清單」，文件裡找不到 Deep Agent 的定義句。
六項能力放在一起，長什麼樣子？
六項能力是規劃、檔案與指令、子代理、壓縮與卸載、記憶與技能、外部工具與把關；每項再對回三家的原文名稱，圖 1 先給全貌，表 1 逐項對照。
下表把六項各自對回三家，最後一欄是它解決的問題。Schmid 的文章沒有單獨列「外部工具」與「把關」，該格寫「未列為一項」，也沒有談壓縮，該格寫「未談壓縮」。
write_todos（v0.7 起選用）- 明確規劃，例如 markdown 待辦檔
TaskCreate、TaskUpdate- 長任務中途忘了原本要做什麼
ls、read_file、write_file、edit_file、delete、glob、grep；沙箱後端另有execute- 持久記憶：檔案系統或向量庫當事實來源
Read、Edit、Write、Glob、Grep、Bash- 中間產物不必全塞在對話裡
task工具- 階層式委派，子代理只回綜合答案
Agent工具（文件中也出現舊名Task）- 探索過程把主對話撐爆
- summarization 與 context offloading（把過大的內容移出 context、改存別處；自動，文件未給工具名）
- 未談壓縮
- automatic compaction、
PreCompacthook - 對話超過 context 上限
AGENTS.md（memory）、SKILL.md（skills，漸進載入）- 持久記憶：知道去哪裡找
CLAUDE.md、Skill工具- 跨 session 與跨任務的規則和做法
tools=與 MCP、interrupt_on、permissions=- 未列為一項
- MCP、permissions、hooks
- 接外部系統，並在關鍵步驟攔住
表 1 六項能力對照。來源：LangChain Deep Agents 文件（docs.langchain.com）、Schmid 2025-10-12、Claude Agent SDK 文件，查閱於 2026-10-23。
規劃與檔案：狀態該放在對話裡，還是放在外面？
待辦清單留在 context 或 state 裡，中間結果寫進檔案；檔案在壓縮或重開 session 後還在。前兩項處理的就是這件事。
規劃這項，三家的做法很接近。Schmid 的「明確規劃」是 agent 維護一份待辦清單（他舉的形式是 markdown 檔），每一步之間更新。LangChain 的 write_todos 與 Anthropic 的 TaskCreate、TaskUpdate 是同一類工具：模型自己寫、自己勾，系統不替它排程。
LangChain 的文件寫得很直接：
"Starting in v0.7 task planning is opt-in only." （LangChain Deep Agents 文件，查閱於 2026-10-23）
v0.7.0 在 2026 年 7 月 29 日發布，release notes 把它列在破壞性變更：create_deep_agent 不再預設加入 TodoListMiddleware，要用得自己傳進去。Anthropic 則是部分模型要自己開啟任務追蹤工具（TaskCreate、TaskUpdate）才拿得到。兩份文件都沒說明原因。
檔案系統這項，工具名稱差不多：讀、寫、改、找、搜。差別在執行環境。LangChain 的 execute 只在沙箱後端提供；Anthropic 的 Bash 是內建工具，由權限設定決定能不能跑。Schmid 則把檔案系統放在「記憶」支柱下，強調從「記住一切」轉成「知道去哪裡找」（原文：knowing where to find information）。
工程上的意思： 規劃與檔案放在一起看，改的是 agent 的狀態存放位置。中間結果寫進檔案後，context 被壓縮、session 被重開時還在；落在對話裡的內容，壓縮時只剩摘要。要檢查自己的 agent 有沒有這層，最快的方法是看它在中途被截斷後，能不能從檔案重新接上。
子代理與壓縮：誰來控制 context 的成長？
控制 context 成長有兩種手段：子代理從來源隔離，壓縮在事後摘要。第三、四項處理的就是這件事。
子代理管來源。Anthropic 的文件寫明，子代理的中間工具呼叫與結果留在它自己的 context 裡，只有最終訊息回到父代理：
"A subagent returns only its final response, so your main agent's context grows by a summary, not by the subtask's transcript." （Claude Agent SDK 文件，How the agent loop works，查閱於 2026-10-23）
Schmid 寫的是同一個設計，子代理「只把綜合後的答案」交回 orchestrator（也就是主代理）。圖 2 畫出兩邊各自收到什麼。
這份文件還給了三個容易漏掉的數字：子代理預設最多往下三層（CLAUDE_CODE_MAX_SUBAGENT_SPAWN_DEPTH），同時最多 20 個（CLAUDE_CODE_MAX_CONCURRENT_SUBAGENTS），而且子代理的花費算進整個查詢的預算上限。子代理減少的是主代理的 context；每個子代理仍各自呼叫 API，花費照算。
壓縮管事後。Anthropic 的做法是 context 接近上限時自動把舊對話摘要掉，並明講代價：
"Compaction replaces older messages with a summary, so specific instructions from early in the conversation may not be preserved." （Claude Agent SDK 文件，同上）
所以它建議把必須長期有效的規則寫進 CLAUDE.md，因為那份內容每次請求都會重新放進 context。想在壓縮前存檔，可以掛 PreCompact hook。LangChain 的文件寫的是自動壓縮對話歷史與過大的中間結果，沒給工具名，也沒寫保留規則。
Schmid 沒有談壓縮；他的第四根支柱「極致的 context engineering」講的是長達數千 token 的詳細指令（原文：highly detailed instructions sometimes thousands of tokens long），並下了這個結論：
"by controlling the context, we control the complexity." （Philipp Schmid, Agents 2.0, 2025-10-12）
壓縮這項只能比兩家：Anthropic 提供自動壓縮加 PreCompact hook，可以在壓縮前存檔；LangChain 自動壓縮，但文件沒寫保留規則。
