DeepAgents 對比 HagiCode:功能與差異

DeepAgents 是 LangChain 官方推出的 AI Agent CLI 工具，建立在 LangChain 深厚的 Agent 编排框架基础之上。它以"深度多步推理、工具组合编排和複杂任務分解"為設計核心，特别适合需要多個子任務协同编排的複杂開發场景。不過 DeepAgents 本质上是 LangChain 生态中的一個 CLI 節點，而 HagiCode 是一個麵向完整開發工作流的桌麵平台——两者配合，才能把 DeepAgents 的编排能力從"框架功能"變成"日常開發工具"。它也涵蓋了共用的工具呼叫檢視，以及狀態列中選用的 TokenMonitor 用量顯示。

更新於: 2026年10月15日

DeepAgents 的核心能力

主要功能

DeepAgents 的功能以"深度 Agent 编排"為核心：

複杂任務自動分解：DeepAgents 能够将高层次的開發任務自動拆解為多個子任務，并為每個子任務分配合适的工具和执行策略。從"實現用户認證模块"到"创建数据模型→實現 API 端點→编寫中間件→生成测試→更新文档"——DeepAgents 自動完成分解和编排。

多工具协同编排：DeepAgents 可以同時协調多個工具——文件讀寫、shell 命令、外部 API、数据库查詢——在任務执行過程中動态選择和组合。這种多工具编排能力讓它在處理涉及多种技术栈的複杂任務時尤為突出。

狀态感知與動态調整：DeepAgents 在任務执行過程中持续感知狀态變化。如果某個子任務失败或结果不符合預期，它能够動态調整後续任務的策略，而非按死板的計划执行。

技术架构

DeepAgents 在架构层麵有几個顯著特點：

LangGraph 编排引擎：DeepAgents 基于 LangGraph 构建，這是一個用于构建有狀态、多参與者应用的高级框架。通過图结构来定义 Agent 的行為流程——節點代表操作，邊代表狀态转换——讓複杂 Agent 行為可以被精确建模和控制。

模块化 Agent 設計：DeepAgents 的 Agent 架构是高度模块化的——規划器、执行器、工具選择器和狀态管理器各自独立，可以按需组合和替换。這种設計讓 DeepAgents 的扩展和定制非常靈活。

ACP 原生支持：DeepAgents 通過 --acp 模式启動，原生支持 ACP 协議。這意味着它可以作為标准化 Agent 節點融入任何 ACP 兼容的工具生态。

LangChain 生态

DeepAgents 是 LangChain 生态的一部分：

LangSmith 可观测性：DeepAgents 的执行過程可以通過 LangSmith 進行追踪、监控和調試。每一次 Agent 决策、每一次工具調用都可以被記錄下来進行複盘分析。

丰富的工具集成：得益于 LangChain 的工具生态，DeepAgents 可以接入大量現成的工具連接器——從数据库到云服務到第三方 API。

開源與社区驅動：DeepAgents 是 LangChain 開源項目的一部分，由活跃的開發者社区驅動迭代。

為什麼 DeepAgents 需要 HagiCode

DeepAgents 的编排能力非常强大，但作為一個 CLI 工具，它缺乏對编排结果的管理、對 Agent 行為的可視化监控以及對多項目并行编排的支持。在生产環境中，编排完任務只是第一步，如何管理编排结果才是持续生产力的關键。

