DeerFlow 2.0 开源介绍：基于 LangGraph 的智能体编排框架

概述

DeerFlow 是一个基于 LangGraph 和 LangChain 重构的开源超级智能体编排框架。它为主代理配备了工具与技能、沙盒环境、子代理团队以及长期记忆，旨在接管需要耗费数分钟甚至数小时的复杂任务。

核心能力

• 子代理（Sub-Agents）机制：主代理动态生成多个子代理并行工作，各自携带独立上下文和工具探索不同方向，最后汇总交付物。
• 独立办公室（Sandbox）：为每次任务分配完全隔离的 Docker 容器沙盒。AI 可在其中读写文件、执行 Bash 命令、运行 Python 代码及查看图片，任务结束即刻销毁。
• 长期记忆（Long-Term Memory）：在多次会话中记住用户偏好、写作风格和常用技术栈。
• 技能树（Skills & Tools）：内置网页搜索（集成 InfoQuest）、网页抓取、文件操作等核心工具。支持通过 Markdown 文件定义标准化工作流技能，接入 MCP 服务器和 Claude Code。

应用场景

• 全自动投研分析师：自动搜集财报、爬取新闻、分析竞品，在沙盒内用 Python 绘制数据图表，生成带有详尽引用的 Markdown 研报。
• 研发助理：接入 IM 工具后，可协助重构代码、编写测试用例，后台拉起 Docker 跑通测试并返回结果。
• 内容与生产力流水线：根据长文自动生成 PPT，或根据需求搭建包含前后端的完整网页。

部署指南

1. 拉取源码：

   git clone https://github.com/bytedance/deer-flow.git
   cd deer-flow
   

2. 生成配置：

   make config
   

3. 配置模型：打开 config.yaml 填入模型信息。DeerFlow 是模型不可知的，建议配置支持长上下文和推理能力的模型（如 DeepSeek, GPT-4, Claude 3.5 Sonnet）。并在 .env 文件中填入对应的 API Key。
4. 启动服务：推荐使用 Docker 模式。

   make docker-init
   make docker-start
   

   访问 http://localhost:2026 即可使用。

常用命令

部署与服务命令：

• make dev：本地开发环境启动（需预装 Node/Python 环境）。
• make up / make down：生产环境的 Docker 容器构建与销毁。
• make check：一键检查本地依赖环境是否达标。

IM/聊天界面交互指令：

• /new：开启一轮全新会话。
• /status：查看当前线程和代理的运行状态。
• /memory：查看 AI 的记忆内容。
• /models：切换当前任务使用的底层大模型。