[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-langchain-ai--deep-agents-ui":3,"tool-langchain-ai--deep-agents-ui":62},[4,18,26,36,46,54],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",159267,2,"2026-04-17T11:29:14",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,45],"插件",{"id":47,"name":48,"github_repo":49,"description_zh":50,"stars":51,"difficulty_score":32,"last_commit_at":52,"category_tags":53,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":32,"last_commit_at":60,"category_tags":61,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[45,13,15,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":77,"owner_email":78,"owner_twitter":74,"owner_website":79,"owner_url":80,"languages":81,"stars":94,"forks":95,"last_commit_at":96,"license":97,"difficulty_score":98,"env_os":99,"env_gpu":99,"env_ram":99,"env_deps":100,"category_tags":106,"github_topics":77,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":107,"updated_at":108,"faqs":109,"releases":140},8542,"langchain-ai\u002Fdeep-agents-ui","deep-agents-ui","Custom UI for Deep Agents","deep-agents-ui 是专为 Deep Agents 框架打造的可视化交互界面，旨在让开发者更直观地监控和调试智能体任务。Deep Agents 本身是一个强大的开源智能体架构，支持任务规划、计算机操作（如访问 Shell 和文件系统）以及子智能体委派等高级功能，但这些过程通常在后台运行，难以直接观察。deep-agents-ui 通过友好的聊天界面解决了这一痛点，让用户能实时查看智能体的执行状态、中间思考步骤以及生成的文件内容。\n\n该工具特别适合 AI 开发者、研究人员以及需要构建复杂自主智能系统的工程师使用。其独特的技术亮点在于支持“调试模式”，允许用户逐步执行智能体任务，甚至重跑特定步骤，这对于优化智能体行为和排查错误极具价值。此外，它还深度集成了 LangGraph 部署环境，只需简单配置部署地址和助手 ID，即可连接本地或远程的智能体服务，并支持查看 LangGraph 状态中的文件细节。无论是进行深度的算法研究，还是开发具备实际操作能力的 AI 助手，deep-agents-ui 都能提供透明、高效的交互体验，帮助用户轻松掌控智能体的运行全流程。","# 🚀🧠 Deep Agents UI\n\n[Deep Agents](https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Fdeepagents) is a simple, open source agent harness that implements a few generally useful tools, including planning (prior to task execution), computer access (giving the able access to a shell and a filesystem), and sub-agent delegation (isolated task execution). This is a UI for interacting with deepagents.\n\n## 🚀 Quickstart\n\n**Install dependencies and run the app**\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Fdeep-agents-ui.git\ncd deep-agents-ui\nyarn install\nyarn dev\n```\n\n**Deploy a Deep Agent**\n\nAs an example, see our [Deep Agents quickstarts](https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Fdeepagents\u002Ftree\u002Fmain\u002Fexamples) for examples and run the `deep_research` example.\n\nThe `langgraph.json` file has the assistant ID as the key:\n\n```\n  \"graphs\": {\n    \"research\": \".\u002Fagent.py:agent\"\n  },\n```\n\nKick off the local LangGraph deployment:\n\n```bash\ncd deepagents-quickstarts\u002Fdeep_research\nlanggraph dev\n```\n\nYou will see the local LangGraph deployment log to terminal:\n\n```\n╦  ┌─┐┌┐┌┌─┐╔═╗┬─┐┌─┐┌─┐┬ ┬\n║  ├─┤││││ ┬║ ╦├┬┘├─┤├─┘├─┤\n╩═╝┴ ┴┘└┘└─┘╚═╝┴└─┴ ┴┴  ┴ ┴\n\n- 🚀 API: http:\u002F\u002F127.0.0.1:2024\n- 🎨 Studio UI: https:\u002F\u002Fsmith.langchain.com\u002Fstudio\u002F?baseUrl=http:\u002F\u002F127.0.0.1:2024\n- 📚 API Docs: http:\u002F\u002F127.0.0.1:2024\u002Fdocs\n...