DeerFlow 是一款基于 LangGraph 和 LangChain 构建的超级智能体套件，支持子智能体编排、技能系统、沙盒执行及长期记忆。项目采用 MIT 许可证，提供本地、Docker 及 Kubernetes 多种部署模式，适用于深度研究、内容创作及工作流自动化等场景。通过模块化技能和上下文工程，DeerFlow 能够处理复杂多步任务，是 AI Agent 领域的重要实践。
DeerFlow 最初是一个深度研究框架，后被开发者扩展用于构建数据管道、生成幻灯片、搭建仪表盘及自动化内容工作流。团队意识到其不仅是工具，更是一个让智能体真正能够完成工作的运行环境，因此从零重写推出了 DeerFlow 2.0。
DeerFlow 是一个超级智能体套件，通过编排子智能体、记忆系统和沙盒环境，处理复杂任务。基于 LangGraph 和 LangChain 构建，它开箱即用地提供了文件系统、记忆、技能、沙盒执行环境，以及规划和生成子智能体的能力。
技能是结构化的能力模块（Markdown 文件），定义工作流程、最佳实践和参考资源。内置研究、报告生成、网页开发等技能，支持自定义添加、替换或组合。技能按需加载，保持精简的上下文窗口。
主导智能体将复杂任务分解为子智能体，每个拥有独立的上下文、工具和终止条件。子智能体并行运行并报告结构化结果，由主导智能体综合输出。例如，一个研究任务可派生出多个子智能体探索不同角度，最终汇聚成报告或网站。
每个任务在独立的 Docker 容器中运行，拥有完整的文件系统（技能、工作空间、上传、输出）。智能体可读写文件、执行命令和代码、查看图像。全部沙盒化且可审计，会话间零污染。
对上下文管理采取激进策略：总结已完成的子任务，将中间结果卸载到文件系统，压缩不再立即相关的内容，确保长多步骤任务中不撑爆上下文窗口。
在会话之间建立关于用户档案、偏好和积累知识的持久记忆。记忆存储在本地，完全由用户控制。
DeerFlow 2.0 从零重写，与 v1 无共享代码。基于 LangGraph 和 LangChain，支持多种沙盒执行模式：
推荐使用 Docker 方式：
git clone https://github.com/bytedance/deer-flow.git
cd deer-flow
make config
# 编辑 config.yaml 配置你的模型，至少配置一个模型（如 GPT-4）
make docker-init # 拉取沙盒镜像（只需一次）
make docker-start # 启动服务
# 访问 http://localhost:2026
也支持本地开发模式：
make check # 检查前置条件
make dev # 启动开发服务
DeerFlow 是模型无关的，适用于任何实现 OpenAI 兼容 API 的 LLM。表现最佳的模型需支持以下功能：
DeerFlow 采用 MIT 许可证，可免费使用和修改。项目活跃，欢迎社区贡献。
DeerFlow 标志着 AI Agent 领域的重要一步。它不只是个框架，而是一个完整的智能体运行环境，让 AI 真正能够'做事'。从研究工具到超级智能体架构，DeerFlow 的进化反映了行业趋势：需要的不是更会聊天的 AI，而是更能干活的 AI。
GitHub 项目地址：https://github.com/bytedance/deer-flow
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
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
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online