使用 CLI 部署

Deep Agents Deploy 将您的智能体配置部署为 LangSmith 部署：一个可水平扩展的服务器，包含 30 多个端点，包括 MCP、A2A、Agent Protocol、人机协作和记忆 API。基于开放标准构建：

开源运行时：MIT 许可证，提供 Python 和 TypeScript 版本
AGENTS.md：智能体指令的开放标准
Agent Skills：智能体知识和操作的开放标准
任意模型，任意沙箱：无供应商锁定
开放协议：MCP、A2A、Agent Protocol
可自托管：LangSmith 部署可以自托管，因此记忆数据保留在您的基础设施中

Deep Agents Deploy 目前处于测试阶段，需要 deepagents-cli>=0.0.36。API、配置格式和行为可能在版本之间发生变化。有关详细的变更日志，请参阅发布页面。

与 Claude 托管智能体的比较

	Deep Agents Deploy	Claude 托管智能体
模型支持	OpenAI、Anthropic、Google、Bedrock、Azure、Fireworks、Baseten、OpenRouter、更多	仅限 Anthropic
运行时	开源 (MIT)	专有、闭源
沙箱	LangSmith、Daytona、Modal、Runloop 或自定义	内置
MCP 支持	✅	✅
技能支持	✅	✅
AGENTS.md 支持	✅	❌
智能体端点	MCP、A2A、Agent Protocol	专有
自托管	✅	❌

您正在部署的内容

deepagents deploy 将您的智能体配置打包并部署为 LangSmith 部署。您可以通过几个参数配置您的智能体：

参数	描述
`model`	要使用的 LLM。任何提供商均可——参见支持的模型。
`AGENTS.md`	系统提示，在每个会话开始时加载。
`skills`	用于专业知识和操作的 Agent Skills。技能会同步到沙箱中，以便智能体在运行时执行它们。参见技能文档。
`user/`	每个用户可写的记忆。如果 `user` 文件夹中存在 `AGENTS.md` 模板，智能体会为每个用户初始化该模板（如果文件夹为空，智能体会创建一个空的 `AGENTS.md`）。运行时可写。通过记忆中间件预加载到智能体的上下文中。
`mcp.json`	MCP 工具 (HTTP/SSE)。参见 MCP 文档。
`subagents/`	主智能体可以委派任务的专用子智能体。每个子目录包含自己的 `deepagents.toml`、`AGENTS.md`，以及可选的 `skills` 文件夹。参见子智能体。
`sandbox`	可选的执行环境。线程作用域的沙箱按线程配置，如果服务器重启将重新创建。如果您需要跨线程持久化的沙箱状态，请使用 `scope = "assistant"`。参见沙箱提供商。
`frontend`	可选的预构建 React 聊天 UI，与智能体一起部署在同一个部署中。可配置为每个用户认证或匿名模式，具有实时待办事项、文件和子智能体活动面板。参见 `[frontend]`。

安装

安装 CLI 或直接使用 uvx 运行：

uv tool install deepagents-cli

uvx deepagents-cli deploy

用法

deepagents init [name] [--force]                                             # 搭建新项目
deepagents dev  [--config deepagents.toml] [--port 2024] [--allow-blocking]  # 打包并在本地运行
deepagents deploy [--config deepagents.toml] [--dry-run]                     # 打包并部署

默认情况下，deepagents deploy 在当前目录中查找 deepagents.toml。传递 --config 以使用不同的路径：

deepagents deploy --config path/to/deepagents.toml

deepagents deploy 每次调用都会完全重新构建并创建一个新的修订版。使用 deepagents dev 进行本地迭代。

`deepagents init`

搭建一个新的智能体项目：

deepagents init my-agent

这将创建以下文件：

文件	用途
`deepagents.toml`	智能体配置——名称、模型、可选沙箱
`AGENTS.md`	会话开始时加载的系统提示
`.env`	API 密钥模板（`GOOGLE_API_KEY`、`LANGSMITH_API_KEY` 等）
`mcp.json`	MCP 服务器配置（默认为空）
`skills/`	Agent Skills 目录，包含一个示例 `review` 技能

初始化后，编辑 AGENTS.md 添加您的智能体指令，然后运行 deepagents deploy。可选地添加一个 user/ 目录，其中包含每个用户的记忆模板——参见用户记忆。

