准备篇

AgentSeek 准备篇（上）：用生命周期工作流启动 DeepAgents 模板

在 GitHub 编辑此页

完成本章后，你会得到一个可运行的 DeepAgents 研究应用。AgentSeek 会负责检查环境、安装项目依赖并启动前后端。

本文命令于 2026-07-15 验证。AgentSeek 和模板会继续更新；如果任务名称与本文不同，以 agentseek task --list 的输出为准。

AgentSeek 管理什么

AgentSeek 是一个面向 AI 应用开发的模板与生命周期工具。你通过模板创建项目，再用一组固定命令管理不同项目：

阶段命令用途
创建agentseek create从模板生成可编辑的项目
查看agentseek info查看项目入口、环境要求和任务
准备agentseek task运行模板声明的依赖安装等一次性任务
检查agentseek doctor静态检查文件、uv、Node.js、npm 和环境变量
运行agentseek dev启动模板声明的本地开发进程

每个生成项目都包含 .agentseek/lifecycle.toml。这个文件声明当前模板需要哪些工具、环境变量、任务和本地服务。AgentSeek 读取它，不接管应用自己的框架代码。

1. 准备本地环境

本章使用 deepagents/research 模板。你需要：

依赖要求用途
Python3.12 或 3.13运行 AgentSeek 和 DeepAgents 后端
uv当前稳定版安装 CLI 和 Python 依赖
Node.js、npm当前 LTS 版本运行 React 前端

安装 uv：

curl -LsSf https://astral.sh/uv/install.sh | sh

Windows PowerShell：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

安装 AgentSeek：

uv tool install agentseek

如果你已经安装过当前包，可以升级：

uv tool upgrade agentseek

如果终端仍显示 agentseek-cli 0.0.x，先移除旧包，再安装当前包：

uv tool uninstall agentseek-cli
uv tool install agentseek

确认命令已经可用：

agentseek version
agentseek --help

你应该在帮助信息中看到 create、info、task、doctor 和 dev。

2. 选择并创建模板

查看当前 CLI 识别的模板：

agentseek create --list-templates

模板列表会随 AgentSeek 更新。本课程使用 deepagents/research，它包含 DeepAgents 研究 Agent、Tavily 搜索和 React 前端。

创建项目并使用模板默认值：

agentseek create deepagents/research --no-input

进入生成目录：

cd research_deepagent

如果你想自定义项目名称、模型和端口，去掉 --no-input，再按提示填写模板变量。

3. 查看生命周期配置

先查看项目摘要：

agentseek info

再查看模板提供的一次性任务：

agentseek task --list

当前 deepagents/research 模板会列出两个准备任务：

sync      Install Python dependencies with uv.
frontend  Install frontend dependencies.

任务名称属于模板配置。以后如果输出发生变化，请运行输出中对应的依赖安装任务。

项目中的关键文件如下：

research_deepagent/
├── .agentseek/lifecycle.toml
├── .env.example
├── frontend/
│   ├── .env.example
│   ├── package.json
│   └── src/
├── langgraph.json
├── pyproject.toml
└── src/research_deepagent/
    ├── agent.py
    ├── prompts.py
    └── tools.py

4. 安装项目依赖

运行模板声明的后端依赖任务：

agentseek task sync

安装前端依赖：

agentseek task frontend

这两个任务当前分别执行 uv sync 和 npm install --prefix frontend。你可以在 .agentseek/lifecycle.toml 中查看实际命令。

5. 配置模型和搜索服务

复制后端和前端环境文件：

cp .env.example .env
cp frontend/.env.example frontend/.env

打开 .env 并填写模型与搜索服务的 Key。本课程默认使用课程赞助方 SiliconFlow 提供的 OpenAI 兼容接口，并选择 GLM 作为演示模型：

AGENTSEEK_MODEL_PROVIDER=openai
AGENTSEEK_MODEL=zai-org/GLM-5.2
OPENAI_API_BASE=https://api.siliconflow.cn/v1
OPENAI_API_KEY=<your-siliconflow-api-key>

TAVILY_API_KEY=<your-tavily-api-key>

LANGSMITH_TRACING=false
LANGSMITH_API_KEY=

SiliconFlow 提供 OpenAI 兼容接口，因此这里的供应商仍然写 openai，凭证仍然放在 OPENAI_API_KEY；不要改用模板没有声明的 SILICONFLOW_API_KEY、GLM_API_KEY 等变量。<your-siliconflow-api-key> 和 <your-tavily-api-key> 是占位符，请替换为自己的值，不要把真实 Key 提交到 Git。

