构建内容生成器代理

概述

本指南演示如何使用 Deep Agents 从头开始构建一个内容写作代理。您构建的代理将：

从 AGENTS.md 和技能文件夹加载语音和工作流规则
使用 web_search 将网络研究委托给专门的子代理
根据加载的技能起草博客或社交媒体内容
使用 Gemini 生成封面或社交媒体图片，并将文件保存在项目目录下

本教程中的代码集成了图像生成工具和文件系统后端，以便代理可以在项目目录下读写帖子、研究笔记和图像。有关完整的可运行项目，请参阅 content-builder-agent 示例。

关键概念

本教程涵盖：

用于 TODO 的长期记忆
用于 TODO 的技能
用于 TODO 的子代理
用于文件读写的文件系统后端
用于搜索和图像生成的自定义工具

先决条件

API 密钥：

Anthropic (Claude)
Google (Gemini) 用于通过 gemini-2.5-flash-image 生成图像
Tavily 用于网络搜索（免费套餐）
LangSmith 用于跟踪（可选）

Node.js 18 或更高版本。

设置

创建项目目录

mkdir content-builder-agent
cd content-builder-agent

安装依赖项

npm install deepagents @langchain/core @langchain/anthropic @google/generative-ai tavily zod tsx

添加 tsx 以运行 content_writer.ts。--input-type=module 标志仅适用于 --eval、--print 或 stdin，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。

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。

添加 AGENTS.md

在项目根目录创建 AGENTS.md。稍后创建代理并指定此文件作为记忆参数的一部分时，它将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

您是一家科技公司的内容作家。您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**：像知识渊博的同事一样写作，而不是教科书
- **清晰直接**：避免行话，除非必要；简单解释技术概念
- **自信但不傲慢**：分享专业知识而不居高临下
- **引人入胜**：使用具体示例、类比和故事来说明观点

## 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. **以价值为先**：从对读者重要的内容开始，而不是背景
3. **每段一个观点**：保持段落集中且易于浏览
4. **具体而非抽象**：使用具体示例、数字和案例研究
5. **以行动结束**：每篇文章都应让读者知道下一步该做什么

## 内容支柱

我们的内容侧重于：
- AI 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）分解长内容
- 在相关处包含代码示例（带语法高亮）
- 为 3 个以上的项目添加项目符号列表
- 尽可能保持句子在 25 个单词以下
- 在末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. 找到具体的示例或案例研究来说明概念

要使此代理符合您自己的语气、支柱和格式规则，请更新 AGENTS.md 中的文本。

添加技能

创建一个 skills/ 目录。每个技能都是一个包含 SKILL.md 文件的文件夹，该文件具有 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帖子、优化内容以进行 SEO 以及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，并通过封面图像生成优化内容以进行 SEO。当用户要求撰写博客文章、文章、操作指南、教程、技术报告、思想领导力文章或长篇内容时使用。
---

# 博客文章写作技能

## 首先研究（必需）

**在撰写任何博客文章之前，您必须委托研究：**

1. 使用 `task` 工具，`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 AI 代理的现状。将发现保存到 research/ai-agents-2025.md"
)
```

3. 研究完成后，在撰写前阅读发现文件

## 输出结构（必需）

**每篇博客文章必须同时包含帖子和封面图像：**

```
blogs/
└── <slug>/
    ├── post.md        # 博客文章内容
    └── hero.png       # 必需：生成的封面图像
```

示例：关于“2025 年 AI 代理”的帖子 → `blogs/ai-agents-2025/`

**您必须完成两个步骤：**
1. 将帖子写入 `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. 引子（开头）
- 以引人注目的问题、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很重要
- 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、图表或屏幕截图
- 使用项目符号列表

### 4. 实际应用
- 展示如何应用概念
- 如果适用，提供分步说明
- 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束
- 链接到相关资源

## 封面图像生成

撰写帖子后，使用 `generate_cover` 工具生成封面图像：

```
generate_cover(prompt="图像的详细描述...", slug="您的博客-slug")
```

该工具将图像保存到 `blogs/<slug>/hero.png`。

### 撰写有效的图像提示

使用以下元素构建您的提示：

1. **主题**：主要焦点是什么？具体而明确。
2. **风格**：艺术方向（极简主义、等距、平面设计、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（温暖的泥土色调、冷蓝色和紫色、高对比度）
5. **照明/氛围**：柔和的漫射光、戏剧性的阴影、黄金时段、霓虹灯
6. **技术细节**：宽高比考虑、用于文本叠加的负空间

### 提示示例

**对于技术博客文章：**
```
等距 3D 插图，代表 AI 代理的相互连接的发光立方体，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) 的点缀。干净的极简风格，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：**
```
干净的平面插图，双手在键盘上打字，抽象的代码符号向上漂浮，转变为灯泡和齿轮。从柔和的珊瑚色到浅桃色的温暖渐变背景。友好、平易近人的风格。居中构图，有文本叠加的空间。
```

