deer-flow （长程超级智能体框架）
85,255
Stars
0
Forks
0
Watchers
0
Open Issues
未知
许可证
Python
语言
创建时间
最近更新
项目能做什么
开源的长流程超级智能体框架，具备沙箱、记忆与工具调用能力，支持研究、编码与创作。
来源：AI 基于仓库事实生成
· 内容以仓库实际 README 为准
使用说明 查看原始 README 原仓库文档
## 项目简介
DeerFlow（Deep Exploration and Efficient Research Flow）2.0 是由字节跳动开源的超能 Agent 架构框架（Super Agent Harness）。它通过编排子 Agent（sub-agents）、长期记忆（memory）和沙箱环境（sandboxes），配合可扩展的技能体系（skills），用于处理从数分钟到数小时不同复杂度的调研、编码和内容创作等长周期任务。
> 注意：DeerFlow 2.0 是完全重写的版本，与 1.x 分支不共用代码。
## 核心功能
- **技能与工具（Skills & Tools）**：支持自定义技能导出、集成 Claude Code 与第三方工具。
- **子 Agent 协同（Sub-Agents）**：支持将复杂任务拆解并分发给不同专业子 Agent 执行。
- **沙箱与文件系统（Sandbox & File System）**：提供隔离的安全执行环境与文件操作支持。
- **私有知识检索（RAGFlow）**：支持接入私有知识库进行 RAG 检索。
- **Agent 浏览器控制（Agentic Browser Control）**：支持智能搜索与浏览器自动化控制（已集成火山引擎/BytePlus 的 InfoQuest 搜索抓取工具集）。
- **上下文工程与管理**：提供手动上下文压缩（Manual Context Compaction）、会话目标设定（Session Goals）与聊天归档（Chat Archive）。
- **多平台与监控生态**：支持 MCP Server、多种 IM 渠道集成，以及 LangSmith、Langfuse、Monocle 等链路追踪工具。
## 适合谁用
- 需要自动化完成深度调研、技术长文写作或长流程数据检索的开发者与研究员。
- 需要构建复杂 Agent 工作流、自主代码编写及沙箱验证的 AI 应用开发者。
- 探索多 Agent 协同（Multi-Agent System）与 RAG 私有知识落地的技术团队。
## 安装步骤
> 环境依赖：Python 3.12+、Node.js 22+（根据 README 徽标信息）。
*注：因原文提供的目录片段在快速启动处截断，具体部署脚本请参考下述概括流程或原仓库。*
### 方式一：Docker 部署（推荐）
README 提供了 Docker 快速运行及生产部署路径（Option 1: Docker (Recommended)）。具体命令请查看原仓库文档。
### 方式二：本地开发部署（Local Development）
README 支持本地启动全栈应用（Option 2: Local Development），并支持配合 LangGraph Studio 进行可视化调试。具体安装依赖与启动命令请查看原仓库。
## 配置说明
- **模型推荐**：官方强烈建议使用 Doubao-Seed-2.0-Code、DeepSeek v3.2 和 Kimi 2.5 运行 DeerFlow。
- **网络与检索配置**：InfoQuest 读取器、网页搜索和图片搜索默认使用 30 秒 HTTP 连接/读取超时（非活动超时），爬虫端的 `timeout` 与 `navigation_timeout` 属于服务端独立配置。
- **详细环境变量与多模型供应商配置**：此部分原文未完整展示，请查看原仓库 `Configuration` 及 `Using Multiple Providers` 章节。
## 常见问题
此部分原文未说明，请查看原仓库。
原始 README 摘录（英文原文，节选前 3000 字符）
# 🦌 DeerFlow - 2.0 English | [中文](./README_zh.md) | [日本語](./README_ja.md) | [Français](./README_fr.md) | [Русский](./README_ru.md) | [Português](./README_pt.md) | [한국어](./README_ko.md) [](./backend/pyproject.toml) [](./Makefile) [](./LICENSE) <a href="https://trendshift.io/repositories/14699" target="_blank"><img src="https://trendshift.io/api/badge/repositories/14699" alt="bytedance%2Fdeer-flow | Trendshift" style="width: 250px; height: 55px;" width="250" height="55"/></a> > On February 28th, 2026, DeerFlow claimed the 🏆 #1 spot on GitHub Trending following the launch of version 2. Thanks a million to our incredible community — you made this happen! 