本章在 2026 年 7 月 15 日使用 zai-org/GLM-5.2 完成了真实运行。模型会上线、下线或改名；如果这个名称不可用，请在 SiliconFlow 模型广场 复制当前可用的完整 GLM 模型 ID。

如果你已有 OpenAI Key，也可以改用 OpenAI：

AGENTSEEK_MODEL_PROVIDER=openai
AGENTSEEK_MODEL=gpt-4.1-mini
OPENAI_API_BASE=
OPENAI_API_KEY=<your-openai-api-key>

使用 Anthropic 时，修改模型供应商、模型名称和 Key：

AGENTSEEK_MODEL_PROVIDER=anthropic
AGENTSEEK_MODEL=claude-sonnet-4-6
ANTHROPIC_API_KEY=<your-anthropic-api-key>

使用 Gemini 时：

AGENTSEEK_MODEL_PROVIDER=google_genai
AGENTSEEK_MODEL=gemini-2.5-pro
GOOGLE_API_KEY=<your-google-api-key>

其他 OpenAI 兼容服务同样使用 AGENTSEEK_MODEL_PROVIDER=openai，通过 OPENAI_API_BASE、OPENAI_API_KEY 和完整模型 ID 配置地址、凭证与模型。

开发者说明：OpenAI 兼容接口适合快速接入，但不代表所有扩展字段和工具行为完全一致。本章已经验证 SiliconFlow + GLM 的基础流式输出和 Tool Call；如果你准备修改 reasoning 模型、解析 reasoning_content 或自定义工具协议，请在下一章先用 langchain-dev-guide 检查兼容性边界。

TAVILY_API_KEY 用于研究 Agent 的网络搜索。你可以在 Tavily 创建 Key。

6. 检查启动条件

运行就绪检查：

agentseek doctor

AgentSeek 会检查 uv、Node.js、npm、必需文件、依赖目录和环境变量。如果检查失败，请先修复每一项，再继续启动。

预览开发进程，不启动服务：

agentseek dev --dry-run

你应该看到两个进程：

7. 可选：为下一章开启 LangSmith Trace

下一章会用 langsmith-trace 分析这次研究过程。如果你准备继续该实操，请先在 .env 中开启 Trace：

LANGSMITH_TRACING=true
LANGSMITH_API_KEY=<your-langsmith-api-key>
LANGSMITH_PROJECT=deepagents-course

<your-langsmith-api-key> 是占位符。请在 LangSmith 创建自己的 Key，并只把真实值写入不会提交到 Git 的 .env。

LangChain 和 LangGraph 会自动记录 Trace，不需要修改应用代码。LANGSMITH_PROJECT 用于把本章的运行集中到 deepagents-course 项目；如果省略，Trace 通常会进入 default 项目。

不要把真实 Key 直接写进 Shell 命令，也不要使用 --api-key。命令内容可能进入 Shell 历史、进程列表或编码助手日志。

Trace 可能包含提示词、工具参数和模型输出。本章只使用公开研究问题。如果你的输入包含敏感数据，请先阅读 LangSmith 的数据脱敏设置，不要照搬本章配置。

如果你暂时不使用 LangSmith，请保持：

LANGSMITH_TRACING=false
LANGSMITH_API_KEY=

8. 启动并验证前后端连通

启动前后端：

agentseek dev

保持这个终端运行。在另一个终端中进入同一项目目录，检查两个服务：

agentseek doctor --live

打开 http://127.0.0.1:5174，输入：

Research what LangGraph 1.0 added vs 0.x. Cite sources.

运行正常时，你会看到：

深度研究会进行多轮模型调用、搜索和网页读取，不同模型可能需要几分钟。运行期间请保持 agentseek dev 和前端页面打开；页面生成 thread URL 后，可以用它重新打开同一会话。

如果你在上一节开启了 LangSmith，可以在运行期间打开 LangSmith，进入 deepagents-course 项目。最新 Trace 会在研究完成前出现；等待最终报告生成后，再检查完整耗时。

你应该能找到：

本文使用 SiliconFlow GLM 的实测运行完成了 4/4 个任务，用时约 473.5 秒。该数字只说明 5–10 分钟的流程已经走通；你的模型、网络、搜索结果和 Run 数量可能不同。

下一章不会要求你理解所有 middleware 节点。你只需要保留这条 Trace，并学会区分根流程、子 Agent、实际模型调用和工具调用。

回到运行 agentseek dev 的终端，按 Ctrl+C 停止前后端。

网络问题排查

agentseek create 需要访问 GitHub。先检查仓库连接：

如果终端出现 Could not resolve host、Connection timed out 或 Failed to connect，通常应先排查网络，而不是直接判断 AgentSeek CLI 异常。

git ls-remote https://github.com/ob-labs/agentseek.git

如果连接失败，请先修复当前终端的网络或代理配置。当前 AgentSeek 仍会把远程模板仓库缓存到 ~/.cookiecutters/agentseek；不要为了绕过连接问题直接删除或覆盖这个目录，否则可能丢失可用缓存，或长期使用一个没有更新的旧模板。

