概述
本指南演示如何使用 Deep Agents 从零开始构建一个内容写作代理。 你构建的代理将:- 从
AGENTS.md和技能文件夹加载语音和工作流规则 - 将网络研究任务委托给具有
web_search功能的专用子代理 - 根据加载的技能起草博客或社交内容
- 使用 Gemini 生成封面或社交图片,并将文件保存在项目目录下
核心概念
本教程涵盖:前提条件
API 密钥:- Anthropic (Claude) 或其他提供商的 API 密钥
- 用于使用
gemini-2.5-flash-image进行图像生成的 Google (Gemini) 密钥 - 用于网络搜索的 Tavily(免费套餐)
- 用于跟踪的 LangSmith(可选)
设置
1
创建项目目录
mkdir content-builder-agent
cd content-builder-agent
2
安装依赖
npm install deepagents @langchain/core @langchain/anthropic @google/generative-ai tavily zod tsx
yarn add deepagents @langchain/core @langchain/anthropic @google/generative-ai tavily zod tsx
tsx 以运行 content_writer.ts。--input-type=module 标志仅适用于 --eval、--print 或标准输入,不适用于脚本文件路径。安装 @langchain/anthropic,以便 LangChain 可以加载 createDeepAgent 使用的默认 Claude 模型。3
设置 API 密钥
export ANTHROPIC_API_KEY="your_anthropic_api_key"
export GOOGLE_API_KEY="your_google_api_key"
export TAVILY_API_KEY="your_tavily_api_key" # 可选
export LANGSMITH_API_KEY="your_langsmith_api_key" # 可选
添加配置文件
该示例将行为保留在三种文件中:记忆、技能和子代理定义。1
添加 AGENTS.md
在项目根目录创建 要使此代理符合你自己的语气、支柱和格式规则,请更新
AGENTS.md。
当你稍后创建代理并指定此文件作为记忆参数的一部分时,它会被加载到系统提示中,以便品牌语音和研究期望适用于每次运行。# 内容写作代理
你是一家科技公司的内容作家。你的工作是创建引人入胜、信息丰富的内容,向读者介绍人工智能、软件开发和新兴技术。
## 品牌语音
- **专业但平易近人**:像一位知识渊博的同事那样写作,而不是教科书
- **清晰直接**:除非必要,避免使用行话;简单解释技术概念
- **自信但不傲慢**:分享专业知识,但不居高临下
- **引人入胜**:使用具体的例子、类比和故事来阐述观点
## 写作标准
1. **使用主动语态**:“代理处理请求”而不是“请求由代理处理”
2. **以价值为导向**:从对读者重要的内容开始,而不是背景信息
3. **每段一个观点**:保持段落集中且易于浏览
4. **具体胜于抽象**:使用具体的例子、数字和案例研究
5. **以行动结尾**:每篇文章都应让读者知道下一步该做什么
## 内容支柱
我们的内容专注于:
- 人工智能代理和自动化
- 开发者工具和生产力
- 软件架构和最佳实践
- 新兴技术和趋势
## 格式指南
- 使用标题(H2、H3)来分隔长内容
- 在相关处包含代码示例(带语法高亮)
- 对于 3 项以上的列表使用项目符号
- 尽可能将句子保持在 25 个单词以内
- 在结尾包含明确的行动号召
## 研究要求
在撰写任何主题之前:
1. 使用 `researcher` 子代理进行深入的主题研究
2. 收集至少 3 个可信来源
3. 确定读者需要理解的关键点
4. 找到具体的例子或案例研究来阐述概念
AGENTS.md 中的文本。2
添加技能
创建一个 接下来,创建 它们指示代理首先调用
skills/ 目录。每个技能是一个包含 SKILL.md 文件的文件夹,该文件包含 YAML frontmatter(name、description)和技能说明。创建 skills/blog-post/SKILL.md 并将以下文本复制到其中,其中包含有关创建长篇文章、优化 SEO 内容和生成封面图像的信息。---
name: blog-post
description: 撰写和构建长篇博客文章,创建教程大纲,并优化 SEO 内容以及生成封面图像。当用户要求撰写博客文章、文章、操作指南、教程、技术文章、思想领导力文章或长篇内容时使用。
---
# 博客文章写作技能
## 先研究(必需)
**在撰写任何博客文章之前,你必须委托研究:**
1. 使用 `task` 工具,设置 `subagent_type: "researcher"`
2. 在描述中,同时指定主题和保存位置:
```
task(
subagent_type="researcher",
description="研究 [主题]。将发现保存到 research/[slug].md"
)
```
示例:
```
task(
subagent_type="researcher",
description="研究 2025 年人工智能代理的现状。将发现保存到 research/ai-agents-2025.md"
)
```
3. 研究完成后,在写作前阅读发现文件
## 输出结构(必需)
**每篇博客文章必须同时包含文章和封面图像:**
```
blogs/
└── <slug>/