项目布局

deploy 命令使用基于约定的项目布局。将以下文件与您的 deepagents.toml 放在一起，它们将被自动发现：

my-agent/
├── deepagents.toml
├── AGENTS.md
├── .env
├── mcp.json
├── skills/
│   ├── code-review/
│   │   └── SKILL.md
│   └── data-analysis/
│       └── SKILL.md
├── subagents/
│   └── researcher/
│       ├── deepagents.toml
│       └── AGENTS.md
└── user/
    └── AGENTS.md

文件/目录	用途	是否必需
`AGENTS.md`	智能体的记忆。提供持久化上下文（项目约定、指令、偏好），在启动时始终加载。运行时只读。	是
`skills/`	技能定义目录。每个子目录应包含一个 `SKILL.md` 文件。运行时只读。	否
`user/`	每个用户可写的记忆。如果 `user` 文件夹中存在 `AGENTS.md` 模板，智能体会为每个用户初始化该模板（如果文件夹为空，智能体会创建一个空的 `AGENTS.md`）。运行时可写。通过记忆中间件预加载到智能体的上下文中。	否
`subagents/`	主智能体可以委派任务的子智能体。每个子目录必须包含 `deepagents.toml`、`AGENTS.md`，以及可选的 `skills` 文件夹。在打包时自动发现。	否
`mcp.json`	MCP 服务器配置。在部署环境中仅支持 `http` 和 `sse` 传输。	否
`.env`	环境变量（API 密钥、密钥）。放置在项目根目录的 `deepagents.toml` 旁边。	否

mcp.json 必须仅包含使用 http 或 sse 传输的服务器。使用 stdio 传输的服务器在部署环境中不受支持，因为没有本地进程可以生成。在部署前将 stdio 服务器转换为 HTTP 或 SSE。

配置文件

deepagents.toml 配置智能体的身份和沙箱环境。只有 [agent] 部分是必需的。[sandbox] 部分是可选的，默认为无沙箱。

`[agent]`

（必需）核心智能体身份。有关模型选择和提供商配置的更多信息，请参阅支持的模型。

string

required

部署的智能体的名称。用作 LangSmith 中的助手标识符。

string

provider:model 格式的模型标识符。参见支持的模型。

deepagents.toml

[agent]
name = "research-assistant"
model = "google_genai:gemini-3.1-pro-preview"

name 字段是整个配置文件中唯一必需的值。其他所有内容都有默认值。

技能、用户记忆、子智能体、MCP 服务器和模型依赖项从项目布局中自动检测：

技能：打包器递归扫描 skills/，跳过隐藏的点文件，并打包其余内容。
用户记忆：如果 user/ 存在，单个 AGENTS.md 将作为每个用户的记忆被打包（如果存在 user/AGENTS.md，则使用其内容，否则为空）。在运行时，每个用户获得自己的副本（在首次访问时初始化，永远不会被覆盖）。智能体可以读取和写入此文件。
子智能体：如果 subagents/ 存在，打包器会扫描有效的子目录（每个必须包含 deepagents.toml 和 AGENTS.md）。主智能体接收一个 task 工具，可以按名称将工作委派给每个子智能体。参见子智能体。
MCP 服务器：如果 mcp.json 存在，它将包含在部署中，并且 langchain-mcp-adapters 将作为依赖项添加。仅支持 HTTP/SSE 传输（stdio 在打包时会被拒绝）。
模型依赖项：model 字段中的 provider: 前缀决定了所需的 langchain-* 包（例如，google_genai -> langchain-google-genai）。这包括在子智能体配置中指定的模型。
沙箱依赖项：[sandbox].provider 值映射到其伴侣包（例如，daytona -> langchain-daytona）。

`[sandbox]`

配置智能体运行代码的隔离执行环境。沙箱提供一个具有文件系统和 shell 访问权限的容器，因此不受信任的代码不会影响主机。有关支持的提供商和高级沙箱配置，请参阅沙箱。当省略或设置为 provider = "none" 时，沙箱被禁用。如果您需要代码执行或技能脚本执行，则使用沙箱。

string

default:"none"

沙箱提供商。决定容器在哪里运行。支持的值："none"、"daytona"、"modal"、"runloop"、"langsmith"（私有测试版）。有关提供商详情，请参阅沙箱集成。

string

default:"deepagents-deploy"