\n```\n\nYou can get the Deployment URL and Assistant ID from the terminal output and `langgraph.json` file, respectively:\n\n- Deployment URL: \u003Chttp:\u002F\u002F127.0.1:2024>\n- Assistant ID: `research`\n\n**Open Deep Agents UI** at [http:\u002F\u002Flocalhost:3000](http:\u002F\u002Flocalhost:3000) and input the Deployment URL and Assistant ID:\n\n- **Deployment URL**: The URL for the LangGraph deployment you are connecting to\n- **Assistant ID**: The ID of the assistant or agent you want to use\n- [Optional] **LangSmith API Key**: Your LangSmith API key (format: `lsv2_pt_...`). This may be required for accessing deployed LangGraph applications. You can also provide this via the `NEXT_PUBLIC_LANGSMITH_API_KEY` environment variable.\n\n**Usage**\n\nYou can interact with the deployment via the chat interface and can edit settings at any time by clicking on the Settings button in the header.\n\n\u003Cimg width=\"2039\" height=\"1495\" alt=\"Screenshot 2025-11-17 at 1 11 27 PM\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flangchain-ai_deep-agents-ui_readme_6ca65a9fcfbe.png\" \u002F>\n\nAs the deepagent runs, you can see its files in LangGraph state.\n\n\u003Cimg width=\"2039\" height=\"1495\" alt=\"Screenshot 2025-11-17 at 1 11 36 PM\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flangchain-ai_deep-agents-ui_readme_c784605b2db6.png\" \u002F>\n\nYou can click on any file to view it.\n\n\u003Cimg width=\"2039\" height=\"1495\" alt=\"Screenshot 2025-11-17 at 1 11 40 PM\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flangchain-ai_deep-agents-ui_readme_6fda31c37263.png\" \u002F>\n\n### Optional: Environment Variables\n\nYou can optionally set environment variables instead of using the settings dialog:\n\n```env\nNEXT_PUBLIC_LANGSMITH_API_KEY=\"lsv2_xxxx\"\n```\n\n**Note:** Settings configured in the UI take precedence over environment variables.\n\n### Usage\n\nYou can run your Deep Agents in Debug Mode, which will execute the agent step by step. This will allow you to re-run the specific steps of the agent. This is intended to be used alongside the optimizer.\n\nYou can also turn off Debug Mode to run the full agent end-to-end.\n\n### 📚 Resources\n\nIf the term \"Deep Agents\" is new to you, check out these videos!\n[What are Deep Agents?](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=433SmtTc0TA)\n[Implementing Deep Agents](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=TTMYJAw5tiA&t=701s)\n","# 🚀🧠 深度智能体 UI\n\n[深度智能体](https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Fdeepagents) 是一个简单、开源的智能体框架，内置了一些通用工具，包括任务规划（在执行任务前进行规划）、计算机访问权限（允许智能体访问 shell 和文件系统）以及子智能体委派（隔离式任务执行）。