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
- 拉取源码:
git clone https://github.com/bytedance/deer-flow.git cd deer-flow - 生成配置:
make config - 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。 - 启动服务:推荐使用 Docker 模式。
访问make docker-init make docker-starthttp://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。