沙箱环境的提供商特定模板名称。

string

default:"python:3"

沙箱容器的基础 Docker 镜像。

string

default:"thread"

沙箱生命周期作用域。"thread" 为每个对话创建一个沙箱。"assistant" 在同一助手的所有对话之间共享单个沙箱。

作用域行为：

"thread"（默认）：每个对话获得自己的沙箱。不同的线程获得不同的沙箱，但相同的线程在不同轮次中重用其沙箱。当每个对话应从干净环境开始时使用此选项。
"assistant"：所有对话共享一个沙箱。文件、安装的包和其他状态在对话之间持久化。当智能体维护一个长期工作空间（如克隆的仓库）时使用此选项。

`[auth]`

添加 [auth] 部分以控制部署的智能体上的身份验证。存在时，打包器会生成一个 auth.py 文件并自动连接到部署中。当 [frontend].enabled = true 时，[auth] 是必需的；否则它是可选的（没有它，LangSmith 部署的默认 x-api-key 要求适用）。

string

required

身份验证提供商。支持的值："supabase"、"clerk"、"anonymous"。

deepagents.toml

[agent]
name = "my-agent"
model = "google-genai:gemini-3.1-pro-preview"

[auth]
provider = "supabase"   # supabase | clerk | anonymous

所需的环境变量取决于提供商：

提供商	所需环境变量
`supabase`	`SUPABASE_URL`、`SUPABASE_PUBLISHABLE_DEFAULT_KEY`
`clerk`	`CLERK_SECRET_KEY`
`anonymous`	无

将这些添加到您的 .env 文件中，与其他凭据放在一起。打包器在部署时验证所有必需的变量是否存在，如果缺少任何变量，将快速失败并给出清晰的错误信息。 运行时行为：

未认证的请求返回 401。
成功后，已认证用户的身份将注入到 config.configurable.langgraph_auth_user_id 中。
所有资源（线程、运行、存储）通过 metadata.owner 自动按用户作用域划分。
LangSmith Studio 在本地开发时绕过身份验证。

`[frontend]`

前端部署需要 deepagents-cli>=0.0.43。

可选地启用 [frontend]，以便在同一个部署中与您的智能体一起部署预构建的 React 聊天 UI。前端挂载在部署 URL 的 /app 路径上；您的 LangGraph API 保持在根路径（/threads、/runs、/assistants）。每个前端使用三种身份验证提供商之一——Clerk、Supabase 或匿名（参见下面的 [auth]）。

boolean

default:"false"

如果为 true，则将默认聊天 UI 打包到部署中。

string

default:"[agent].name"

在 UI 标题和浏览器标签页中显示的名称。

string

default:"Your deep agent, deployed."

在标题中应用名称下方和空状态主图上显示的副标题。用于描述智能体的功能。

string[]

当没有消息时在空状态上显示的建议芯片。默认为通用的研究主题集；覆盖以根据您的智能体定制芯片。

deepagents.toml

[agent]
name = "my-agent"
model = "anthropic:claude-sonnet-4-6"

[auth]
provider = "supabase"   # 或 "clerk"

[frontend]
enabled = true
app_name = "My Agent"
subtitle = "Your AI research assistant"
prompts = [
  "Summarize this paper",
  "Find related work",
  "Draft an outline",
]

身份验证提供商： 当 [frontend].enabled = true 时，[auth] 是必需的。选择以下三种提供商之一：

Clerk ([auth] provider = "clerk") —— 每个用户的真实身份验证。每个用户登录；线程和记忆按用户作用域划分。
Supabase ([auth] provider = "supabase") —— 每个用户的真实身份验证。与 Clerk 相同的按用户作用域划分。
匿名 ([auth] provider = "anonymous") —— 打包器提供一个宽松的身份验证处理程序，覆盖 LangSmith 部署的默认 x-api-key 要求，以便前端可以访问 /threads，这意味着任何拥有部署 URL 的人都可以调用 API。前端为每个浏览器分配一个 UUID cookie，并根据它过滤线程选择器（仅 UX 作用域，非安全）。CLI 在推送前需要交互式 y/N 确认。