这是一个用于与深度智能体交互的用户界面。\n\n## 🚀 快速入门\n\n**安装依赖并运行应用**\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Fdeep-agents-ui.git\ncd deep-agents-ui\nyarn install\nyarn dev\n```\n\n**部署一个深度智能体**\n\n作为示例，请参阅我们的 [深度智能体快速入门指南](https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Fdeepagents\u002Ftree\u002Fmain\u002Fexamples)，其中提供了多个示例，并运行 `deep_research` 示例。\n\n`langgraph.json` 文件中以助手 ID 作为键：\n\n```\n  \"graphs\": {\n    \"research\": \".\u002Fagent.py:agent\"\n  },\n```\n\n启动本地 LangGraph 部署：\n\n```bash\ncd deepagents-quickstarts\u002Fdeep_research\nlanggraph dev\n```\n\n您将在终端看到本地 LangGraph 部署的日志输出：\n\n```\n╦  ┌─┐┌┐┌┌─┐╔═╗┬─┐┌─┐┌─┐┬ ┬\n║  ├─┤││││ ┬║ ╦├┬┘├─┤├─┘├─┤\n╩═╝┴ ┴┘└┘└─┘╚═╝┴└─┴ ┴┴  ┴ ┴\n\n- 🚀 API: http:\u002F\u002F127.0.0.1:2024\n- 🎨 Studio UI: https:\u002F\u002Fsmith.langchain.com\u002Fstudio\u002F?baseUrl=http:\u002F\u002F127.0.0.1:2024\n- 📚 API 文档: http:\u002F\u002F127.0.0.1:2024\u002Fdocs\n...\n```\n\n您可以从终端输出和 `langgraph.json` 文件中分别获取部署 URL 和助手 ID：\n\n- 部署 URL：\u003Chttp:\u002F\u002F127.0.1:2024>\n- 助手 ID：`research`\n\n**打开深度智能体 UI**，访问 [http:\u002F\u002Flocalhost:3000](http:\u002F\u002Flocalhost:3000)，并输入部署 URL 和助手 ID：\n\n- **部署 URL**：您要连接的 LangGraph 部署的 URL\n- **助手 ID**：您想要使用的助手或智能体的 ID\n- 【可选】**LangSmith API 密钥**：您的 LangSmith API 密钥（格式：`lsv2_pt_...`）。这可能需要用于访问已部署的 LangGraph 应用程序。您也可以通过 `NEXT_PUBLIC_LANGSMITH_API_KEY` 环境变量来提供此密钥。\n\n**使用方法**\n\n您可以通过聊天界面与部署进行交互，并随时点击页眉中的“设置”按钮来编辑配置。\n\n\u003Cimg width=\"2039\" height=\"1495\" alt=\"截图 2025-11-17 下午 1:11:27\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flangchain-ai_deep-agents-ui_readme_6ca65a9fcfbe.png\" \u002F>\n\n当深度智能体运行时，您可以在 LangGraph 的状态中查看其文件。\n\n\u003Cimg width=\"2039\" height=\"1495\" alt=\"截图 2025-11-17 下午 1:11:36\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flangchain-ai_deep-agents-ui_readme_c784605b2db6.png\" \u002F>\n\n您可以点击任意文件来查看内容。\n\n\u003Cimg width=\"2039\" height=\"1495\" alt=\"截图 2025-11-17 下午 1:11:40\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flangchain-ai_deep-agents-ui_readme_6fda31c37263.png\" \u002F>\n\n### 可选：环境变量\n\n您也可以选择直接设置环境变量，而无需使用设置对话框：\n\n```env\nNEXT_PUBLIC_LANGSMITH_API_KEY=\"lsv2_xxxx\"\n```\n\n**注意**：UI 中配置的设置优先于环境变量。\n\n### 使用说明\n\n您可以以调试模式运行您的深度智能体，这样智能体会逐步执行每个步骤，方便您重新执行特定的步骤。此功能通常与优化器配合使用。\n\n您也可以关闭调试模式，以端到端的方式完整运行智能体。\n\n### 📚 资源\n\n如果您对“深度智能体”这一概念还不熟悉，请观看以下视频！\n[什么是深度智能体？](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=433SmtTc0TA)\n[如何实现深度智能体](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=TTMYJAw5tiA&t=701s)","# Deep Agents UI 快速上手指南\n\nDeep Agents UI 是一个用于与 [Deep Agents](https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Fdeepagents) 交互的用户界面。Deep Agents 是一个开源的智能体框架，支持任务规划、计算机访问（Shell\u002F文件系统）以及子智能体委托等功能。