DeerFlow WebUI 界面功能按钮详解

在输入框正下方，横向排列着四个带图标的按钮，它们是 DeerFlow 区别于普通聊天界面的关键所在：

2.5.1 搜索增强按钮（放大镜图标）

• 作用：强制 DeerFlow 优先调用搜索引擎获取最新、最权威的外部信息；
• 什么时候用：
  • 你问的是时效性强的问题（如'最近一周 Tavily API 有哪些更新？'）；
  • 你想验证某个说法是否准确（如'网上说 Qwen3 在中文数学推理上超越 Gemma3，是真的吗？'）；
  • 默认情况下 DeerFlow 会自主判断是否需要搜索，但点这个按钮等于加一道'必须搜'的指令；
• 效果：你会看到它先列出 3–5 个搜索结果摘要，再基于这些内容组织回答，所有引用都标明来源链接。

2.5.2 代码执行按钮（</>图标）

• 作用：告诉 DeerFlow：'接下来这个问题，需要用 Python 代码来解决'；
• 什么时候用：
  • 涉及数据计算（如'根据这份 CSV 里的销售数据，算出各品类季度增长率并画柱状图'）；
  • 需要自动化处理（如'把这 10 篇 PDF 论文的标题和摘要提取出来，存成 Excel'）；
  • 验证技术方案可行性（如'写一段代码，测试 vLLM 在 4bit 量化下对 Qwen3-4B 的吞吐量影响'）；
• 效果：它会自动生成完整可运行代码，先在沙箱环境中执行，再把结果（表格、图表、日志）嵌入回答中，并附上代码说明。

2.5.3 报告生成按钮（文档图标）

• 作用：触发深度报告模式，输出结构完整、带章节标题、含图表和参考文献的正式文档；
• 什么时候用：
  • 你需要交付成果（如给团队写一份《开源 RAG 框架选型报告》）；
  • 问题本身就很复杂（如'对比 LlamaIndex、Haystack、RAGFlow 在中文场景下的检索精度、部署难度、社区活跃度'）；
• 效果：生成的报告不是大段文字堆砌，而是分'背景→方法→结果→结论→建议'五大部分，关键数据用表格呈现，图表带坐标轴和图例，末尾附上所有引用来源链接。

2.5.4 播客生成按钮（声波图标）

• 作用：将当前会话内容或指定研究结果，转换成语音播客格式；
• 什么时候用：
  • 你想边听边做其他事（通勤、健身时了解技术动态）；
  • 需要把研究报告分享给不习惯读长文的同事；
  • 做知识沉淀，把一次深度调研变成可反复收听的音频资产；
• 效果：生成 MP3 文件，语音采用火山引擎 TTS 服务，音色自然、语速适中、专业感强；支持选择男/女声、调整语速、添加章节停顿。

这组按钮的意义在于：它把'研究动作'显性化了。你不再需要靠猜模型会不会搜、会不会写代码，而是明确告诉它'这次我要用哪种能力'，控制权始终在你手上。

2.6 运行状态指示器（右上角小圆点）

界面右上角有一个彩色小圆点，颜色实时反映系统当前状态：

• 绿色：所有服务正常（vLLM 模型服务、DeerFlow 主程序、搜索引擎 API、Python 执行环境均就绪）；
• 黄色：部分服务响应较慢（如某次搜索超时、TTS 服务暂时繁忙），但不影响基础问答；
• 红色：关键服务异常（如 vLLM 未启动、Python 沙箱崩溃），此时需检查日志；
• 点击该圆点：弹出简明状态面板，显示各模块健康状态、最近一次错误时间、对应日志片段（如'vLLM 连接失败：Connection refused'）。

这个设计让你不用翻日志文件就能快速定位问题，尤其适合非运维人员日常使用。

3. 实际操作示例：从提问到交付的完整走查

光看按钮说明还不够直观？我们用一个真实场景走一遍全流程，看看每个按钮如何配合工作。

3.1 场景设定：你想快速了解'DeerFlow 在金融数据分析中的实际应用'

第一步：新建会话

点击右上角'+'号，确保从干净状态开始。

第二步：启用搜索增强

先点一下放大镜按钮（搜索增强），再在输入框中输入：

'DeerFlow 有没有被用于股票分析、财报解读或量化策略生成？请找近半年的真实案例，最好有 GitHub 项目或技术博客链接。'

第三步：观察后台动作

你会看到界面上方出现一行小字：'正在调用 Tavily 搜索… 找到 4 个相关结果'，几秒后，它列出 3 篇技术文章摘要，并基于内容总结出：

• 有团队用 DeerFlow 自动抓取 A 股上市公司财报 PDF，提取关键财务指标生成对比表；
• 另一项目将其集成进量化平台，用自然语言描述策略逻辑（如'当 RSI 低于 30 且 MACD 金叉时买入'），由 DeerFlow 自动生成回测代码；
• 所有引用均附原文链接，可一键跳转。