多線程并行：讓 DeepAgents 同時编排多個複杂任務

DeepAgents 在單個會話裡已經能做很多事，但真實開發幾乎從來不是一次只推進一個任務。

HagiCode 允許你把多個 DeepAgents 會話並行跑起來，每個會話都有獨立上下文、明確職責和各自的推進節奏。

這樣 AI 協作就不再是一條串行對話，而是一個真正貼近工程團隊工作方式的並行工作台。

執行緒 A 在完善後端 API 介面；
執行緒 B 在重構前端元件；
執行緒 C 在編寫單元測試；
執行緒 D 在審查程式碼安全漏洞。

OpenSpec 提案會話：為 DeepAgents 的编排结果配上决策追溯

在日常開發中，最容易出現的混亂不是程式碼寫不出來，而是改了一堆東西之後，忘了為什麼這麼改、改了哪些、以及這些改動之間有什麼關係。

HagiCode 內建的 OpenSpec 提案工作流從根本上解決了這個問題。每次開發任務都會以「提案」的形式啟動：

這種「先想清楚再動手」的工作方式，讓 DeepAgents 的推理能力發揮得更充分，也讓你在幾個月後回頭看程式碼時，依然能快速理解當時的決策背景。

先寫清楚這次要解決什麼問題，為什麼這樣做是合理的；
在提案框架下與 DeepAgents 深入討論技術方案，所有對話和決策都記錄在提案上下文裡；
方案確定後，DeepAgents 在提案的約束範圍內進行程式碼實現；
最終提案文件、討論記錄和程式碼變更形成一條完整的追溯鏈。

AI 提交：讓 DeepAgents 编排的每個子任務产出都有規范的提交

寫完程式碼之後還要寫 commit message，這件事對很多開發者來說是一種精神內耗。寫得太隨意回頭找不到關鍵提交，寫得太正式又覺得浪費時間。

HagiCode 的 AI 提交功能把這件事整個人交給了 DeepAgents：它會分析你的程式碼變更、理解改動的意圖和影響範圍，然後自動生成結構清晰、語義準確的 commit message。更關鍵的是，在 AI 提交的過程中，HagiCode 會自動鎖定倉庫，防止並發操作導致的狀態衝突，確保提交安全可靠。

你把注意力留給創造，commit message 這種流水帳交給 DeepAgents 就好。

Code Server 浏覽器编辑：讓 DeepAgents 的编排過程可視化

DeepAgents 分析完程式碼、定位到問題檔案和具體行號之後，常見的尷尬發生了：你需要離開 AI 對話視窗，回到自己的 IDE 裡重新找到那個檔案，再手動跳到對應的位置。這個「分析→編輯」的上下文斷點，不僅打斷思路，也讓 AI 的價值只停留在「告訴你問題在哪」，走不到「直接幫你進入修改狀態」。

HagiCode 內建了基於 code-server 的瀏覽器編輯器，專門解決這個斷點：

Code Server 整合讓 HagiCode 不是一個「會分析程式碼的前台頁面」，而是一個真正能讓 DeepAgents 的分析結論直接落地為編輯動作的完整工作站。它把「AI 分析」和「動手修改」這兩個步驟之間的工具切換成本降到了最低。

一鍵從分析進入編輯：DeepAgents 在提案中定位到需要修改的檔案後，HagiCode 可以直接在工作台內開啟該檔案進入編輯狀態。你不需要切換工具、不需要重新定位檔案——從分析結果到動手修改之間的距離是零。
本地、容器、遠端全覆蓋：無論你的專案跑在本地機器、Docker 容器還是遠端伺服器上，HagiCode 的 Code Server 都能透過瀏覽器開啟專案目錄並進入編輯。你不再受限於「這個專案只在某個環境裡能編輯」的約束。
Vault 直連編輯：你註冊到 Vault 中的程式碼參考庫和學習專案，同樣可以透過 Code Server 直接開啟瀏覽和編輯。DeepAgents 引用到的參考程式碼，你隨時可以跳進去深入檢視或臨摹修改。

HagiTask：讓 DeepAgents 的複杂编排能力模板化

DeepAgents 的能力很強，但每次都要手動打字描述需求確實不夠高效。更關鍵的是，市面上已經湧現了大量社群貢獻的優質 Skills——從程式碼審查模板到全棧 CRUD 生成器，從文件自動生成到測試用例編排，這些經過驗證的實踐方案散落在各處，沒有一個統一的地方來承載和調用。

