DeerFlow 2.0 是字节跳动开源的超级 Agent 框架，基于 LangGraph 和 LangChain 构建。它提供文件系统、沙箱执行环境及长期记忆系统，支持自主规划任务与多子 Agent 协同。核心功能包括技能系统（Skills）、子 Agent 系统、沙箱隔离执行、长期记忆存储及多通道集成（Telegram、Slack、飞书等）。支持 Docker 部署或本地开发，兼容多种大模型 API。适用于数据管道自动化、报告生成、代码审查等场景，解决了传统 Agent 在上下文限制、执行能力及记忆缺失方面的痛点。
DeerFlow（Deep Exploration and Efficient Research Flow）是字节跳动开源的一款超级 Agent 框架。2026 年 2 月 28 日，DeerFlow 2.0 正式发布后迅速登顶 GitHub Trending 榜首，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。
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：
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
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。
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。
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：
/mnt/user-data/
├── uploads/ # 用户上传的文件
├── workspace/ # Agent 工作目录
└── outputs/ # 最终交付物
大多数 Agent 在对话结束后就忘记一切。DeerFlow 会记住：
记忆本地存储，完全由用户控制。系统会自动去重，避免重复信息无限累积。
DeerFlow 支持多种即时通讯工具接入：
| 通道 | 传输方式 | 难度 |
|---|---|---|
| Telegram | Bot API (长轮询) | 简单 |
| Slack | Socket Mode | 中等 |
| 飞书/Lark | WebSocket | 中等 |
无需公网 IP，所有通道配置后即可自动启动。
通过 claude-to-deerflow 技能，可以直接在 Claude Code 中与 DeerFlow 交互：
npx skills add https://github.com/bytedance/deer-flow --skill claude-to-deerflow
支持的功能：
git clone https://github.com/bytedance/deer-flow.git
cd deer-flow
make config
这会基于模板创建本地配置文件。
编辑 config.yaml，配置至少一个模型：
models:
- name: gpt-4
display_name: GPT-4
use: langchain_openai:ChatOpenAI
model: gpt-4
api_key: $OPENAI_API_KEY
max_tokens: 4096
temperature: 0.7
- name: openrouter-gemini-2.5-flash
display_name: Gemini 2.5 Flash (OpenRouter)
use: langchain_openai:ChatOpenAI
model: google/gemini-2.5-flash-preview
api_key: $OPENAI_API_KEY
base_url: https://openrouter.ai/api/v1
推荐方式：编辑项目根目录的 .env 文件
TAVILY_API_KEY=your-tavily-api-key
OPENAI_API_KEY=your-openai-api-key
INFOQUEST_API_KEY=your-infoquest-api-key
Docker 方式（推荐）：
make docker-init # 拉取沙箱镜像（只需一次）
make docker-start # 启动服务
本地开发方式：
make check # 检查依赖
make install # 安装依赖
make dev # 启动服务
DeerFlow 官方推荐使用以下模型以获得最佳体验：
这些模型支持：
在 config.yaml 中配置：
channels:
feishu:
enabled: true
app_id: $FEISHU_APP_ID
app_secret: $FEISHU_APP_SECRET
slack:
enabled: true
bot_token: $SLACK_BOT_TOKEN
app_token: $SLACK_APP_TOKEN
在 .env 中设置对应的密钥即可。
DeerFlow 2.0 是完全重写的版本，与 1.x 没有任何代码共享。核心架构：
┌─────────────────────────────────────────┐
│ Gateway (API Gateway) │
├─────────────────────────────────────────┤
│ LangGraph Agent Server │
├──────────────┬──────────────┬───────────┤
│ Skills │ Tools │ Memory │
├──────────────┴──────────────┴───────────┤
│ Sandbox (Docker/K8s) │
└─────────────────────────────────────────┘
DeerFlow 已经超越最初的研究工具定位，社区开发者用它实现了：
DeerFlow 2.0 代表了一个重要趋势：AI Agent 正在从聊天走向干活。
它不是又一个聊天机器人包装器，而是一个真正能让 AI 执行复杂任务的运行环境。通过沙箱隔离、多 Agent 协作、长期记忆等设计，DeerFlow 解决了传统 Agent 框架的几个关键痛点：
如果你正在构建 AI 应用，或者想让 AI 帮你完成实际工作，DeerFlow 绝对值得关注。
相关资源：
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online