> ## Documentation Index
> Fetch the complete documentation index at: https://cndoc-langchain.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 构建内容构建代理

> 构建一个具有品牌记忆、技能、子代理和图像生成功能的内容写作代理

## 概述

本指南演示如何使用 [Deep Agents](/oss/python/deepagents) 从零开始构建一个内容写作代理。

你构建的代理将：

1. 从 `AGENTS.md` 和技能文件夹加载语音和工作流规则
2. 将网络研究任务委托给一个具有 `web_search` 功能的专用子代理
3. 按照加载的技能起草博客或社交内容
4. 使用 Gemini 生成封面或社交图片，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文章、研究笔记和图片。有关完整的可运行项目，请参阅 [content-builder-agent](https://github.com/langchain-ai/deepagents/tree/main/examples/content-builder-agent) 示例。

### 关键概念

本教程涵盖：

* 用于 TODO 的[长期记忆](/oss/python/deepagents/long-term-memory)
* 用于 TODO 的[技能](/oss/python/deepagents/skills)
* 用于 TODO 的[子代理](/oss/python/deepagents/subagents)
* 用于文件读写的[文件系统后端](/oss/python/deepagents/backends)
* 用于搜索和图像生成的自定义[工具](/oss/python/langchain/tools)

## 先决条件

API 密钥：

* Anthropic (Claude) 或其他提供商的 API 密钥
* 用于通过 `gemini-2.5-flash-image` 进行图像生成的 Google (Gemini) 密钥
* 用于网络搜索的 [Tavily](https://www.tavily.com/)（免费套餐）
* 用于跟踪的 [LangSmith](https://smith.langchain.com/)（可选）

Python 3.11 或更高版本。

## 设置

<Steps>
  <Step title="创建项目目录">
    ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    mkdir content-builder-agent
    cd content-builder-agent
    ```
  </Step>

  <Step title="安装依赖">
    <CodeGroup>
      ```bash pip wrap theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
      pip install deepagents google-genai pillow pyyaml rich tavily-python langchain
      ```

      ```bash uv wrap theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
      uv init
      uv add deepagents google-genai pillow pyyaml rich tavily-python langchain
      uv sync
      ```
    </CodeGroup>

    在你自己的项目中，将 `deepagents` 固定到一个支持的范围（例如 `>=0.3.5,<0.4.0`），以匹配上游示例。
  </Step>

  <Step title="设置 API 密钥">
    ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    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
    ```
  </Step>
</Steps>

## 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。

<Steps>
  <Step title="添加 AGENTS.md">
    在项目根目录创建 `AGENTS.md`。
    当你稍后创建代理并指定此文件作为[记忆](/oss/python/deepagents/long-term-memory)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。

    ```markdown expandable wrap theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    # 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，避免使用术语；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，而不是背景介绍
    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
    ```

    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` 中的文本。
  </Step>

  <Step title="添加 subagents.yaml">
    创建一个名为 `subagents.yaml` 的文件。
    然后添加以下文本，该文本描述了一个具有 Tavily 支持的 `web_search` 工具、Haiku 模型 ID 的 `researcher` 子代理，以及在从主代理委派时将发现保存到你指定路径的说明：

    ```yaml expandable wrap theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    # 子代理定义
    # 这些由 content_writer.py 加载并与工具连接

    researcher:
      description: >
        在撰写任何内容之前，请始终首先使用此代理研究任何主题。
        搜索网络以获取当前信息、统计数据和来源。
        委派时，告诉它主题和保存结果的文件路径
        （例如，'Research renewable energy and save to research/renewable-energy.md'）。
      model: anthropic:claude-haiku-4-5-20251001
      system_prompt: |
        你是一个研究助理。你可以访问 web_search 和 write_file 工具。

        ## 你的工具
        - web_search(query, max_results=5, topic="general") - 搜索网络
        - write_file(file_path, content) - 保存你的发现

        ## 你的流程
        1. 使用 web_search 查找有关该主题的信息
        2. 使用特定查询进行 2-3 次有针对性的搜索
        3. 收集关键统计数据、引文和示例
        4. 将发现保存到任务中指定的文件路径

        ## 重要提示
        - 用户会告诉你将文件保存到哪里 - 使用该确切路径
        - 始终在你的发现中包含来源 URL
        - 保持发现简洁但信息丰富
      tools:
        - web_search
    ```

    该文件稍后在创建深度代理时作为参数传递。
  </Step>

  <Step title="添加技能">
    创建一个 `skills/` 目录。每个技能是一个包含 `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文章、为 SEO 优化内容以及生成封面图片的信息。

