DeerFlow 2.0 开源超级 Agent 框架技术解析
项目介绍
DeerFlow（Deep Exploration and Efficient Research Flow）是一款超级 Agent 框架。DeerFlow 2.0 发布后迅速获得关注，目前已有近 40,000 颗星。
与传统的 AI 框架不同，DeerFlow 不仅仅是一个聊天机器人，它是一个真正能干活的 Agent 运行环境。它拥有自己的文件系统、沙箱执行环境、长期记忆系统，可以自主规划任务并调度多个子 Agent 协同工作。
主要特性
- 架构先进：基于 LangGraph 和 LangChain 构建，设计优雅
- 功能完整：开箱即用的文件系统、记忆系统、沙箱执行
- 高度可扩展：支持自定义技能、工具、MCP 服务器
- 多模型支持：兼容 OpenAI API 格式的所有大模型
核心功能
1. 技能系统（Skills）
DeerFlow 的核心是技能系统。每个技能是一个结构化的能力模块，包含工作流程、最佳实践和相关资源引用。
内置技能包括：
- 🔍 深度研究（Research）
- 📝 报告生成（Report Generation）
- 📊 PPT 制作（Slide Creation）
- 🌐 网页生成（Web Page）
- 🎨 图片/视频生成（Image/Video Generation）
技能按需加载，不会一次性占用大量上下文，这对 Token 敏感的模型非常友好。
/mnt/skills/public ├── research/SKILL.md ├── report-generation/SKILL.md ├── slide-creation/SKILL.md ├── web-page/SKILL.md └── image-generation/SKILL.md
2. 子 Agent 系统（Sub-Agents）
复杂任务很少能一次完成。DeerFlow 可以将任务分解，动态生成多个子 Agent 并行执行。
- 每个子 Agent 有独立的作用域上下文
- 子 Agent 可以并行执行，提高效率
- 主 Agent 负责汇总所有结果，生成最终输出
例如：一个研究任务可以分解为十多个子 Agent，每个探索不同角度，最终汇聚成一份完整报告。
3. 沙箱执行环境（Sandbox）
DeerFlow 不只是说说而已，它有自己的电脑——每个任务在独立的 Docker 容器中运行：
- ✅ 完整的文件系统
- ✅ Bash 命令执行
- ✅ 代码运行能力
- ✅ 图片查看能力
- ✅ 会话隔离，零污染
/mnt/user-data/ ├── uploads/ # 用户上传的文件 ├── workspace/ # Agent 工作目录 └── outputs/ # 最终交付物
4. 长期记忆（Long-Term Memory）
大多数 Agent 在对话结束后就忘记一切。DeerFlow 会记住：