您将获得：

与智能体的流式聊天
线程选择器，具有从第一条用户消息自动生成的标题
实时待办事项、文件和子智能体活动面板，反映您的深度智能体的实时图状态
浅色/深色主题切换，首次加载时遵循操作系统偏好设置，之后保持
（仅 Clerk / Supabase）登录/注册/登出流程——Clerk 提供其完整小部件（社交登录、密码重置）；Supabase 提供电子邮件/密码以及内置的密码重置流程

环境变量： 前端重用 [auth] 已经要求的大部分内容。只有 Clerk 需要一个额外的浏览器端密钥。

提供商	附加变量
`supabase`	无——重用 `[auth]` 中的 `SUPABASE_URL` 和 `SUPABASE_PUBLISHABLE_DEFAULT_KEY`
`clerk`	`CLERK_PUBLISHABLE_KEY`（浏览器端可发布密钥；与 `CLERK_SECRET_KEY` 不同）

部署后设置： 部署后，将您的部署 URL 添加到身份验证提供商的仪表板中，以便身份验证重定向返回到应用程序。每个部署 URL 只需执行一次此步骤。

Clerk： 仪表板 → 您的应用程序 → 域 → 添加您的部署主机（例如 clerk-abc.us.langgraph.app）。Clerk 开发实例自动将 localhost 加入白名单；生产部署 URL 需要显式加入白名单。
Supabase： 仪表板 → 身份验证 → URL 配置 → 将 https://<your-deployment>/app/** 添加到 重定向 URL。没有此设置，密码重置和电子邮件确认链接将无法路由回您的应用程序。

`.env`

在 deepagents.toml 旁边放置一个 .env 文件，其中包含您的 API 密钥：

# 必需——模型提供商密钥
ANTHROPIC_API_KEY=sk-...
OPENAI_API_KEY=sk-...
# ...等等。

# 部署和 LangSmith 沙箱所需
LANGSMITH_API_KEY=lsv2_...

# 可选——沙箱提供商密钥
DAYTONA_API_KEY=...
MODAL_TOKEN_ID=...
MODAL_TOKEN_SECRET=...
RUNLOOP_API_KEY=...

# 如果 [auth] provider = "supabase" 则必需
SUPABASE_URL=https://your-project.supabase.co
SUPABASE_PUBLISHABLE_DEFAULT_KEY=eyJhbGc...

# 如果 [auth] provider = "clerk" 则必需
CLERK_SECRET_KEY=sk_test_...

# 如果 [frontend].enabled = true 且 [auth] provider = "clerk" 则必需
CLERK_PUBLISHABLE_KEY=pk_test_...

身份验证

运行时身份验证状态取决于 [auth]：

[auth] provider = "supabase" 或 "clerk" —— 每个用户的真实身份验证。在 Authorization 头中传递用户的身份验证提供商令牌。
[auth] provider = "anonymous" —— 打包器提供一个宽松的身份验证处理程序。API 对任何拥有部署 URL 的人开放。无需头信息。（当部署 [frontend] 而没有真实的按用户身份验证时必需。）
没有 [auth] 部分 —— 部署回退到 LangSmith 部署的默认 x-api-key 要求。在 x-api-key 头中传递您的 LangSmith API 密钥。仅在 [frontend].enabled 为 false 或未设置时有效。

当 [auth] 配置为 supabase 或 clerk 时，在 Authorization 头中传递来自身份验证提供商的令牌：

curl
Python (langgraph-sdk)

curl -X POST https://your-deployment-url/threads \
  -H "Authorization: Bearer YOUR_ACCESS_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"metadata": {}}'

from langgraph_sdk import get_client

client = get_client(
    url="https://your-deployment-url",
    headers={"Authorization": "Bearer YOUR_ACCESS_TOKEN"},
)

thread = await client.threads.create()

提供商	获取令牌的位置
Supabase	从 `supabase.auth.getSession()` 获取的 Supabase 会话 `access_token`
Clerk	从 `getToken()` 获取的 Clerk 会话令牌

每个用户的线程和记忆自动隔离——用户 B 无法看到用户 A 的线程。

沙箱提供商

在 deepagents.toml 中设置 [sandbox].provider，并将所需的环境变量添加到 .env。有关可用提供商，请参阅沙箱集成。有关生命周期模式和 SDK 用法，请参阅沙箱。