    ````md expandable wrap theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    ---
    name: blog-post
    description: 撰写和构建长篇博客文章，创建教程大纲，并为 SEO 优化内容以及生成封面图片。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

    ## 首先研究（必需）

    **在撰写任何博客文章之前，你必须委派研究：**

    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="Research [TOPIC]. Save findings to research/[slug].md"
    )
    ```

    示例：
    ```
    task(
        subagent_type="researcher",
        description="Research the current state of AI agents in 2025. Save findings to 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片：**

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

    示例：一篇关于“2025 年的 AI 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` 生成封面图片并保存到 `blogs/<slug>/hero.png`

    **没有封面图片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、图表或屏幕截图
    - 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

    ## 封面图片生成

    撰写文章后，使用 `generate_cover` 工具生成封面图片：

    ```
    generate_cover(prompt="A detailed description of the image...", slug="your-blog-slug")
    ```

    该工具将图片保存到 `blogs/<slug>/hero.png`。

    ### 撰写有效的图片提示

    使用以下元素构建你的提示：

    1. **主题**：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. **灯光/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 AI 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）和柔和的紫色（#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`
    - [ ] 主图已生成在 `blogs/<slug>/hero.png`
    - [ ] 钩子在前 2 句话中抓住了注意力
    - [ ] 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配套图片的信息：

    ````md expandable wrap theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    ---
    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，并生成配套图片。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

    ## 首先研究（必需）

    **在撰写任何社交媒体内容之前，你必须委派研究：**

    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="Research [TOPIC]. Save findings to research/[slug].md"
    )
    ```

    示例：
    ```
    task(
        subagent_type="researcher",
        description="Research renewable energy trends in 2025. Save findings to 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）

    **每个社交媒体帖子必须同时包含内容和图片：**

    **LinkedIn 帖子：**
    ```
    linkedin/
    └── <slug>/
        ├── post.md        # 帖子内容
        └── image.png      # 必需：生成的视觉图
    ```

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

    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` 生成图片并保存在帖子旁边

    **没有图片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
    - 使用换行符提高可读性
    - 结尾使用 3-5 个标签

    **语气：**
    - 专业但个人化
    - 分享见解和经验
    - 提出问题以促进互动
    - 使用“我”并分享经历

    **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
    - 更长的内容使用线程（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]
    ```

    ## 图片生成

    每个社交媒体帖子都需要一张引人注目的图片。使用 `generate_social_image` 工具：

    ```
    generate_social_image(prompt="A detailed description...", platform="linkedin", slug="your-post-slug")
    ```

    该工具将图片保存到 `<platform>/<slug>/image.png`。

    ### 社交图片最佳实践

    社交图片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
    - **图片中无文字** - 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**：一个清晰的主题，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**：匹配帖子的语气（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：**
    ```
    由彩色几何形状制成的抽象火箭向上发射，留下一串粒子轨迹。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，在中心形成一个发光的交集。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
    - 简要解释背景
    - 使其可操作

    ### 问题帖子
    - 提出一个真诚的问题
    - 首先提供你的看法
    - 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`
    - [ ] 图片已与帖子一起生成
    - [ ] 第一行抓住了注意力
    - [ ] 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` 生成图片。

    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，以便代理在任务与技能描述匹配时可以使用该技能。
  </Step>
</Steps>

## 构建脚本

在项目根目录创建 `content_writer.py`。以下部分按顺序属于一个文件。

<Steps>
  <Step title="添加工具">
    研究子代理使用 Tavily 搜索。
    博客和社交工作流使用 Gemini 图像生成。
    稍后创建代理时，`load_subagents` 函数读取 `subagents.yaml` 并将工具名称解析为这些装饰函数。

    ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    import os
    from pathlib import Path
    from typing import Literal

    import yaml
    from langchain.tools import tool

    EXAMPLE_DIR = Path(__file__).parent


    @tool
    def web_search(
        query: str,
        max_results: int = 5,
        topic: Literal["general", "news"] = "general",
    ) -> dict:
        """搜索网络获取当前信息。

        参数:
            query: 搜索查询（需具体详细）
            max_results: 返回结果数量（默认：5）
            topic: "general" 用于大多数查询，"news" 用于时事新闻

        返回:
            包含标题、URL 和内容摘要的搜索结果。
        """
        try:
            from tavily import TavilyClient

            api_key = os.environ.get("TAVILY_API_KEY")
            if not api_key:
                return {"error": "TAVILY_API_KEY 未设置"}

            client = TavilyClient(api_key=api_key)
            return client.search(query, max_results=max_results, topic=topic)
        except Exception as e:
            return {"error": f"搜索失败: {e}"}