HagiCode 的 HagiTask 機制就是為解決這個問題而設計的。它做的不只是「快捷指令」，更是一個可擴展的 Skills 整合平台：

HagiTask 讓你和 DeepAgents 之間的協作從「每次都要從頭溝通」升級為「站在社群的肩膀上，一鍵調用成熟流程」。你選好模板，DeepAgents 負責執行——這是真正的工作流自動化，而且整個過程賞心悅目。

社群 Skills 即裝即用：HagiCode 支援將市面上流行的 Skills 匯入為 HagiTask。你不需要從頭編寫複雜的 prompt，社群已經沉澱了大量高品質的任務模板，直接匯入就能用——新增 CRUD 模組、全面程式碼審查、API 文件生成，都有現成的方案。
可擴展的 Skills 體系：如果你有獨特的專案需求或團隊規範，HagiCode 允許你在社群 Skills 的基礎上進行定製和組合。你可以調整檢查清單、加入團隊編碼規範、甚至把多個 Skills 串聯成一條完整的開發流水線，打造屬於自己團隊的任務模板庫。
視覺化操作，告別純文字的枯燥：這是 HagiCode 與其他純命令列工具最根本的區別。選擇 HagiTask 不再需要在終端裡敲命令、拼參數，而是透過精心設計的視覺化介面完成——滑鼠點選選擇任務、下拉選單切換參數、拖曳調整任務順序，每一步都有清晰的視覺回饋和狀態提示。把人機互動從「寫程式碼來調用 AI」變成了「用 UI 來指揮 AI」。

游戏化界麵：讓 DeepAgents 的複杂编排變得直观可感

程式設計本身可以是枯燥的，但也可以是好玩的。HagiCode 的遊戲化界面設計，打破了命令列工具冷冰冰的體驗：

DeepAgents 提供智力，HagiCode 提供體驗——兩者配合，才能讓 AI 程式設計從「生產力工具」變成「讓人願意開啟的開發環境」。

視覺回饋清晰：每個會話的執行狀態、進度和結果都透過直覺的介面元素呈現，不需要在終端裡使勁翻找。
成就與進度視覺化：任務完成、程式碼入庫、提案通過——這些節點都被包裝成可見的里程碑，讓開發過程有節奏感和成就感。
操作門檻低：滑鼠點選、拖曳操作和快捷鍵結合的設計，讓不習慣純終端工作流的開發者也能輕鬆駕馭 DeepAgents 的全部能力。

Agents 多代理管理：把 DeepAgents 的多编排實例變成可管理的 Agent 编隊

並行會話本身很有價值，但當你同時開著多個會話時，真正的新瓶頸會變成「怎麼調度和管理它們」。

HagiCode 的 Agents 管理層會把每個 DeepAgents 工作單元抽象成一個有名字、可調度、狀態可見的 Agent。

你面對的不再是一堆打開的終端視窗，而是一支可以被統一編排的小型 AI 開發隊伍。

Agent 身份與狀態可視化：誰在執行、誰在等待、誰卡住、誰可歸檔，一眼就能看清。
任務與 Agent 綁定：提案、審查、重構、測試等任務都可以分配給專屬 Agent。
Agent 配置獨立可控：不同 Agent 可以掛不同的模型路由、Skills 和上下文範圍，彼此互不干擾。

Monospecs 多仓库管理：為 DeepAgents 的编排提供完整仓库視图

實際專案中，程式碼往往不在一個倉庫裡。前端、後端、文件、共享庫分散在不同倉庫，而一個功能變更可能要同時修改好幾個倉庫。對 DeepAgents 來說，單倉庫模式夠用，但它無法天然理解跨倉庫的關係——你得在每一次對話裡手動告訴它「這個改動還要同步到另外兩個倉庫」，這顯然是低效的。

HagiCode 的 Monospecs 機制就是為多倉庫場景而設計的結構化方案。它透過 .hagicode/monospecs.yaml 配置檔案宣告專案群中所有子倉庫的位址、名稱和關係，讓 DeepAgents 在啟動提案時就能自動獲得完整的跨倉庫地圖：