为当前终端设置代理

如果团队网络要求使用代理，建议新开一个专用终端，再设置标准代理环境变量。这样不会打乱你正在使用的开发终端；如果新终端已经有团队下发的代理变量，请沿用原配置，不要直接覆盖。macOS 或 Linux：

export HTTP_PROXY=http://127.0.0.1:7890
export HTTPS_PROXY=http://127.0.0.1:7890
export NO_PROXY=127.0.0.1,localhost

Windows PowerShell：

$env:HTTP_PROXY="http://127.0.0.1:7890"
$env:HTTPS_PROXY="http://127.0.0.1:7890"
$env:NO_PROXY="127.0.0.1,localhost"

127.0.0.1:7890 只是示例，请替换为你实际使用的代理地址。NO_PROXY 可以避免把本机的 LangGraph 后端（端口 2024）和前端（端口 5174）也发给代理。

这些变量通常会被同一终端启动的 Git、uv、npm、Python HTTP 客户端和 agentseek dev 子进程继承。设置后重新运行 git ls-remote；后续的 agentseek create、安装任务和 agentseek dev 也应从同一个终端启动。

如果这是专门为本章新开的终端，完成后直接关闭即可。只有确认这些变量原本为空、并且是你按本章示例设置的，才在 macOS 或 Linux 中运行：

unset HTTP_PROXY HTTPS_PROXY NO_PROXY

Windows PowerShell 运行：

Remove-Item Env:HTTP_PROXY -ErrorAction SilentlyContinue
Remove-Item Env:HTTPS_PROXY -ErrorAction SilentlyContinue
Remove-Item Env:NO_PROXY -ErrorAction SilentlyContinue

为 Git 单独设置代理

如果浏览器和模型接口可以访问，只有 git ls-remote 失败，可以先查看 Git 是否已经配置代理：

git config --global --get http.proxy

如果命令没有输出，再按实际地址设置。Git 的 http.proxy 同时适用于 HTTP 和 HTTPS remote：

git config --global http.proxy http://127.0.0.1:7890
git config --global --get http.proxy

--global 会影响当前用户的所有仓库。只有确认这个值是你按上面的示例新增、之前没有其他配置时，才在不再需要时清除，避免以后切换网络后 Git 继续连接旧代理：

git config --global --unset http.proxy

区分代理、包镜像和 API Base

只使用团队批准或你信任的代理和包镜像。公共 GitHub 加速地址的可用性与安全性会变化，不要把它们硬编码进项目模板。

如果 Python 依赖下载较慢，可以临时为单次同步指定团队批准的 PyPI 镜像。下面的阿里云地址在 2026 年 7 月 15 日验证可用：

UV_INDEX_URL=https://mirrors.aliyun.com/pypi/simple agentseek task sync

这只改变 sync 任务的 Python 包来源，不会解决 GitHub、SiliconFlow 或 Tavily 的连接问题。npm registry 同理；镜像服务会变化，请在使用前重新验证来源和可用性。

使用已经下载的模板仓库

如果你在另一台能访问 GitHub 的机器上下载了 ZIP 或克隆了 AgentSeek 仓库，可以把完整目录复制到当前机器，再直接指定模板的绝对路径：

agentseek create /absolute/path/to/agentseek/templates/deepagents/research --no-input

这条路径不会修改共享的 Cookiecutter 缓存，也不需要固定分支或 commit。当前 CLI 仍能读取 ~/.cookiecutters/agentseek，但直接使用本地模板路径更容易看清版本，也不会覆盖其他项目正在使用的缓存。

本次复核中，公共加速服务 ghproxy.net 的 git ls-remote 仍能返回当前 HEAD，但完整浅克隆超过一分钟后断开。因此本章不把公共加速服务作为推荐命令；如果团队有审核过的 GitHub 镜像，可以用它下载完整仓库，再使用上面的本地路径创建项目。

本章完成结果

你现在拥有：

下一章将为编码助手安装 langchain-dev-guide 和 langsmith-trace，帮助你继续修改和调试这个项目。

参考来源：AgentSeek 快速开始、CLI 参考、deepagents/research 模板、SiliconFlow OpenAI 兼容配置、LangSmith Tracing Quickstart。

相关资源

AgentSeek CLI 创建模板应用 B 站视频讲解