# 使用 LangChain Deep Agents 进行循环工程

- 原标题：Loop Engineering with LangChain Deep Agents
- 类型：课程
- 来源：DeepLearning.AI
- 学期：未标注
- 首次精选：2026-10-29 23:09
- 分级：值得看
- 学习层级：进阶
- 主题：[agent-architecture-harness](<https://oplearnx.com/md/topics/agent-architecture-harness.md>)（第 13 位）、[agent-observability](<https://oplearnx.com/md/topics/agent-observability.md>)（第 15 位）
- 原文链接：[https://deeplearning.ai/courses/loop-engineering-with-langchain-deep-agents](<https://deeplearning.ai/courses/loop-engineering-with-langchain-deep-agents>)
- 本站页面：[https://oplearnx.com/resources/pk\_fb9560639efe](<https://oplearnx.com/resources/pk_fb9560639efe>)

## 摘要

DeepLearning.AI 上的一门中级课程，讲师为 Sydney Runkle 和 Esmaeil Gargari，时长约 1 小时 16 分钟，含 8 个视频课、4 个代码示例和 2 个评分作业，需 PRO 会员。内容介绍围绕智能体的四种循环（智能体循环、验证循环、事件驱动循环、爬山式改进循环），并动手构建智能体循环、加入由评估器按明确标准检查输出并反馈重试的验证循环、由 Slack 消息或 Jira 工单等事件自动触发，以及分析多次运行的追踪记录来改进执行框架。

## 概览

- 难度：进阶
- 语言：英文
- 规模：8 讲 · 1 小时 16 分
- 费用：部分免费

## 学完你能

- 理解代理、验证、事件驱动与爬坡四类循环的框架，以及各自为系统增加的能力
- 了解 LangChain Deep Agents 的文件系统、指令与技能如何支撑长时间运行的任务
- 为软件需求分析代理搭建核心执行循环，使其自主决定动作、调用工具直到任务完成
- 加入验证循环，由评估器按评分标准检查输出并在需要时反馈重试
- 把代理接入 Slack 消息或 Jira 工单等外部事件，自动触发新的分析与验证
- 构建爬坡循环，分析多次运行的轨迹以发现重复问题并改进代理的 harness

## 适合你吗

- 适合：正在构建需要长时间稳定运行的代理的开发者
- 适合：希望获得围绕代理的各类循环思维框架的工程人员
- 适合：对 LangChain Deep Agents 感兴趣并想动手实践的人
- 暂不适合：没有 Python 基础、难以完成动手实验的初学者
- 暂不适合：只想了解代理原理而不打算动手搭建循环的人
- 需要先会：建议熟悉 Python，以便充分利用动手实验。

## 课程特点

- 内容侧重：围绕代理的四类循环框架及其搭建，并以软件需求分析代理为示例贯穿。
- 练习与项目：4 个代码示例，另有 LoopEng AI Coding Lab 代码作业与一次测验，均为评分项目。
- 投入时间：共 8 讲视频、总时长约 1 小时 16 分；单讲时长 1 至 12 分钟不等，另含 10 分钟的代码实验与 10 分钟测验。
- 费用说明：课程页面提供报名入口；获得 accomplishment 需升级 Pro 会员，具体价格页面未列出。

## 内容覆盖

- 介绍
- 循环工程概览
- Deep Agent 入门（含代码示例）
- 代理循环（含代码示例）
- 验证循环（含代码示例）
- 事件驱动循环
- 学习循环（含代码示例）
- 结论
- LoopEng AI 编程实验（评分代码作业）
- 词汇表（选修阅读）
- 测验（评分）

---
来源：LearnMap · 学径（https://oplearnx.com）