Monospecs 本質上是在幫 DeepAgents 消除跨倉庫協作的認知盲區。DeepAgents 的推理能力再強，也需要一份準確的「地圖」來定位變化範圍——而 Monospecs 就是這張被體系化管理的專案地圖。

自動感知倉庫關係：建立開發提案時，DeepAgents 可以直接從 Monospecs 配置中讀取子倉庫列表，知道「這次變更的前端程式碼在 repos/frontend、API 定義在 repos/backend、文件在 repos/docs」——你不再需要每次手動列出涉及哪些倉庫。
跨倉庫變更追蹤：當一個提案同時涉及多個子倉庫時，OpenSpec 提案目錄保留在主倉庫中，子倉庫僅僅承載程式碼修改。這樣 specs 與程式碼分離，子倉庫保持純淨，但整個變更的決策鏈條和討論記錄都集中在一個地方。歸檔時 commit_when_archive 還可以自動提交 specs 到主倉庫，省去手動管理版本控制的麻煩。
AI 提交精準識庫：在做 AI 提交時，HagiCode 會根據 Monospecs 配置分析你的變更內容，自動建議應該提交到哪個目標倉庫。你不用在終端裡挨個切目錄，HagiCode 幫你接管了「這段程式碼屬於哪個倉庫」的判斷。
每庫可配 AGENTS.md：每個子倉庫可以有自己專屬的 AGENTS.md，告訴 DeepAgents 這個倉庫的技術棧、程式碼規範和開發約定。DeepAgents 在操作不同倉庫時自動讀取對應的指導，行為始終符合你團隊的標準。

Vault 跨項目知識库：為 DeepAgents 的编排提供知識支撑

DeepAgents 的上下文視窗雖然很大，但每次新會話都是從零開始——上一輪提案中積累的經驗、分析過的專案結構、討論出的最佳實踐，全都會隨著會話結束而「失憶」。這在純對話工具中只能默默接受，但在 HagiCode 裡，Vault 系統改變了遊戲規則。

Vault 是 HagiCode 提供的跨專案持久化知識儲存層，它的核心設計理念是「一次註冊，處處複用」：

如果說 Monospecs 是讓 DeepAgents 看懂「專案在哪裡」，那 Vault 就是讓 DeepAgents 記住「我們之前學會了什麼」。前者拓展了 DeepAgents 的空間視野，後者延續了 DeepAgents 的時間記憶——兩者疊加，DeepAgents 不再是每一次都要重新打招呼的陌生人，而是一個真正了解你專案全景和知識積累的長期搭檔。

多類型知識容器：Vault 支援四種類型——folder（通用檔案目錄）、coderef（專門用於臨摹開源專案，自動初始化標準化目錄結構）、obsidian（直接接入你已有的 Obsidian 筆記庫）和 system-managed（系統自動管理專案配置和 prompt 模板庫）。你可以把分散在不同地方的程式碼倉庫、學習筆記、設計文件全部註冊到 Vault 中，DeepAgents 在任何一個提案裡都能自動感知到這些知識資源的存在。
AI 上下文自動注入：每次啟動新提案時，HagiCode 會自動將你註冊的 Vault 資訊注入到 DeepAgents 的上下文裡。你不用手動複製程式碼片段、不用重新解釋專案背景——DeepAgents 拿到提案的同時就已經「知道」你有哪些可用的學習資源和參考專案，可以直接基於既有知識開展工作。
訪問許可權精細化控制：每個 Vault 可以標記為 reference（唯讀）或 editable（可編輯）。開源專案的參考程式碼庫設定為唯讀，DeepAgents 可以閱讀和分析但不能修改，防止誤操作。你自己的專案 Vault 設為可編輯，DeepAgents 就能幫你直接寫程式碼。這種邊界讓 AI 的「自由度」始終可控。
跨專案知識複用：在分析專案 A 時註冊了一個「設計模式參考」Vault，之後在任何提案中 DeepAgents 都能訪問它。你不用重複積累知識庫，Vault 讓你的學習成果和參考資源變成了可繼承的長期資產。