本指南将帮助你快速在本地部署并运行该界面。\n\n## 环境准备\n\n在开始之前，请确保你的开发环境满足以下要求：\n\n*   **操作系统**：Linux, macOS 或 Windows (WSL2 推荐)\n*   **Node.js**：建议版本 v18 或更高（用于运行 UI）\n*   **Yarn**：包管理工具\n*   **Python**：建议版本 3.9+（用于运行后端智能体）\n*   **LangGraph CLI**：用于部署本地智能体服务\n    *   安装命令：`pip install langgraph-cli`\n\n## 安装步骤\n\n### 1. 克隆并运行 UI 前端\n\n首先获取源代码并安装依赖，启动开发服务器：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Fdeep-agents-ui.git\ncd deep-agents-ui\nyarn install\nyarn dev\n```\n*启动成功后，UI 将运行在 `http:\u002F\u002Flocalhost:3000`。*\n\n### 2. 部署 Deep Agent 后端\n\n你需要运行一个实际的 Deep Agent 实例供 UI 连接。这里以官方提供的 `deep_research` 示例为例：\n\n1.  克隆或进入 `deepagents` 仓库的示例目录：\n    ```bash\n    # 假设你已克隆 deepagents 仓库\n    cd deepagents-quickstarts\u002Fdeep_research\n    ```\n\n2.  确认 `langgraph.json` 配置。该文件定义了智能体 ID（如下例中的 `research`）：\n    ```json\n    {\n      \"graphs\": {\n        \"research\": \".\u002Fagent.py:agent\"\n      }\n    }\n    ```\n\n3.  启动本地 LangGraph 服务：\n    ```bash\n    langgraph dev\n    ```\n\n    启动后，终端会输出类似以下信息，请记录 **API 地址** 和 **Assistant ID**：\n    ```text\n    - 🚀 API: http:\u002F\u002F127.0.0.1:2024\n    ...\n    ```\n    *   **Deployment URL**: `http:\u002F\u002F127.0.0.1:2024`\n    *   **Assistant ID**: `research` (来自 `langgraph.json` 的 key)\n\n## 基本使用\n\n1.  **访问界面**：打开浏览器访问 [http:\u002F\u002Flocalhost:3000](http:\u002F\u002Flocalhost:3000)。\n\n2.  **配置连接**：\n    在界面中输入上一步获取的信息：\n    *   **Deployment URL**: 填入 LangGraph 服务地址（例如 `http:\u002F\u002F127.0.0.1:2024`）。\n    *   **Assistant ID**: 填入智能体 ID（例如 `research`）。\n    *   **LangSmith API Key** (可选): 如果你的服务需要认证，可在此填入密钥（格式如 `lsv2_pt_...`），或通过设置环境变量 `NEXT_PUBLIC_LANGSMITH_API_KEY` 提供。\n\n3.  **开始交互**：\n    *   在聊天框中输入指令，智能体将执行任务（如搜索、编写代码等）。\n    *   运行过程中，你可以在界面中查看 LangGraph 的状态变化及生成的文件。\n    *   点击文件列表中的任意文件即可预览内容。\n\n4.  **调试模式**：\n    *   你可以开启 **Debug Mode** 逐步执行智能体，便于观察每一步的执行细节或重跑特定步骤。\n    *   关闭该模式则可端到端地运行完整任务流。\n\n> **提示**：界面中的设置优先级高于环境变量配置。","某数据分析师需要利用 Deep Agents 执行复杂的深度市场调研任务，要求智能体自主规划步骤、调用命令行工具抓取数据并生成报告。\n\n### 没有 deep-agents-ui 时\n- **过程黑盒化**：开发者只能通过终端日志查看零散的文本输出，无法直观感知智能体的思考路径和子任务分解情况。\n- **文件交互困难**：当智能体在沙箱中生成 CSV 或 Markdown 报告时，必须手动进入文件系统查找路径并打开查看，中断了工作流。\n- **调试效率低下**：若某一步骤出错，难以定位具体是哪个子代理（Sub-agent）或规划环节出了问题，只能重新运行整个流程。\n- **状态监控缺失**：无法实时看到智能体当前的文件系统状态或中间变量，缺乏对任务进度的全局掌控感。\n\n### 使用 deep-agents-ui 后\n- **可视化思维链**：通过聊天界面清晰展示智能体的规划（Planning）、工具调用及子代理委派过程，每一步执行逻辑一目了然。\n- **即时文件预览**：界面直接集成文件浏览器，智能体生成的任何报告或数据文件均可点击即看，无需切换窗口或输入命令。\n- **精细化调试**：支持“调试模式”，允许开发者单步重放特定执行环节，快速隔离错误源头并优化代理行为。\n- **全景状态透视**：实时同步 LangGraph 状态，动态展示文件系统变化和任务进度，让复杂的多步任务变得透明可控。\n\ndeep-agents-ui 将原本晦涩的命令行交互转化为直观的可视化协作体验，极大降低了多智能体系统的开发与调试门槛。