在 LangChain v1.0 的架构里，Deep Agents 已经成为实现那些需要多个步骤、逻辑复杂的智能体任务的重要工具，因为它不仅能自己把大任务拆成小任务、记住中间过程，还能在需要的时候调用更专业的子智能体，并且通过引入 Skills（技能）机制，让开发者可以像安装插件一样轻松给智能体加上新本事。这篇文章会一步步教你如何在 Deep Agent 里加载和使用 SKILL，帮助你快速做出能用在实际项目中的 AI 应用。
一、Deep Agent 与 SKILL 是什么
Deep Agent 是什么？
Deep Agent 是 LangChain 团队推出的一个高级智能体运行框架，主要用来解决老式 Agent 在面对长时间、复杂任务时容易出错或者卡住的问题，它具备自动规划、本地存取中间数据、调用子智能体以及通过中间件扩展功能等核心能力。
SKILL 是什么？
SKILL 是一种轻量级的功能扩展方式，想法来自 Anthropic 的工具设计理念，每个 SKILL 通常由两部分组成：一个是叫 SKILL.md 的描述文件，用 YAML 格式写清楚这个技能叫什么、能干啥、需要什么输入、返回什么结果；另一个是具体的执行脚本（比如 arxiv_search.py），里面是一个真正的 Python 函数，负责完成实际工作。Agent 会通过 SkillsMiddleware 自动扫描指定目录，发现这些技能并加载它们，在需要时直接调用，完全不用在代码里硬编码工具列表。
二、动手做：给 Deep Agent 加上自定义 SKILL
第一步：安装依赖
先在命令行运行下面这行命令，把需要的包都装好：
pip install langchain-core langchain langchain-community deepagents
第二步：写一个 SKILL
我们拿“在 ArXiv 上搜索学术论文”当例子，在项目根目录下新建一个文件夹 skills/arxiv-search/，然后在里面放两个文件：
首先是 SKILL.md，注意这里必须用 YAML frontmatter 格式，不能写成表格：
---
name: arxiv_search
description: 用关键词在 ArXiv 上找最新的学术论文
parameters:- name: querytype: stringdescription: 搜索用的关键词
output: 返回包含标题、摘要和链接的论文列表
---
然后是 arxiv_search.py，这是真正干活的代码：
from arxiv import Searchdef arxiv_search(query: str):search = Search(query=query, max_results=3, sort_by="relevance")results = []for r in search.results():results.append({"title": r.title,"summary": r.summary,"url": r.entry_id})return results
第三步：创建 Deep Agent 并加载 SKILL
接下来写主程序，先初始化大模型（比如用通义千问的 Qwen），再创建 Agent 并告诉它去哪找技能：
from deepagents import create_deep_agent
from langchain.chat_models import init_chat_modelmodel = init_chat_model(model="qwen-max")agent = create_deep_agent(model=model,skills=["./skills"], # 指向刚才建的技能文件夹instructions="你是一个科研助理，能帮用户找最新的学术论文。"
)
⚠️ 注意：如果不同路径下有名字一样的 SKILL，后面加载的那个会把前面的盖掉。
第四步：运行 Agent
最后调用它试试看：
response = agent.invoke("帮我找三篇关于 LangChain Deep Agents 的最新论文")
print(response)
这时候 Agent 会先理解你的请求，然后从 ./skills 目录里找到 arxiv_search 这个技能，自动调用对应的函数去 ArXiv 搜论文，再把结果整理成一段人话返回给你。
三、常见问题和建议
❌ 问题一：技能没被加载
最常见的原因是 SKILL.md 文件格式不对，比如用了 Markdown 表格而不是 YAML。解决办法很简单：确保文件开头和结尾都是三个短横线 ---，中间内容是合法的 YAML。
❌ 问题二：调用技能时报错
这通常是因为函数的参数名字或类型跟 SKILL.md 里写的不一致，或者缺少必要的第三方库。建议你先把脚本单独跑一遍，确认没问题再集成进 Agent。
✅ 好的做法
可以把不同用途的 SKILL 分门别类放在不同子文件夹里，比如 web-tools/ 放网络相关功能，email-utils/ 放发邮件的工具；同时配合 LangSmith 查看每一步的执行记录，方便排查问题；如果任务特别复杂，可以让主 Agent 调度多个 SKILL 和子 Agent 一起协作完成。
四、总结
LangChain 的 Deep Agent 配合 SKILL 机制，提供了一种简单、灵活又容易复用的智能体开发方式，只要你把具体功能打包成标准技能，就能让 Agent 自动学会新本事，不仅提升了解决问题的能力，也让团队合作变得更顺畅。