    @tool
    def generate_cover(prompt: str, slug: str) -> str:
        """为博客文章生成封面图片。

        参数:
            prompt: 要生成的图片的详细描述。
            slug: 博客文章的 slug。图片保存至 blogs/<slug>/hero.png
        """
        try:
            from google import genai

            client = genai.Client()
            response = client.models.generate_content(
                model="gemini-2.5-flash-image",
                contents=[prompt],
            )

            for part in response.parts:
                if part.inline_data is not None:
                    image = part.as_image()
                    output_path = EXAMPLE_DIR / "blogs" / slug / "hero.png"
                    output_path.parent.mkdir(parents=True, exist_ok=True)
                    image.save(str(output_path))
                    return f"图片已保存至 {output_path}"

            return "未生成图片"
        except Exception as e:
            return f"错误: {e}"


    @tool
    def generate_social_image(prompt: str, platform: str, slug: str) -> str:
        """为社交媒体帖子生成图片。

        参数:
            prompt: 要生成的图片的详细描述。
            platform: "linkedin" 或 "tweets"
            slug: 帖子的 slug。图片保存至 <platform>/<slug>/image.png
        """
        try:
            from google import genai

            client = genai.Client()
            response = client.models.generate_content(
                model="gemini-2.5-flash-image",
                contents=[prompt],
            )

            for part in response.parts:
                if part.inline_data is not None:
                    image = part.as_image()
                    output_path = EXAMPLE_DIR / platform / slug / "image.png"
                    output_path.parent.mkdir(parents=True, exist_ok=True)
                    image.save(str(output_path))
                    return f"图片已保存至 {output_path}"

            return "未生成图片"
        except Exception as e:
            return f"错误: {e}"


    def load_subagents(config_path: Path) -> list:
        """从 YAML 加载子代理定义并配置工具。

        与 `memory` 和 `skills` 不同，深度代理默认不会从文件加载子代理。
        此辅助函数将配置外部化，以便您可以在不修改 Python 代码的情况下编辑 YAML。
        """
        available_tools = {
            "web_search": web_search,
        }

        with open(config_path) as f:
            config = yaml.safe_load(f)

        subagents = []
        for name, spec in config.items():
            subagent = {
                "name": name,
                "description": spec["description"],
                "system_prompt": spec["system_prompt"],
            }
            if "model" in spec:
                subagent["model"] = spec["model"]
            if "tools" in spec:
                subagent["tools"] = [available_tools[t] for t in spec["tools"]]
            subagents.append(subagent)

        return subagents
    ```
  </Step>

  <Step title="创建代理">
    使用 [create\_deep\_agent](https://reference.langchain.com/python/deepagents/graph/create_deep_agent) 创建深度代理时，传递记忆路径、技能目录、图像工具、来自 YAML 的子代理，以及一个以示例目录为根的 [FilesystemBackend](/oss/python/deepagents/backends)，以便像 `./AGENTS.md` 和 `./skills/` 这样的路径能正确解析。

    <CodeGroup>
      ```python Google theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
      from deepagents import create_deep_agent
      from deepagents.backends import FilesystemBackend


      def create_content_writer():
          """创建一个由文件系统文件配置的内容写作代理。"""
          return create_deep_agent(
              model="google_genai:gemini-3.1-pro-preview",
              memory=["./AGENTS.md"],
              skills=["./skills/"],
              tools=[generate_cover, generate_social_image],
              subagents=load_subagents(EXAMPLE_DIR / "subagents.yaml"),
              backend=FilesystemBackend(root_dir=EXAMPLE_DIR),
          )
      ```

      ```python OpenAI theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
      from deepagents import create_deep_agent
      from deepagents.backends import FilesystemBackend


      def create_content_writer():
          """创建一个由文件系统文件配置的内容写作代理。"""
          return create_deep_agent(
              model="openai:gpt-5.4",
              memory=["./AGENTS.md"],
              skills=["./skills/"],
              tools=[generate_cover, generate_social_image],
              subagents=load_subagents(EXAMPLE_DIR / "subagents.yaml"),
              backend=FilesystemBackend(root_dir=EXAMPLE_DIR),
          )
      ```

      ```python Anthropic theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
      from deepagents import create_deep_agent
      from deepagents.backends import FilesystemBackend


      def create_content_writer():
          """创建一个由文件系统文件配置的内容写作代理。"""
          return create_deep_agent(
              model="anthropic:claude-sonnet-4-6",
              memory=["./AGENTS.md"],
              skills=["./skills/"],
              tools=[generate_cover, generate_social_image],
              subagents=load_subagents(EXAMPLE_DIR / "subagents.yaml"),
              backend=FilesystemBackend(root_dir=EXAMPLE_DIR),
          )
      ```