├── post.md # 博客文章内容
└── hero.png # 必需:生成的封面图像
```
示例:一篇关于“2025 年人工智能代理”的文章 → `blogs/ai-agents-2025/`
**你必须完成两个步骤:**
1. 将文章写入 `blogs/<slug>/post.md`
2. 使用 `generate_image` 生成封面图像并保存到 `blogs/<slug>/hero.png`
**没有封面图像的博客文章是不完整的。**
## 博客文章结构
每篇博客文章应遵循以下结构:
### 1. 钩子(开头)
- 以引人入胜的问题、统计数据或陈述开始
- 让读者想要继续阅读
- 保持在 2-3 句话
### 2. 背景(问题)
- 解释为什么这个主题重要
- 描述问题或机会
- 与读者的经验联系起来
### 3. 主要内容(解决方案)
- 分为 3-5 个主要部分,使用 H2 标题
- 每个部分涵盖一个关键点
- 在有帮助的地方包含代码示例、图表或截图
- 对列表使用项目符号
### 4. 实际应用
- 展示如何应用这些概念
- 如果适用,包含分步说明
- 提供代码片段或模板
### 5. 结论和行动号召
- 总结关键要点(最多 3 个要点)
- 以明确的行动号召结尾
- 链接到相关资源
## 封面图像生成
撰写文章后,使用 `generate_cover` 工具生成封面图像:
```
generate_cover(prompt="图像的详细描述...", slug="your-blog-slug")
```
该工具将图像保存到 `blogs/<slug>/hero.png`。
### 撰写有效的图像提示
使用以下元素构建你的提示:
1. **主体**:主要焦点是什么?具体而明确。
2. **风格**:艺术指导(极简主义、等距、扁平设计、3D 渲染、水彩等)
3. **构图**:元素如何排列(居中、三分法、对称)
4. **调色板**:特定颜色或情绪(温暖的大地色调、凉爽的蓝色和紫色、高对比度)
5. **光照/氛围**:柔和的漫射光、戏剧性的阴影、黄金时段、霓虹灯辉光
6. **技术细节**:宽高比考虑、用于文本叠加的负空间
### 示例提示
**对于技术博客文章:**
```
等距 3D 插图,展示相互连接的发光立方体,代表人工智能代理,每个立方体都有微妙的电路图案。立方体通过发光的数据流连接。深海军蓝背景(#0a192f),带有电蓝色(#64ffda)和柔和紫色(#c792ea)点缀。简洁的极简风格,顶部有大量负空间用于标题。专业的科技美学。
```
**对于教程/操作指南:**
```
干净的扁平插图,展示双手在键盘上打字,抽象的代码符号向上漂浮,变成灯泡和齿轮。温暖的渐变背景,从柔和的珊瑚色到浅桃色。友好、平易近人的风格。居中构图,留有文本叠加空间。
```
**对于思想领导力:**
```
人类轮廓与几何神经网络图案融合的抽象可视化。分割构图 - 左侧是有机的水彩纹理,过渡到右侧干净的矢量线条。柔和的鼠尾草绿和温暖的赤陶色调。沉思、前瞻的情绪。
```
## SEO 考虑
- 在标题和第一段中包含主要关键词
- 在全文中自然使用关键词 3-5 次
- 将标题保持在 60 个字符以内
- 撰写元描述(150-160 个字符)
## 质量检查清单
完成前:
- [ ] 文章已保存到 `blogs/<slug>/post.md`
- [ ] 封面图像已生成在 `blogs/<slug>/hero.png`
- [ ] 钩子在前 2 句话中抓住注意力
- [ ] 每个部分都有明确的目的
- [ ] 结论总结了关键点
- [ ] 行动号召告诉读者下一步该做什么
skills/social-media/SKILL.md 并将以下文本复制到其中,其中包含有关起草社交媒体帖子和生成配套图像的信息:---
name: social-media
description: 起草引人入胜的社交媒体帖子,撰写钩子,建议标签,创建线程结构,并生成配套图像。当用户要求撰写 LinkedIn 帖子、推文、Twitter/X 线程、社交媒体说明、社交帖子或为社交平台重新利用内容时使用。
---
# 社交媒体内容技能
## 先研究(必需)
**在撰写任何社交媒体内容之前,你必须委托研究:**
1. 使用 `task` 工具,设置 `subagent_type: "researcher"`
2. 在描述中,同时指定主题和保存位置:
```
task(
subagent_type="researcher",
description="研究 [主题]。将发现保存到 research/[slug].md"
)
```
示例:
```
task(
subagent_type="researcher",
description="研究 2025 年可再生能源趋势。将发现保存到 research/renewable-energy.md"
)
```
3. 研究完成后,在写作前阅读发现文件
## 输出结构(必需)
**每篇社交媒体帖子必须同时包含内容和图像:**
**LinkedIn 帖子:**
```
linkedin/
└── <slug>/
├── post.md # 帖子内容
└── image.png # 必需:生成的视觉图像
```
**Twitter/X 线程:**
```
tweets/
└── <slug>/
├── thread.md # 线程内容
└── image.png # 必需:生成的视觉图像
```
示例:一篇关于“提示工程”的 LinkedIn 帖子 → `linkedin/prompt-engineering/`
**你必须完成两个步骤:**
1. 将内容写入适当的路径
2. 使用 `generate_image` 生成图像并保存在帖子旁边