記憶、技能與外部工具：哪些東西要常駐？
必須長期有效的規則常駐在記憶檔（AGENTS.md／CLAUDE.md），技能先載入短描述、用到才載入全文；Anthropic 的 MCP 工具定義也預設按需載入。第五、六項處理的就是什麼常駐、什麼接進來。
記憶這項，兩家的檔案慣例不同：LangChain 讀 AGENTS.md，Claude Agent SDK 讀 CLAUDE.md（可由 settingSources 載入）。Anthropic 文件說明 CLAUDE.md 的內容每次請求都會帶著，是固定成本，只是有 prompt caching（把重複送出的前綴內容快取起來，後續請求不必重新全額計費），所以只有第一次請求付全額。這解釋了為什麼規則不能越寫越長，延伸閱讀裡有一篇專門談這件事。
技能（skills）是同一個思路的反面：不常駐，要用才載入。LangChain 的 SKILL.md 與 Anthropic 的 Skill 工具都是漸進載入，起始只放短描述。Anthropic 文件對 MCP 工具也有類似設計：預設只在需要時載入工具的 schema（工具定義，也就是名稱、參數與說明），避免幾個 MCP 伺服器就吃掉大量 context。
外部工具與把關放在一起，因為接得越多，越需要攔。LangChain 用 interrupt_on 在關鍵決策點暫停，等人批准（原文：Pause for human approval at critical decision points）；Anthropic 用權限規則、六種 permission mode 與 hooks，其中 PreToolUse hook 可以在工具執行前直接拒絕，而且 hooks 跑在應用程式裡，不佔用 context。兩個機制的差別是：interrupt_on 暫停下來等人批准；PreToolUse 由規則在工具執行前決定允許或拒絕執行，不需要人在場。
工程上的意思： 要常駐的內容放記憶檔，按需載入的做法放技能，會連累 context 的外部工具交給延遲載入。把三者混在同一份常駐檔裡，是 context 變貴的常見原因。
三家一致與不一致的地方
三家一致的做法是把狀態存到 context 外，委派時用子代理隔離 context；分歧在 system prompt 的地位。LangChain 2025 年 7 月把詳細 system prompt 列為四元素之一，Schmid 把指令併入 context engineering，Anthropic 的清單裡則沒有獨立一項。
先開哪幾項
我的做法是先看任務的失敗型態再選能力：agent 漏掉原本的目標，先開規劃；中途被截斷後無法接續，先把狀態寫進檔案；探索階段把對話撐爆，才加子代理；規則越寫越長，改拆成記憶檔加技能。這個順序成立的前提是任務長到會碰到 context 上限，任務在十幾步內結束時，多開能力多半只增加 token 與可出錯的地方。
下一篇會回頭問，把這些能力包起來的那一層為什麼叫駕馭層（harness），以及它和單純寫 prompt 差在哪裡。
常見問題
Deep Agent 和一般 agent 差在哪裡？
一般 agent 只有「模型加工具」的迴圈；在 Schmid 描述的淺層 agent 裡，狀態主要留在對話歷史。Deep Agent 在外面加了規劃、檔案系統、子代理等能力，讓狀態與 context 可以被管理。Schmid 把前者稱為淺層 agent，並說它擅長 5 到 15 步的任務。
子代理一定比單一 agent 好嗎？
不一定。Anthropic 文件指出子代理隔離了 context，但每個子代理仍各自呼叫 API，花費算進整個查詢的預算。Claude Agent SDK 預設最多三層、同時 20 個。任務簡單、探索量小時，單一 agent 通常更省。我的判斷是先用單一 agent，撞到 context 上限再拆子代理。
規劃工具是不是可有可無？
LangChain v0.7（2026 年 7 月 29 日）起預設不加入規劃工具，Anthropic 文件則寫部分模型要自己開啟任務追蹤工具。兩份文件都沒說明原因。Chase 在 2025 年 7 月把 Claude Code 的 todo 工具形容為 no-op，價值在讓計畫留在 context 裡。
CLAUDE.md 和 AGENTS.md 有什麼不同？
兩者都是每次請求帶進 context 的記憶檔。LangChain Deep Agents 讀 AGENTS.md，Claude Agent SDK 讀 CLAUDE.md。Anthropic 文件說明這類內容每次請求都會重新放入，所以適合放必須長期有效的規則，不適合放長篇說明。
延伸閱讀
- 為什麼 AI 越聊越笨、一直犯同樣的錯？Anthropic 揭密 Context Engineering 實戰（2026 懶人包）
- AGENTS.md 怎麼寫？規則寫越多，Agent 反而越貴？（2026 完整教學＋範例）
- Multi-Agent Coding 是什麼？同時開很多個 Agent，真的會比較快嗎？（2026 完整解析）
參考資料
- Harrison Chase, LangChain, Deep Agents（2025-07-30） https://www.langchain.com/blog/deep-agents
- LangChain, Deep Agents overview（文件頁，查閱於 2026-10-23） https://docs.langchain.com/oss/python/deepagents/overview
- LangChain, deepagents v0.7.0 release notes（2026-07-29） https://github.com/langchain-ai/deepagents/releases/tag/deepagents%3D%3D0.7.0
- Philipp Schmid, Agents 2.0: From Shallow Loops to Deep Agents（2025-10-12） https://www.philschmid.de/agents-2.0-deep-agents
- Anthropic, Agent SDK overview（查閱於 2026-10-23） https://code.claude.com/docs/en/agent-sdk/overview
- Anthropic, How the agent loop works（查閱於 2026-10-23） https://code.claude.com/docs/en/agent-sdk/agent-loop
- Anthropic, Subagents in the SDK（查閱於 2026-10-23） https://code.claude.com/docs/en/agent-sdk/subagents
留言0
登入後就能留言。
登入