Deep Agents v0.6 新特性

Deep Agents v0.6 正式发布，此次更新聚焦于模型层、智能体层、规模化及时间维度上的性能提升。新版本带来了四项重要特性：代码解释器、模型适配配置文件、流式传输 v3 以及增量通道，同时引入了 ContextHub 后端，为智能体的行为塑造提供版本化协作基础。

代码解释器是本次发布的核心亮点之一。它为智能体提供了一个可编程的工作空间，能够实现数据转换、工具调用协调，并将中间结果保留在模型上下文之外。智能体通过编写代码表达意图，由内存运行时执行并返回相关结果。与沙箱不同，代码解释器专注于智能体循环内部的代码驱动操作。这带来了两种新能力：模型无关的程序化工具调用（PTC）和递归工作流。PTC 允许智能体在运行时内调用工具，无需每一步都回传模型，从而减少令牌消耗和模型往返次数。递归工作流则利用解释器维持外部工作状态，使智能体能够持续追问、收集证据，并最终合成答案。安装 Python 的 deepagents[quickjs] 或 Node.js 的 @langchain/quickjs 即可启用。

模型适配配置文件解决了开源模型与现成工具链之间的兼容性问题。开源模型如 Kimi、Qwen 和 DeepSeek 在特定工装格式和提示惯例上存在差异，直接使用可能导致性能折损。Deep Agents v0.6 将模型适配配置文件作为一等抽象，支持对比、版本管理和切换。官方为主流模型预置了配置文件，确保开箱即用的高性能，同时开放自定义接口，方便开发者针对自身栈进行调优。内部测试表明，仅适配层调整即可使 GPT-5.2-codex 在 Terminal-Bench 2.0 上从 52.8% 提升至 66.5%，GPT-5.3-codex 在 tau2-bench 上提升 20%，Opus-4.7 提升 10%。

流式传输升级至 v3，带来了统一的事件流和类型化投影。开发者可以通过 stream.messages、stream.subagents 等投影精确订阅所需事件，无需手动解析原始流。新的流式协议同时支持本地和远程运行，LangGraph SDK 通过 client.threads.stream(...) 提供 SSE 或 WebSocket 传输。前端方面，本次发布了 @langchain/react、@langchain/vue、@langchain/svelte 和 @langchain/angular 的 v1 集成，配套 Stream Cookbook 示例集合，帮助团队快速构建丰富的流式体验。

增量通道应对长运行智能体的检查点存储膨胀问题。基于 LangGraph 运行时，智能体在每一步都会进行检查点快照，导致存储量随对话长度呈二次方增长。增量通道仅存储状态差异，对于消息历史和文件，可将检查点存储缩减 10-100 倍。在模拟的 200 步多文件编码会话中，传统方式消耗 5.27 GB，而增量通道仅需 12 MB（原文中注明的数字，实际已截断）。这大幅降低了数据库写入瓶颈和规模化存储成本，同时保留完整的可恢复性与可观测性。

最后，ContextHub 后端集成了 LangSmith Context Hub，为智能体的技能、策略和记忆提供版本化协作空间，使一次运行的成果能够持续改进后续运行。这些特性共同使 Deep Agents 成为更强大、更经济、更易于扩展的智能体框架。