DeerFlow 2.0:字节开源的超级 Agent 框架深度解析
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 日发布后迅速登顶 GitHub Trending,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、报告生成、PPT 制作、网页生成以及图片/视频生成等。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,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。这提供了完整的文件系统、Bash 命令执行、代码运行能力、图片查看能力,并且会话隔离,零污染。
/mnt/user-data/
├── uploads/ # 用户上传的文件
├── workspace/ # Agent 工作目录
└── outputs/