第四步：深化分析（调用代码执行）

你对第二个案例感兴趣，于是点击</>按钮，在输入框追加：

'请基于上面提到的'RSI+MACD'策略，写一段能在 yfinance 和 backtrader 中运行的 Python 回测代码，并用贵州茅台 2023 年数据演示。'

DeerFlow 立刻生成完整代码，包含数据获取、指标计算、信号生成、回测执行、结果可视化全过程，并在下方嵌入一张收益曲线图。

第五步：生成可交付报告

最后，点击文档图标，输入：

'把以上所有内容整理成一份面向金融工程师的内部技术简报，包含：应用场景说明、代码实现要点、实测效果数据、部署注意事项。'

几秒钟后，一份带封面、目录、章节编号、图表编号的 PDF 风格报告就生成了，可直接导出或分享。

整个过程，你只用了 4 个按钮、3 次输入，就完成了信息搜集→技术验证→成果交付的全链条。

4. 常见问题与实用技巧

即使按钮功能清晰，实际使用中仍可能遇到一些小状况。以下是高频问题的应对方式，全是来自真实用户反馈的'血泪经验'。

4.1 为什么有时提问后没反应，或提示'服务不可用'？

最常见原因是 vLLM 模型服务未就绪。按以下顺序排查：

1. 小技巧：如果只是临时卡顿，刷新浏览器页面通常能恢复；若持续异常，重启容器比重装更高效。

如果 vLLM 日志正常，再查 DeerFlow 主服务：

cat /root/workspace/bootstrap.log 

关键看是否有 DeerFlow server started on http://0.0.0.0:8080 和 Connected to vLLM at http://localhost:8000 两行。缺任一者，说明服务间通信失败。

打开终端，执行：

cat /root/workspace/llm.log 

查看最后几行是否有 INFO: Uvicorn running on http://0.0.0.0:8000 字样。如果没有，说明 vLLM 未启动，需重启服务。

4.2 输入框里写了很长的问题，但 DeerFlow 只答了一半？

这不是模型'偷懒'，而是它在执行过程中遇到了限制：

• 搜索结果数量限制：Tavily 默认最多返回 5 个结果，若你问的是'全球所有 AI 芯片厂商'，它会优先返回英伟达、AMD、寒武纪等头部企业信息；
• 代码执行超时：沙箱环境单次运行上限为 90 秒，复杂计算（如训练小模型）会被中断；
• 报告长度限制：单次生成报告正文不超过 8000 字，超长内容会自动分节。

应对方法很简单：把大问题拆成小问题。例如，不要问'分析中国新能源汽车产业链'，而是分三次问： ① '国内动力电池主要厂商及 2023 年市占率' → 得到表格； ② '宁德时代 2023 年研发投入和专利数量' → 得到数据； ③ '综合以上，画出产业链图谱并标注技术卡点' → 得到可视化图。

4.3 如何让生成的播客更专业？

默认设置已足够清晰，但若想进一步提升质量，可在点击声波图标后，在弹出的设置面板中调整：

• 音色选择：推荐'科技男声 - 沉稳版'或'知性女声 - 清晰版'，避免'情感丰富'类音色（易显得不专业）；
• 语速调节：技术内容建议设为 0.9 倍速，比常速稍慢，便于理解术语；
• 章节停顿：开启'章节间增加 2 秒停顿'，让听众有时间消化图表或数据。

生成后的 MP3 文件会自动保存在 /root/workspace/podcasts/ 目录下，文件名含时间戳，方便归档。

5. 总结：掌握按钮，就是掌握 DeerFlow 的核心能力

DeerFlow 的 WebUI 看似简单，但每个按钮都对应一种研究能力的'开关'。你不需要记住所有技术细节，只要理解：

• +号按钮 = 重置研究起点，保持思路清晰；
• 放大镜按钮 = 调动外部世界的信息，让回答有据可依；
• </>按钮 = 启动真实代码引擎，把想法变成可运行的结果；
• 文档按钮 = 升级输出形态，从聊天记录变成交付物；
• 声波按钮 = 拓展知识载体，让深度内容不止于阅读；

这五个按钮组合起来，构成了一个'提问→验证→实现→交付→传播'的完整研究闭环。它不替代你的思考，而是把你从重复劳动中解放出来，把时间真正花在判断、决策和创造上。

你现在要做的，就是打开界面，点一次 + 号，输入第一个问题——剩下的，交给 DeerFlow。