**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。分裂构图 - 左侧为有机水彩纹理，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方案。沉思、前瞻性的氛围。
```

## SEO 考虑因素

- 在标题和第一段中包含主要关键词
- 在整个内容中自然使用关键词 3-5 次
- 保持标题在 60 个字符以下
- 撰写元描述（150-160 个字符）

## 质量检查清单

完成前：
- [ ] 帖子已保存到 `blogs/<slug>/post.md`
- [ ] 封面图像已生成在 `blogs/<slug>/hero.png`
- [ ] 引子在前两句话中抓住注意力
- [ ] 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

接下来，创建 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伴随图像的信息：

---
name: social-media
description: 起草引人入胜的社交媒体帖子、撰写引子、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、社交媒体标题、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

## 首先研究（必需）

**在撰写任何社交媒体内容之前，您必须委托研究：**

1. 使用 `task` 工具，`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，在撰写前阅读发现文件

## 输出结构（必需）

**每个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：生成的视觉效果
```

**Twitter/X 线程：**
```
tweets/
└── <slug>/
    ├── thread.md      # 线程内容
    └── image.png      # 必需：生成的视觉效果
```

示例：关于“提示工程”的 LinkedIn 帖子 → `linkedin/prompt-engineering/`

**您必须完成两个步骤：**
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“查看更多”）
- 第一行至关重要 - 制造引子
- 使用换行符提高可读性
- 末尾使用 3-5 个标签

**语气：**
- 专业但个人化
- 分享见解和学习
- 提问以推动参与
- 使用“我”并分享经验

**结构：**
```
[引子 - 一行引人注目的内容]

[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/🧵 [引子 - 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

每个社交媒体帖子都需要一个引人注目的图像。使用 `generate_social_image` 工具：

```
generate_social_image(prompt="详细描述...", platform="linkedin", slug="您的帖子-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信息流中以小尺寸工作：
- **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
- **图像中无文本** - 太小无法阅读，平台会添加自己的文本
- **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**：一个清晰的主题，而不是繁忙的场景
2. **大胆的风格**：鲜艳的色彩、强烈的形状、高对比度
3. **简单的背景**：纯色、渐变或微妙的纹理
4. **情绪/能量**：匹配帖子的语气（鼓舞人心、紧迫、深思熟虑）

### 提示示例

**对于见解/技巧帖子：**
```
一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，柔和的光线向外散发。极简、醒目、高对比度。正方形构图。
```

**对于公告/新闻：**
```
由彩色几何形状制成的抽象火箭向上发射，带有粒子轨迹。明亮的珊瑚色和蓝绿色方案，背景干净。充满活力、庆祝的氛围。大胆的平面插图风格。
```

**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点。代表协作或思想的交汇。深炭色背景，柔和的空灵光芒。极简主义和沉思。
```

## 内容类型

### 公告帖子
- 以新闻为先导
- 解释影响
- 包含链接或后续步骤

### 见解帖子
- 分享一个具体的学习
- 简要解释背景
- 使其可操作

### 问题帖子
- 提出一个真正的问题
- 首先提供您的观点
- 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`
- [ ] 图像已与帖子一起生成
- [ ] 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）

它们指示代理首先调用 researcher 子代理，在 blogs/、linkedin/ 或 tweets/ 下编写 Markdown，并调用 generate_cover 或 generate_social_image 来生成图像。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 将被加载到系统提示中，以便代理在任务与技能描述匹配时可以使用该技能。

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。

添加工具

研究者使用 Tavily 搜索。博客和社交媒体工作流使用 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"),
    }),
  },
);

创建代理

使用 createDeepAgent 创建深度代理时，传递记忆路径、技能目录、图像工具、内联子代理定义和以示例目录为根的 FilesystemBackend，以便像 ./AGENTS.md 和 ./skills/ 这样的路径能够正确解析。

import { createDeepAgent, FilesystemBackend } from "deepagents";

function createContentWriter() {
  const researcherSubagent = {
    name: "researcher",
    description:
      "Research subagent with web search capability. Delegate research tasks here.",
    systemPrompt:
      "You are a research assistant. Use the web_search tool to find current, accurate information and return well-organized findings.",
    tools: [webSearch],
  };

  return createDeepAgent({
    memory: ["./AGENTS.md"],
    skills: ["./skills/"],
    tools: [generateCover, generateSocialImage],
    subagents: [researcherSubagent],
    backend: new FilesystemBackend({ rootDir: EXAMPLE_DIR }),
  });
}

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

文件系统后端可以在 root_dir 下读取、写入和删除文件。仅在专用目录中运行，并在发布前审查生成的内容。

从项目目录：

npx tsx content_writer.ts

传递提示作为额外参数：

npx tsx content_writer.ts 写一篇关于提示工程的博客文章

设置 LANGSMITH_API_KEY 后，您可以在 LangSmith 中检查运行。

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

路径遵循 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 下添加技能以支持新的内容类型
在 subagents.yaml 中添加子代理并在 load_subagents 中注册工具
阅读子代理、技能和自定义以获取更深入的配置

在 GitHub 上编辑此页面或提交问题。

通过 MCP 将这些文档连接到 Claude、VSCode 等以获取实时答案。

Tutorials

Conceptual overviews

LangChain Academy

Additional resources

概述

关键概念

先决条件

设置

添加配置文件

构建脚本

运行代理

输出

完整代码

后续步骤

Tutorials

Conceptual overviews

LangChain Academy

Additional resources

​概述

​关键概念

​先决条件

​设置

​添加配置文件

​构建脚本

​运行代理

​输出

​完整代码

​后续步骤

概述

关键概念

先决条件

设置

添加配置文件

构建脚本

运行代理

输出

完整代码

后续步骤