**没有图像的社交媒体帖子是不完整的。**
## 平台指南
### LinkedIn
**格式:**
- 1,300 字符限制(约 210 个字符后显示更多)
- 第一行至关重要 - 让它成为钩子
- 使用换行提高可读性
- 结尾使用 3-5 个标签
**语气:**
- 专业但个人化
- 分享见解和学习心得
- 提出问题以促进互动
- 使用“我”并分享经验
**结构:**
```
[钩子 - 一句引人入胜的话]
[空行]
[背景 - 为什么这很重要]
[空行]
[主要见解 - 2-3 个短段落]
[空行]
[行动号召或问题]
#hashtag1 #hashtag2 #hashtag3
```
### Twitter/X
**格式:**
- 每条推文 280 字符限制
- 较长内容使用线程(使用 1/🧵 格式)
- 每条推文不超过 2 个标签
**线程结构:**
```
1/🧵 [钩子 - 主要见解]
2/ [支持点 1]
3/ [支持点 2]
4/ [示例或证据]
5/ [结论 + 行动号召]
```
## 图像生成
每篇社交媒体帖子都需要一张引人注目的图像。使用 `generate_social_image` 工具:
```
generate_social_image(prompt="详细描述...", platform="linkedin", slug="your-post-slug")
```
该工具将图像保存到 `<platform>/<slug>/image.png`。
### 社交图像最佳实践
社交图像需要在拥挤的动态中以小尺寸工作:
- **大胆、简单的构图** - 一个清晰的焦点
- **高对比度** - 在滚动时脱颖而出
- **图像中无文字** - 太小无法阅读,平台会添加自己的文字
- **正方形或 4:5 比例** - 适用于所有平台
### 撰写有效的提示
包含以下元素:
1. **单一焦点**:一个清晰的主体,而不是繁忙的场景
2. **大胆风格**:鲜艳的色彩、强烈的形状、高对比度
3. **简单背景**:纯色、渐变或微妙的纹理
4. **情绪/能量**:匹配帖子语气(鼓舞人心、紧迫、深思熟虑)
### 示例提示
**对于见解/技巧帖子:**
```
单个发光的灯泡漂浮在深紫色渐变背景上,灯泡由相互连接的金色几何线条制成,柔和的光线向外辐射。极简、引人注目、高对比度。正方形构图。
```
**对于公告/新闻:**
```
由彩色几何形状组成的抽象火箭向上发射,留下粒子轨迹。明亮的珊瑚色和蓝绿色配色方案,背景为干净的白色。充满活力、喜庆的情绪。大胆的扁平插图风格。
```
**对于发人深省的内容:**
```
两个重叠的半透明圆圈,一个蓝色一个橙色,在中心形成发光的交集。代表协作或思想的交汇。深炭灰色背景,柔和空灵的光芒。极简主义且引人深思。
```
## 内容类型
### 公告帖子
- 以新闻开头
- 解释影响
- 包含链接或下一步
### 见解帖子
- 分享一个具体的学习心得
- 简要解释背景
- 使其可操作
### 问题帖子
- 提出一个真诚的问题
- 先提供你的看法
- 保持专注于一个主题
## 质量检查清单
完成前:
- [ ] 帖子已保存到 `linkedin/<slug>/post.md` 或 `tweets/<slug>/thread.md`
- [ ] 图像已生成在帖子旁边
- [ ] 第一行吸引注意力
- [ ] 内容符合平台限制
- [ ] 语气符合平台规范
- [ ] 有明确的行动号召或问题
- [ ] 标签相关(非通用)
researcher 子代理,在 blogs/、linkedin/ 或 tweets/ 下编写 markdown,并调用 generate_cover 或 generate_social_image 生成图像。当你稍后创建代理并指定技能文件夹时,这些技能文件夹中 SKILLS.md 文件的 frontmatter 会被加载到系统提示中,以便代理在任务匹配技能描述时可以使用该技能。构建脚本
在项目根目录创建content_writer.ts。以下部分按顺序属于一个文件。
1
添加工具
研究员使用 Tavily 搜索。博客和社交工作流使用 Google Generative AI SDK 进行图像生成。
import { tool } from "@langchain/core/tools";
import * as z from "zod";
import * as fs from "node:fs";
import * as path from "node:path";
const EXAMPLE_DIR = path.dirname(new URL(import.meta.url).pathname);
const webSearch = tool(
async ({ query, maxResults = 5, topic = "general" }) => {
const apiKey = process.env.TAVILY_API_KEY;
if (!apiKey) return { error: "TAVILY_API_KEY not set" };
try {
const { TavilyClient } = await import("tavily");
const client = new TavilyClient({ apiKey });
return client.search(query, { maxResults, topic });
} catch (e) {
return { error: `Search failed: ${e}` };
}
},
{
name: "web_search",