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flangchain-ai_deep-agents-ui_6ca65a9f.png","langchain-ai","LangChain","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Flangchain-ai_8e6aaeef.png","",null,"support@langchain.dev","https:\u002F\u002Fwww.langchain.com","https:\u002F\u002Fgithub.com\u002Flangchain-ai",[82,86,90],{"name":83,"color":84,"percentage":85},"TypeScript","#3178c6",84.3,{"name":87,"color":88,"percentage":89},"JavaScript","#f1e05a",10.3,{"name":91,"color":92,"percentage":93},"CSS","#663399",5.5,1543,317,"2026-04-17T05:43:57","MIT",4,"未说明",{"notes":101,"python":99,"dependencies":102},"该工具是一个前端 UI 界面，本身不直接运行 AI 模型，而是连接到本地运行的 LangGraph 后端服务（通过 'langgraph dev' 启动）。主要依赖 Node.js 环境和 Yarn 包管理器来安装和运行前端。需要预先配置好 Deep Agents 的后端环境（参考 deepagents 仓库），并在运行时提供部署 URL 和 Assistant ID。可选配置 LangSmith API Key 以访问特定功能。",[103,104,105],"Node.js","Yarn","LangGraph CLI",[13,14],"2026-03-27T02:49:30.150509","2026-04-18T00:45:31.199713",[110,115,120,125,130,135],{"id":111,"question_zh":112,"answer_zh":113,"source_url":114},38264,"点击文件时出现 'codeTree.value[0].value.split is not a function' 错误怎么办？","该问题是由于 UI 版本与最新的 deep agents 版本不兼容导致的。维护者已更新 UI 以适配最新版本，请拉取最新代码或应用修复该问题的 PR（https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Fdeep-agents-ui\u002Fpull\u002F19）即可解决。","https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Fdeep-agents-ui\u002Fissues\u002F18",{"id":116,"question_zh":117,"answer_zh":118,"source_url":119},38265,"遇到 'Unable to coerce message from array' 消息强制类型错误如何解决？","这是因为使用了旧版本的 deepagents 库。解决方案是升级 Langchain 相关依赖包到最新版本。你可以参考此 PR 进行更新：https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Fdeep-agents-ui\u002Fpull\u002F16。","https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Fdeep-agents-ui\u002Fissues\u002F17",{"id":121,"question_zh":122,"answer_zh":123,"source_url":124},38266,"如何在输入框中输入多行文本？按 Enter 键总是直接发送消息。","该问题已在优化分支（nh\u002Foptimization）中修复。请确保你使用的是包含此修复的最新版本代码，通常使用 Shift + Enter 可以换行，或者更新后默认行为已修正。","https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Fdeep-agents-ui\u002Fissues\u002F5",{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},38267,"仓库名称是 'deep-agents-ui' 但文档中有时写成 'deepagents-ui'，哪个是正确的？","正确的仓库名称是 'deep-agents-ui'（带连字符）。文档中出现的 'deepagents-ui' 是笔误，维护者已知晓并计划通过 PR 修复相关 README 文档中的不一致之处。","https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Fdeep-agents-ui\u002Fissues\u002F26",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},38268,"如何在 UI 中输入中断（interrupt）的值以继续执行？","目前用户反馈尝试输入数字或 JSON 格式均无效，且该 Issue 下暂无官方回复提供具体格式。建议关注后续官方文档更新或在该 Issue 中等待维护者提供具体的中断值格式说明。","https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Fdeep-agents-ui\u002Fissues\u002F55",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},38269,"如何在不增加 LLM 上下文负担的情况下获取子代理（sub-agents）的只读工具调用记录？","这是一个功能请求。目前 deepagents 库的设计是为了隔离详细工作以避免上下文膨胀，主代理仅接收最终结果。虽然 LangSmith UI 展示了这些信息，但在当前开源 UI 中直接以只读方式获取子代理的详细工具调用链尚未有内置支持，需等待后续功能更新或自定义修改 deepagents 库。","https:\u002F\u002Fgithub.com\u002Flangchain-ai\u002Fdeep-agents-ui\u002Fissues\u002F44",[]]