部署端点

部署的服务器公开：

MCP：从其他智能体调用您的智能体作为工具
A2A：通过 A2A 协议进行多智能体编排
Agent Protocol：用于构建 UI 的标准 API
人机协作：敏感操作的审批门
记忆：短期和长期记忆访问

示例

一个具有每个用户偏好的内容写作智能体，智能体可以更新这些偏好：

deepagents.toml

[agent]
name = "deepagents-deploy-content-writer"
model = "google_genai:gemini-3.1-pro-preview"

my-content-writer/
├── deepagents.toml
├── AGENTS.md
├── skills/
│   ├── blog-post/SKILL.md
│   └── social-media/SKILL.md
└── user/
    └── AGENTS.md          # 可写——智能体学习用户偏好

一个具有 LangSmith 沙箱用于运行代码的编码智能体：

deepagents.toml

[agent]
name = "deepagents-deploy-coding-agent"
model = "google_genai:gemini-3.1-pro-preview"

[sandbox]
provider = "langsmith"
template = "coding-agent"
image = "python:3.12"

一个将研究委派给子智能体的 GTM 策略智能体：

my-gtm-agent/
├── deepagents.toml
├── AGENTS.md
├── skills/
│   └── competitor-analysis/
│       └── SKILL.md
└── subagents/
    └── market-researcher/
        ├── deepagents.toml
        ├── AGENTS.md
        └── skills/
            └── analyze-market/
                └── SKILL.md

一个轻量级的内部演示智能体，具有捆绑的 UI 和匿名模式（无需注册，无需基础设施）：

deepagents.toml

[agent]
name = "internal-demo"
model = "anthropic:claude-sonnet-4-6"

[auth]
provider = "anonymous"   # API 对任何拥有 URL 的人开放——部署时确认

[frontend]
enabled = true

用户记忆

用户记忆为每个用户提供自己的可写 AGENTS.md，该文件在对话之间持久化。要启用它，请在项目根目录创建一个 user/ 目录：

user/
└── AGENTS.md          # 可选——如果未提供则初始化为空

如果 user/ 目录存在（即使为空），每个用户将在 /memories/user/AGENTS.md 获得自己的 AGENTS.md。如果您提供 user/AGENTS.md，其内容将用作初始模板；否则将初始化一个空文件。在运行时，用户记忆通过自定义身份验证（runtime.server_info.user.identity）按用户作用域划分。当用户首次与智能体交互时，其命名空间将使用模板进行初始化。后续交互重用现有文件——智能体的编辑会持久化，重新部署永远不会覆盖用户数据。

工作原理

打包时 —— 打包器读取 user/AGENTS.md（或使用空字符串）并将其包含在种子负载中。
运行时（首次访问） —— 当智能体首次看到 user_id 时，它会将 AGENTS.md 模板写入该用户命名空间下的存储中。现有条目永远不会被覆盖。
预加载 —— 用户 AGENTS.md 被传递给记忆中间件，因此智能体在每次对话开始时在上下文中看到其内容。
可写 —— 智能体可以使用 edit_file 工具更新它。共享的 AGENTS.md 文件和技能文件夹是只读的。

权限

路径	可写	作用域
`/memories/AGENTS.md`	否	共享（助手作用域）
`/memories/skills/**`	否	共享（助手作用域）
`/memories/user/**`	是	每个用户（`user_id` 作用域）
`/memories/subagents/<name>/**`	仅限子智能体	每个子智能体（隔离）

用户身份

user_id 通过 runtime.user.identity 从自定义身份验证中解析。平台自动注入已认证用户的身份——无需通过 configurable 传递。如果没有已认证用户，该调用将优雅地跳过用户记忆功能。

子智能体

子智能体允许主智能体将专门任务委派给隔离的子智能体。每个子智能体有自己的系统提示、可选技能和可选 MCP 工具。主智能体接收一个 task 工具，可以按名称将工作分派给子智能体。有关子智能体为何有用以及它们在 SDK 级别如何工作的背景信息，请参阅子智能体。

目录结构

在项目根目录创建一个 subagents/ 目录。每个子目录都是一个子智能体：

my-agent/
├── deepagents.toml
├── AGENTS.md
└── subagents/
    ├── researcher/
    │   ├── deepagents.toml       # 名称、描述、可选模型覆盖
    │   ├── AGENTS.md             # 子智能体系统提示
    │   ├── skills/               # 可选——子智能体特定技能
    │   │   └── analyze-market/
    │   │       └── SKILL.md
    │   └── mcp.json              # 可选——HTTP/SSE MCP 工具
    └── writer/
        ├── deepagents.toml
        └── AGENTS.md