OmniRoute 模型路由：讓 DeepAgents 的编排能力有最优的模型支撑

團隊應該能保留自己喜歡的工作流，而不是被某一個模型供應商或訂閱路徑反向綁死。

OmniRoute 把互動層和模型路由層拆開，讓 HagiCode 可以繼續把 DeepAgents 放在工作流裡，同時在底層靈活切換模型來源。

這樣你就能同時獲得更好的成本控制、更合適的任務匹配，以及模型供應變化時更低的遷移摩擦。

保留你已經習慣的 CLI 或互動方式，只替換底層模型路由。
一套路由策略可以被多個 Agent 和多個接入 HagiCode 的 AI 工具共享。
針對快速編碼、深度審查、架構規劃等不同任務配置不同模型路線。
在路由層一次調整成本與能力配置，而不是逐個工作流重複折騰。

統一的工具呼叫檢視：以一致的樣貌查看 DeepAgents 的工具使用

HagiCode 會為每則工具使用與工具結果訊息附上同一種具型別的工具呼叫結構，內容涵蓋工具類型、輸入欄位、狀態、結果文字或圖片、錯誤訊息與耗時。這個結構是由已儲存的資料即時計算而來，因此會話歷史與即時更新看到的內容完全一致。

不論使用哪個供應商，工具呼叫都採用同一種格式，所以 DeepAgents 的工具呼叫會和工作區裡其他 Agent 的呼叫長得一樣。你只需要看懂一種格式，不必再逐一熟悉各個 CLI 的原始輸出。

所有供應商共用同一種結構，shell、檔案、搜尋、擷取與 MCP 呼叫的呈現方式一致；
失敗的呼叫會附上易讀的錯誤訊息；
點陣圖格式的工具圖片會以 data URI 傳遞。

用量一目瞭然：在狀態列查看今日 Token 用量與費用

HagiCode 可以在狀態列顯示 TokenMonitor 桌面應用程式提供的今日 Token 用量與費用。這項整合是選用功能，預設為關閉。

它會定時讀取 TokenMonitor 的本機資料檔或 TokenMonitor HostHub，只保留今日的 Token 總量與費用。狀態列因此只用來快速瞄一眼，而不是完整的用量報表。

在你開啟整合之前，不會讀取任何資料；
HostHub 金鑰只能寫入，儲存後不會再被回傳或寫進記錄檔；
無效的 HostHub 位址會在儲存時被拒絕。

总结

DeepAgents 是一個基于 LangChain 生态的深度 Agent 编排 CLI 工具，HagiCode 是一個麵向完整工作流的 AI 编程平台。它們的關繫是互补：

如果你已经在用 DeepAgents，不妨試試把它接入 HagiCode——你會發現 DeepAgents 的编排能力不再只是 LangChain 框架中的一個功能演示，而是一個被完整工作流平台加持的日常開發编排引擎。

DeepAgents 提供编排：任務自動分解、多工具协同、狀态感知與動态調整；
HagiCode 提供效率：多線程並行、Agents 編隊管理、OpenSpec 提案、AI 提交、Code Server 編輯器、HagiTask；
HagiCode 拓展邊界：Monospecs 讓 DeepAgents 理解跨倉庫專案關係，Vault 讓 DeepAgents 擁有跨會話長期記憶，OmniRoute 讓 DeepAgents 突破模型訂閱的鎖死；
工具呼叫檢視：所有供應商的工具使用都採用一致的結構，歷史記錄與即時更新相同；
用量一目瞭然：選用的 TokenMonitor 狀態列，顯示今日的 Token 用量與費用；
兩者結合提供體驗：可追溯的決策鏈、自動化的日常事務、讓人愉悅的操作介面，以及一個真正了解你專案全景、可自由配置模型來源的長期 AI 搭檔。