DeerFlow 2.0：字节开源的超级 Agent 框架，让 AI 真正干活
DeerFlow 2.0：字节开源的超级 Agent 框架，让 AI 真正干活
作者：madprinter
日期：2026-03-24
项目地址：https://github.com/bytedance/deer-flow
项目介绍
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。
为什么 DeerFlow 值得关注？
- 大厂背书：字节跳动出品，经过真实业务场景验证
- 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：
- 用户画像和偏好
- 技术栈信息
- 重复的工作流程
- 历史交互经验
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。
5. 多通道集成（IM Channels）
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。
6. Claude Code 集成
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：
- 发送任务并获取流式响应
- 选择执行模式：flash/fast/standard/pro/ultra
- 查看健康状态、模型、技能列表
- 管理对话线程和历史
- 上传文件进行分析
使用方法
快速开始
1. 克隆项目
git clone https://github.com/bytedance/deer-flow.git cd deer-flow 2. 生成配置文件
make config 这会基于模板创建本地配置文件。
3. 配置模型
编辑 config.yaml，配置至少一个模型：
models:-name: gpt-4display_name: GPT-4use: langchain_openai:ChatOpenAI model: gpt-4api_key: $OPENAI_API_KEY max_tokens:4096temperature: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 4. 设置 API Key
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 5. 启动服务
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makeinstall# 安装依赖make dev # 启动服务访问：http://localhost:2026
推荐模型
DeerFlow 官方推荐使用以下模型以获得最佳体验：
- Doubao-Seed-2.0-Code
- DeepSeek v3.2
- Kimi 2.5
这些模型支持：
- 长上下文（100k+ tokens）
- 强大的推理能力
- 多模态输入
- 可靠的工具调用
飞书/钉钉集成示例
在 config.yaml 中配置：
channels:feishu:enabled:trueapp_id: $FEISHU_APP_ID app_secret: $FEISHU_APP_SECRET slack:enabled:truebot_token: $SLACK_BOT_TOKEN app_token: $SLACK_APP_TOKEN 在 .env 中设置对应的密钥即可。
技术架构
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) │ └─────────────────────────────────────────┘ - Gateway：统一 API 入口，处理认证、路由、会话管理
- LangGraph Server：Agent 编排引擎
- Skills/Tools：可扩展的能力模块
- Memory：长期记忆存储
- Sandbox：隔离执行环境
实际应用场景
DeerFlow 已经超越最初的研究工具定位，社区开发者用它实现了：
- 📊 数据管道自动化
- 📽️ PPT/幻灯片自动生成
- 📈 数据看板搭建
- 📝 内容工作流自动化
- 🔍 深度市场调研
- 💻 代码生成和审查
总结
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：
- 上下文限制：通过子 Agent 分解和上下文摘要
- 执行能力：通过沙箱提供真实的执行环境
- 记忆缺失：通过长期记忆系统跨会话学习
- 扩展困难：通过技能和 MCP 服务器轻松扩展
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：
- 项目地址：https://github.com/bytedance/deer-flow
- 官方网站：https://deerflow.tech
- 中文文档：https://github.com/bytedance/deer-flow/blob/main/README_zh.md
- InfoQuest 搜索工具：https://docs.byteplus.com/en/docs/InfoQuest/What_is_Info_Quest