description: "Search the web for current information.",
schema: z.object({
query: z.string().describe("The search query (be specific and detailed)"),
maxResults: z
.number()
.optional()
.describe("Number of results to return (default: 5)"),
topic: z
.enum(["general", "news"])
.optional()
.describe('"general" for most queries, "news" for current events'),
}),
},
);
const generateCover = tool(
async ({ prompt, slug }) => {
try {
const { GoogleGenerativeAI } = await import("@google/generative-ai");
const genai = new GoogleGenerativeAI(process.env.GOOGLE_API_KEY ?? "");
const model = genai.getGenerativeModel({
model: "gemini-2.5-flash-image",
});
const result = await model.generateContent(prompt);
const part = result.response.candidates?.[0]?.content?.parts?.find(
(p) => p.inlineData,
);
if (!part?.inlineData) return "No image generated";
const outputPath = path.join(EXAMPLE_DIR, "blogs", slug, "hero.png");
fs.mkdirSync(path.dirname(outputPath), { recursive: true });
fs.writeFileSync(outputPath, Buffer.from(part.inlineData.data, "base64"));
return `Image saved to ${outputPath}`;
} catch (e) {
return `Error: ${e}`;
}
},
{
name: "generate_cover",
description: "Generate a cover image for a blog post.",
schema: z.object({
prompt: z
.string()
.describe("Detailed description of the image to generate."),
slug: z
.string()
.describe("Blog post slug. Image saves to blogs/<slug>/hero.png"),
}),
},
);
const generateSocialImage = tool(
async ({ prompt, platform, slug }) => {
try {
const { GoogleGenerativeAI } = await import("@google/generative-ai");
const genai = new GoogleGenerativeAI(process.env.GOOGLE_API_KEY ?? "");
const model = genai.getGenerativeModel({
model: "gemini-2.5-flash-image",
});
const result = await model.generateContent(prompt);
const part = result.response.candidates?.[0]?.content?.parts?.find(
(p) => p.inlineData,
);
if (!part?.inlineData) return "No image generated";
const outputPath = path.join(EXAMPLE_DIR, platform, slug, "image.png");
fs.mkdirSync(path.dirname(outputPath), { recursive: true });
fs.writeFileSync(outputPath, Buffer.from(part.inlineData.data, "base64"));
return `Image saved to ${outputPath}`;
} catch (e) {
return `Error: ${e}`;
}
},
{
name: "generate_social_image",
description: "Generate an image for a social media post.",
schema: z.object({
prompt: z
.string()
.describe("Detailed description of the image to generate."),
platform: z.string().describe('Either "linkedin" or "tweets"'),
slug: z
.string()
