本期共 2 条 AI 资讯，涵盖行业资讯 1 条、项目推荐 1 条。推荐关注：微软双向转售GPT与DeepSeek成全球最大AI中间商；开源教程《Deep Agents 实战》发布。
微软做起了跨中美模型的双向经销商，这事比表面看起来意义大——它可能绕过限制，把最先进的模型分发到原本接触不到的市场，全球 AI 供应链要改写了。
还得是微软会闷声发大财啊，它现在已经成为全球最大的 AI 中间商，oh no ，是最大的中转站，
不仅把ChatGPT卖给中国企业，也把DeepSeek 反向卖给西方客户😁
以上来自彭博社的最新报道，绝对权威可信，看完让我意外的不仅仅是微软把 GPT 卖给中国那部分，后面那一句：微软同时在测试 DeepSeek-R1 和 DeepSeek-V4，准备把这些中国模型卖给西方客户。
好家伙，左手接 GPT 卖到中国，右手接 DeepSeek 卖到西方，这他么不是一家 AI 公司在卖模型，简直就是一个跨中美 AI 模型的双向贸易网络正在成形呀
海里的这份 Deep Agents 教程把 LangChain 生态下的 Agent 开发梳理成了清晰的三层架构，虚拟文件系统、子 Agent、Skills 这些实战点讲得透，正在做协作型 Agent 的开发者终于有个成体系的免费入门路径了。
开源技术教程「Deep Agents 实战」，LangChain 官方认证大使 @zhanghaili0610 出品，他也是「LangChain 实战」「LangGraph 实战」的作者
https://github.com/datawhalechina/deepagents-in-action
教程的核心是：基于 LangChain / LangGraph 生态，面向开发者讲解如何"用好" Deep Agents 这个 Harness 框架来构建真实应用。
核心思想：Agent 开发的"三层架构"
1. Runtime（运行时）：LangGraph，持久化执行、断点恢复、流式输出、人机协作
2. Framework（框架）：LangChain，模型抽象、工具接口、Agent 循环、中间件
3. Harness（套件）：Deep Agents ←本课主角，预置文件系统、任务规划、子 Agent、长期记忆
技术内核：上下文工程
Deep Agents 做法：引入虚拟文件系统，让 Agent 像人类一样工作：
· 需要时才 read_file 按需读取
· 中间结果 write_file 落盘
· 大文件用 offset/limit 局部读取
· 上下文里只保留当前步骤真正需要的信息
· 这个文件系统还是可插拔的--内存、本地磁盘、数据库、远程沙箱、甚至混合路由，都可作为后端。
章节结构（8 章 + 2 准备篇）
· 准备篇 ── AgentSeek 环境搭建、开发技能安装
· 认知篇 ── ch01 三层架构 / ch02 5分钟快速上手
· 核心篇 ── ch03 虚拟文件系统 / ch04 任务规划 / ch05 子Agent / ch06 异步子Agent
· 进阶篇 ── ch07 Skills / ch08 长期记忆
· 规划中 ── Human-in-the-Loop、沙箱执行、流式前端、数据分析Agent、生产部署
四个核心能力的演进脉络值得注意：
· 虚拟文件系统（ch03）-- 六大工具：read_file / write_file / edit_file / ls / glob / grep
· 任务规划（ch04）-- write_todos 让 Agent 拆解并追踪复杂任务
· 子 Agent 委派（ch05-06）-- task 工具派发子任务，ch06 引入异步并行
· Skills 复用（ch07）-- 遵循开放的 Agent Skills 规范，编写的 Skill 可在 Claude Code、Cursor、Codex 等 30+ 工具中通用（"Skills 之于 AI Agent，就像 npm 包之于 Node.js"）
### 引用推文
> Harry Zhang：A gift to the Chinese developer community for anyone building agents on @LangChain: After 2 books on the ecosystem, I open-sourced the third - Deep Agents in Ac...