💪🔥 DeerFlow (**D**eep **E**xploration and **E**fficient **R**esearch **Flow**) is an open-source **super agent harness** that orchestrates **sub-agents**, **memory**, and **sandboxes** to do almost anything — powered by **extensible skills**. https://github.com/user-attachments/assets/a8bcadc4-e040-4cf2-8fda-dd768b999c18 > [!NOTE] > **DeerFlow 2.0 is a ground-up rewrite.** It shares no code with v1. If you're looking for the original Deep Research framework, it's maintained on the [`1.x` branch](https://github.com/bytedance/deer-flow/tree/main-1.x) — contributions there are still welcome. Active development has moved to 2.0. ## Official Website Learn more and see **real demos** on our [**official website**](https://deerflow.tech). The landing-page case studies open as allowlisted, read-only showcases without requiring a sign-in. ## Sister Projects <img width="446" height="280" alt="image" align="middle" src="https://github.com/user-attachments/assets/077edef4-d560-41af-bb0d-d0a5f14fcc20" /> - [**LLM Space**](https://github.com/deer-flow/llm-space) - Meet our secret weapon behind DeerFlow — one desktop tool to prototype agent ideas, inspect each harness step, replay failures, and benchmark performance. ## Coding Plan from ByteDance Volcengine - We strongly recommend using Doubao-Seed-2.0-Code, DeepSeek v3.2 and Kimi 2.5 to run DeerFlow - [Learn more](https://www.byteplus.com/en/activity/codingplan?utm_campaign=deer_flow&utm_content=deer_flow&utm_medium=devrel&utm_source=OWO&utm_term=deer_flow) - [中国大陆地区的开发者请点击这里](https://www.volcengine.com/activity/codingplan?utm_campaign=deer_flow&utm_content=deer_flow&utm_medium=devrel&utm_source=OWO&utm_term=deer_flow) ## InfoQuest InfoQuest reader, web search, and image search use a 30-second HTTP connect/read inactivity timeout. The crawl `timeout` and `navigation_timeout` settings remain separate server-side options; they do not control the local HTTP timeout. DeerFlow has newly integrated the intelligent search and crawling toolset independently developed by BytePlus — [InfoQuest (supports free online e阅读完整原文
商业机会分析 AI 生成
垂直领域 Deep-Research 托管式报告生成 SaaS
| 产品构想 | 基于 deer-flow 的长程研究与工具调用能力，针对投资机构、商业咨询或科技情报分析师，封装开箱即用的垂直行业深度研究报告生成器，屏蔽底层复杂的沙箱与多Agent配置。 |
| 核心功能 | 一键下发耗时30分钟以上的多源深度检索与交叉验证任务；结构化行业报告导出；长记忆事实核查溯源看板；任务分段审批与人工介入节点。 |
| 目标用户 | 一级/二级市场分析师、行业研究员、咨询顾问、战略规划师。 |