每个子智能体子目录必须包含：

文件	用途
`deepagents.toml`	子智能体配置，包含 `[agent].name` 和 `[agent].description`
`AGENTS.md`	子智能体的系统提示

每个子智能体子目录可以包含：

文件	用途
`skills/`	子智能体特定技能（包含 `SKILL.md` 文件）
`mcp.json`	MCP 服务器配置（仅限 HTTP/SSE；stdio 会被拒绝）

子智能体配置

string

required

子智能体的唯一标识符。必须在所有子智能体中唯一。

string

required

此子智能体的功能。主智能体使用此信息来决定何时委派。必须非空。

string

provider:model 格式的模型覆盖。省略以继承主智能体的模型。

subagents/researcher/deepagents.toml

[agent]
name = "researcher"
description = "Researches market trends, competitors, and target audiences"
model = "google_genai:gemini-3.1-pro-preview"

继承

子智能体默认从主智能体继承一些属性：

属性	继承	备注
模型	是	在子智能体的 `deepagents.toml` 中使用 `model` 覆盖
工具	是	通过在子智能体目录中添加 `mcp.json` 覆盖
技能	否	在子智能体自己的 `skills/` 目录中显式声明

记忆隔离

每个子智能体在 /memories/subagents/<name>/ 获得一个专用的、隔离的记忆命名空间。子智能体的 AGENTS.md 和技能在部署时初始化到此命名空间中。

路径	主智能体	子智能体
`/memories/AGENTS.md`	读	无访问权限
`/memories/skills/**`	读	无访问权限
`/memories/user/**`	读 + 写	无访问权限
`/memories/subagents/<name>/**`	读	读 + 写

示例

一个将研究委派给专门子智能体的上市策略智能体：

deepagents.toml

[agent]
name = "gtm-strategist"
model = "google_genai:gemini-3.1-pro-preview"

subagents/researcher/deepagents.toml

[agent]
name = "researcher"
description = "Researches market trends, competitors, and target audiences to inform GTM strategy"
model = "google_genai:gemini-3.1-pro-preview"

subagents/researcher/AGENTS.md

# Market Researcher

You are a market research specialist. Your job is to gather and synthesize
market data to support go-to-market decisions.

## Focus Areas
- Market sizing: TAM, SAM, SOM estimates
- Competitor analysis: product positioning, pricing, market share
- Audience segmentation: demographics, psychographics, buying behavior

限制

MCP：仅限 HTTP/SSE。 stdio 传输在打包时会被拒绝。
无自定义 Python 工具。 使用 MCP 服务器公开自定义工具逻辑。

将这些文档通过 MCP 连接到 Claude、VSCode 等，以获取实时答案。

在 GitHub 上编辑此页面或提交问题。

Get started

Deployment

Core capabilities

Frontend

Protocols

Command line interface

与 Claude 托管智能体的比较

您正在部署的内容

安装

用法

`deepagents init`

项目布局

配置文件

`[agent]`

`[sandbox]`

`[auth]`

`[frontend]`

`.env`

身份验证

沙箱提供商

部署端点

示例

用户记忆

工作原理

权限

用户身份

子智能体

目录结构

子智能体配置

继承

记忆隔离

示例

限制

​与 Claude 托管智能体的比较

​您正在部署的内容

​安装

​用法

​deepagents init

​项目布局

​配置文件

​[agent]

​[sandbox]

​[auth]

​[frontend]

​.env

​身份验证

​沙箱提供商

​部署端点

​示例

​用户记忆

​工作原理

​权限

​用户身份

​子智能体

​目录结构

​子智能体配置

​继承

​记忆隔离

​示例

​限制

与 Claude 托管智能体的比较

您正在部署的内容

安装

用法

`deepagents init`

项目布局

配置文件

`[agent]`

`[sandbox]`

`[auth]`

`[frontend]`

`.env`

身份验证

沙箱提供商

部署端点

示例

用户记忆

工作原理

权限

用户身份

子智能体

目录结构

子智能体配置

继承

记忆隔离

示例

限制