.describe("Post slug. Image saves to <platform>/<slug>/image.png"),
}),
},
);
2
创建代理
使用 createDeepAgent 创建深度代理时,传入记忆路径、技能目录、图像工具、内联子代理定义和一个以示例目录为根的 FilesystemBackend,以便
./AGENTS.md 和 ./skills/ 等路径能正确解析。import { createDeepAgent, FilesystemBackend } from "deepagents";
function createContentWriter() {
const researcherSubagent = {
name: "researcher",
description:
"具有网络搜索能力的研究子代理。将研究任务委派至此。",
systemPrompt:
"你是一个研究助理。使用 web_search 工具查找当前、准确的信息,并返回组织良好的研究结果。",
tools: [webSearch],
};
return createDeepAgent({
model: "google-genai:gemini-3.1-pro-preview",
memory: ["./AGENTS.md"],
skills: ["./skills/"],
tools: [generateCover, generateSocialImage],
subagents: [researcherSubagent],
backend: new FilesystemBackend({ rootDir: EXAMPLE_DIR }),
});
}
import { createDeepAgent, FilesystemBackend } from "deepagents";
function createContentWriter() {
const researcherSubagent = {
name: "researcher",
description:
"具有网络搜索能力的研究子代理。将研究任务委派至此。",
systemPrompt:
"你是一个研究助理。使用 web_search 工具查找当前、准确的信息,并返回组织良好的研究结果。",
tools: [webSearch],
};
return createDeepAgent({
model: "openai:gpt-5.4",
memory: ["./AGENTS.md"],
skills: ["./skills/"],
tools: [generateCover, generateSocialImage],
subagents: [researcherSubagent],
backend: new FilesystemBackend({ rootDir: EXAMPLE_DIR }),
});
}
import { createDeepAgent, FilesystemBackend } from "deepagents";
function createContentWriter() {
const researcherSubagent = {
name: "researcher",
description:
"具有网络搜索能力的研究子代理。将研究任务委派至此。",
systemPrompt:
"你是一个研究助理。使用 web_search 工具查找当前、准确的信息,并返回组织良好的研究结果。",
tools: [webSearch],
};
return createDeepAgent({
model: "anthropic:claude-sonnet-4-6",
memory: ["./AGENTS.md"],
skills: ["./skills/"],
tools: [generateCover, generateSocialImage],
subagents: [researcherSubagent],
backend: new FilesystemBackend({ rootDir: EXAMPLE_DIR }),
});
}
import { createDeepAgent, FilesystemBackend } from "deepagents";
function createContentWriter() {
const researcherSubagent = {
name: "researcher",
description:
"具有网络搜索能力的研究子代理。将研究任务委派至此。",
systemPrompt:
"你是一个研究助理。使用 web_search 工具查找当前、准确的信息,并返回组织良好的研究结果。",
tools: [webSearch],
};
return createDeepAgent({
model: "openrouter:anthropic/claude-sonnet-4-6",
memory: ["./AGENTS.md"],
skills: ["./skills/"],
tools: [generateCover, generateSocialImage],
subagents: [researcherSubagent],
backend: new FilesystemBackend({ rootDir: EXAMPLE_DIR }),
});
}
import { createDeepAgent, FilesystemBackend } from "deepagents";
function createContentWriter() {
const researcherSubagent = {
name: "researcher",
description:
"具有网络搜索能力的研究子代理。将研究任务委派至此。",
systemPrompt:
"你是一个研究助理。使用 web_search 工具查找当前、准确的信息,并返回组织良好的研究结果。",
tools: [webSearch],
};
return createDeepAgent({
model: "fireworks:accounts/fireworks/models/qwen3p5-397b-a17b",
memory: ["./AGENTS.md"],
skills: ["./skills/"],
tools: [generateCover, generateSocialImage],
subagents: [researcherSubagent],
backend: new FilesystemBackend({ rootDir: EXAMPLE_DIR }),
});
}
import { createDeepAgent, FilesystemBackend } from "deepagents";
function createContentWriter() {
const researcherSubagent = {
name: "researcher",
description:
"具有网络搜索能力的研究子代理。将研究任务委派至此。",
systemPrompt:
"你是一个研究助理。使用 web_search 工具查找当前、准确的信息,并返回组织良好的研究结果。",
tools: [webSearch],
};
return createDeepAgent({
model: "baseten:zai-org/GLM-5",
memory: ["./AGENTS.md"],
skills: ["./skills/"],
tools: [generateCover, generateSocialImage],
subagents: [researcherSubagent],
backend: new FilesystemBackend({ rootDir: EXAMPLE_DIR }),
});
}
import { createDeepAgent, FilesystemBackend } from "deepagents";
function createContentWriter() {
const researcherSubagent = {
name: "researcher",
description:
"具有网络搜索能力的研究子代理。将研究任务委派至此。",
systemPrompt:
"你是一个研究助理。使用 web_search 工具查找当前、准确的信息,并返回组织良好的研究结果。",
tools: [webSearch],
};
return createDeepAgent({
model: "ollama:devstral-2",
memory: ["./AGENTS.md"],
skills: ["./skills/"],
tools: [generateCover, generateSocialImage],
subagents: [researcherSubagent],
backend: new FilesystemBackend({ rootDir: EXAMPLE_DIR }),
});
}
3
添加入口点
const task =
process.argv.slice(2).join(" ") ||
"Write a blog post about how AI agents are transforming software development";
const agent = createContentWriter();
const result = await agent.invoke({
messages: [{ role: "user", content: task }],
config: { configurable: { threadId: "content-builder-demo" } },
});
const messages = result.messages ?? [];
for (const msg of messages) {
if (msg.content) console.log(msg.content);
}
运行代理
文件系统后端可以读取、写入和删除
root_dir 下的文件。仅在专用目录中运行,并在发布前审查生成的内容。npx tsx content_writer.ts
npx tsx content_writer.ts Write a blog post about prompt engineering
LANGSMITH_API_KEY 后,你可以在 LangSmith 中检查运行情况。
输出
成功后,代理会在项目根目录(示例目录)下写入工件,例如:blogs/
└── prompt-engineering/
├── post.md
└── hero.png
research/
└── prompt-engineering.md
SKILL.md 中的技能说明。
完整代码
在 GitHub 上浏览完整的 content-builder-agent 示例,包括基于 Rich 的流式 UI。后续步骤
- 编辑
AGENTS.md以更改品牌语音和研究要求 - 在
skills/<name>/SKILL.md下添加新内容类型的技能 - 在
subagents.yaml中添加子代理,并在load_subagents中注册工具 - 阅读子代理、技能和自定义以进行更深入的配置
将这些文档连接到 Claude、VSCode 等,通过 MCP 获取实时答案。