| 难度/周期 | 中等 · 3 - 6 周 · 成本：轻量Web服务器 + 多LLM API调用成本 + 搜索API（如Tavily/Serper）成本，初期月支出约 500-1500 美元 |
| 收费模式 | 按月/按年订阅制（阶梯配额），超出部分按报告篇数/Token及沙箱算力消耗加收点数费用。 |
| 竞争风险 | 底层大模型长上下文推理费用昂贵；事实幻觉导致专业客户不信任；通用大模型厂商未来可能直接内置类似复杂研究功能。 |
| 依据 | 已验证事实（官方主题标有deep-research且支持长程任务）与AI推测（专业用户对深度分析报告有高付费意愿） |
Deer-Flow 托管式 Agent 云沙箱与调度网关
| 产品构想 | 针对开发者和中小团队，提供针对 deer-flow 优化的无服务器多租户安全沙箱环境与长任务调度平台，免除用户自行搭建Docker安全隔离、长进程保活与状态同步的负担。 |
| 核心功能 | 预配置的轻量安全沙箱池（支持秒级唤醒与持久化挂载）；长达数小时的任务断点续跑与状态恢复；多Agent执行拓扑实时可视化；消息网关转发与统一鉴权中间件。 |
| 目标用户 | 使用 deer-flow 构建自身应用的初创企业技术团队、独立开发者。 |
| 难度/周期 | 高 · 6 - 10 周 · 成本：Kubernetes/云服务器集群 + 对象存储 + 域名与鉴权服务，前期月成本约 1000-3000 美元 |
| 收费模式 | 沙箱运行时间（按分钟计费）+ API 调度调用量套餐 + 专用隔离环境的企业版订阅包。 |
| 竞争风险 | 沙箱逃逸等安全攻防难度大；长程任务对基础设施稳定性要求极高，容易因网络或外部API超时引发客户索赔。 |
| 依据 | 已验证事实（项目依赖sandboxes与message gateway执行长程任务）与数据支持的判断（开发者普遍缺乏自建安全沙箱的基础运维能力） |
代码库重构与技术债务自主修复 Agent 插件
| 产品构想 | 聚焦 deer-flow 的 'codes' 能力，封装成专门接入 GitHub/GitLab 的自动化 Bot，负责处理耗时数小时的大型代码库重构、依赖升级、测试用例补齐及静态漏洞修复。 |
| 核心功能 | 自主克隆代码库并于沙箱构建运行；多子Agent协同定位问题、编写补丁并本地反复运行单元测试验证；自动生成包含完整推理过程的 Pull Request。 |
| 目标用户 | 开源项目维护者、中大型研发团队工程效能负责人、外包开发团队。 |
| 难度/周期 | 中等偏高 · 4 - 8 周 · 成本：CI/CDRunner机器成本 + 高代码能力LLM（如Claude 3.5 Sonnet）API 费用，约 800-2000 美元/月 |
| 收费模式 | 按成功合并的 PR 数量计费，或面向企业代码仓收取席位月费。 |
| 竞争风险 | 代码改动引入隐性Bug；长程代码任务极度消耗高端模型Token，ROI难以在短期内向客户自证。 |
| 依据 | 已验证事实（简介明确具备codes能力并以小时级处理复杂任务）与AI推测（研发团队愿为缩减技术债务工时买单） |
AI 基于仓库公开数据分析生成，含推测成分，不构成收益承诺。
报告会保存到 个人中心
竞品与相似项目 GitHub Search 真实检索
| 项目 | 中文简介 | Stars | 语言 |
|---|---|---|---|
| morluto/rea | 借助 Agent 逆向工程一切，涵盖应用行为分析及原生二进制逆向。 | 449,453 | TypeScript |
| mattpocock/skills | 面向工程实践的 Agent Skills 集合，源自作者个人配置。 | 320,690 | Shell |
| obra/superpowers | 一套切实可用的 Agent Skills 框架与软件开发方法论。 | 315,614 | Shell |
| affaan-m/ECC | 面向 Claude Code、Cursor 等工具的 Agent 性能优化体系。 | 300,673 | JavaScript |
| NousResearch/hermes-agent | 一个能够与你共同成长的智能体项目。 | 262,387 | Python |
| anomalyco/opencode | 一款开源的代码编写智能体（Coding Agent）。 | 225,866 | TypeScript |
以上为通过 GitHub 官方 Search API 检索的相似项目，功能差异与优劣势需进一步人工确认，配置 AI 后可生成对比分析。
项目优势与风险
| 技术成熟度 | 创建于 ，最近推送 ，发布过 3 个 Release |
| 社区活跃 | Star 85,255 / Fork 0 / Issue 0（数据支持，可自行核实） |
| 许可证 | 未检测到（需人工确认） |
| 主要风险 | 上游项目方向可能变化；同赛道竞争者较多（见竞品表）；热度与需求不完全等价 |
安装与使用
快速开始（以仓库 README 为准）
git clone https://github.com/bytedance/deer-flow.git cd deer-flow # 请阅读仓库 README 获取确切安装步骤（依赖、配置、启动命令）
术语说明：Docker＝应用容器（把程序和依赖打包运行）；API Key＝调用外部服务的密钥；Git Clone＝把仓库代码下载到本地。常见错误：API Key 未配置 / 端口占用 / 数据库连接失败，多数项目在 README 的 Troubleshooting 章节有说明。