      ```python OpenRouter theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
      from deepagents import create_deep_agent
      from deepagents.backends import FilesystemBackend


      def create_content_writer():
          """创建一个由文件系统文件配置的内容写作代理。"""
          return create_deep_agent(
              model="openrouter:anthropic/claude-sonnet-4-6",
              memory=["./AGENTS.md"],
              skills=["./skills/"],
              tools=[generate_cover, generate_social_image],
              subagents=load_subagents(EXAMPLE_DIR / "subagents.yaml"),
              backend=FilesystemBackend(root_dir=EXAMPLE_DIR),
          )
      ```

      ```python Fireworks theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
      from deepagents import create_deep_agent
      from deepagents.backends import FilesystemBackend


      def create_content_writer():
          """创建一个由文件系统文件配置的内容写作代理。"""
          return create_deep_agent(
              model="fireworks:accounts/fireworks/models/qwen3p5-397b-a17b",
              memory=["./AGENTS.md"],
              skills=["./skills/"],
              tools=[generate_cover, generate_social_image],
              subagents=load_subagents(EXAMPLE_DIR / "subagents.yaml"),
              backend=FilesystemBackend(root_dir=EXAMPLE_DIR),
          )
      ```

      ```python Baseten theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
      from deepagents import create_deep_agent
      from deepagents.backends import FilesystemBackend


      def create_content_writer():
          """创建一个由文件系统文件配置的内容写作代理。"""
          return create_deep_agent(
              model="baseten:zai-org/GLM-5",
              memory=["./AGENTS.md"],
              skills=["./skills/"],
              tools=[generate_cover, generate_social_image],
              subagents=load_subagents(EXAMPLE_DIR / "subagents.yaml"),
              backend=FilesystemBackend(root_dir=EXAMPLE_DIR),
          )
      ```

      ```python Ollama theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
      from deepagents import create_deep_agent
      from deepagents.backends import FilesystemBackend


      def create_content_writer():
          """创建一个由文件系统文件配置的内容写作代理。"""
          return create_deep_agent(
              model="ollama:devstral-2",
              memory=["./AGENTS.md"],
              skills=["./skills/"],
              tools=[generate_cover, generate_social_image],
              subagents=load_subagents(EXAMPLE_DIR / "subagents.yaml"),
              backend=FilesystemBackend(root_dir=EXAMPLE_DIR),
          )
      ```
    </CodeGroup>
  </Step>

  <Step title="添加入口点">
    使用用户消息调用代理以验证代理是否正常工作：

    ```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
    import sys

    from langchain.messages import HumanMessage

    if __name__ == "__main__":
        task = (
            " ".join(sys.argv[1:])
            if len(sys.argv) > 1
            else "Write a blog post about how AI agents are transforming software development"
        )

        agent = create_content_writer()
        result = agent.invoke(
            {"messages": [HumanMessage(content=task)]},
            config={"configurable": {"thread_id": "content-builder-demo"}},
        )

        for msg in result.get("messages", []):
            if hasattr(msg, "content") and msg.content:
                print(msg.content)
    ```
  </Step>
</Steps>

## 运行代理

<Warning>
  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。
</Warning>

从项目目录，你可以不传递参数或通过传递提示作为参数来调用代理：

<CodeGroup>
  ```bash Default wrap theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
  python content_writer.py
  ```

  ```bash With prompt wrap theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
  python content_writer.py Write a blog post about prompt engineering
  ```
</CodeGroup>

设置了 `LANGSMITH_API_KEY` 后，你可以在 [LangSmith](/langsmith/home) 中检查运行情况。

## 输出

成功后，生成的工件将写入系统临时目录（在 macOS 和 Linux 上，通常在 `/tmp/` 下），而不是在你的项目文件旁边。

```text theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
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](https://github.com/langchain-ai/deepagents/tree/main/examples/content-builder-agent)，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](/oss/python/deepagents/subagents)、[技能](/oss/python/deepagents/skills)和[自定义](/oss/python/deepagents/customization)以进行更深入的配置

***

<div className="source-links">
  <Callout icon="terminal-2">
    [将这些文档](/use-these-docs)通过 MCP 连接到 Claude、VSCode 等，以获取实时答案。
  </Callout>

  <Callout icon="edit">
    [在 GitHub 上编辑此页面](https://github.com/langchain-ai/docs/edit/main/src/oss/deepagents/content-builder.mdx) 或 [提交问题](https://github.com/langchain-ai/docs/issues/new/choose)。
  </Callout>
</div>