DeerFlow 基础教程：控制台 UI 与 Web UI 双模式使用详解
1. DeerFlow 是什么：你的个人深度研究助理
面对一个新领域，比如'量子计算在金融建模中的最新应用'，往往面临信息零散、真假难辨的困境。或者需要为重要汇报准备一份结构清晰、数据扎实的行业报告，却卡在资料收集和逻辑梳理上。
DeerFlow 正是为解决这类问题而生。它不是普通的聊天机器人，而是一个能真正帮你'做研究'的 AI 助手。它不满足于简单回答问题，而是主动调用搜索引擎获取最新信息、运行 Python 代码验证假设、整合多源内容生成结构化报告，甚至能把研究成果变成自然流畅的播客音频。整个过程就像请了一支由研究员、分析师和编辑组成的虚拟团队在后台协同工作。
更关键的是，它将复杂能力封装成了两种界面：简洁高效的命令行控制台（Console UI），适合喜欢直接、快速操作的用户；功能完整、交互友好的网页界面（Web UI），适合需要可视化协作或分享成果的场景。这篇教程将带你从零开始，把这两种模式都用明白。
2. 快速上手：环境检查与服务启动
在开始之前，我们需要确认两个核心服务已经正常运行。这就像开车前检查油量和发动机，是确保一切顺利的前提。
2.1 检查大模型推理服务（vLLM）是否就绪
DeerFlow 的'大脑'是一个名为 Qwen3-4B-Instruct-2507 的高性能语言模型，部署在 vLLM 推理引擎上。我们首先确认这个'大脑'是否已清醒。
在终端中输入以下命令读取日志文件：
cat /root/workspace/llm.log
如果服务启动成功，你将看到类似这样的输出：
INFO 01-26 10:23:45 [server.py:189] Starting vLLM server on http://0.0.0.0:8000 INFO 01-26 10:23:45 [engine.py:212] vLLM engine started. INFO 01-26 10:23:45 [server.py:201] vLLM server is ready.
最关键的信息是最后一行 vLLM server is ready.。只要看到这行字，就说明大模型服务完全就绪。
2.2 检查 DeerFlow 主服务是否启动成功
接下来，确认 DeerFlow 这个'研究项目管理中枢'本身是否已启动。
同样在终端中输入：
cat /root/workspace/bootstrap.log
成功的启动日志结尾处会清晰地显示：
INFO: Application startup complete. INFO: Uvicorn running on http://0.0.0.0:8001 (Press CTRL+C to quit)
其中 Application startup complete. 是最核心的标志，意味着 DeerFlow 的所有组件——协调器、规划器、研究团队、报告员——都已加载完毕。
小贴士：如果这两条命令的输出中没有看到'ready'或'complete'这样的关键词，而是报错或卡住，可能是服务启动失败。此时最简单的办法是重启整个环境，然后重新执行检查。
3. 双模式实战：控制台 UI 与 Web UI 的详细操作指南
现在，两个核心服务都已就绪，我们可以正式进入 DeerFlow 的世界。它提供了两种截然不同但又互补的使用方式。
3.1 控制台 UI：极简主义的深度研究
控制台 UI 是 DeerFlow 最原生、最轻量的交互方式。没有花哨的界面，只有纯粹的文本输入与输出，速度最快，资源占用最低，特别适合快速验证、调试流程或批量处理任务。
3.1.1 启动控制台
在终端中，直接输入以下命令即可启动：
deeflow console
按下回车后，你会看到一个简洁的提示符，例如 DeerFlow >。这就表示你已经进入了它的'研究指挥中心'。
3.1.2 开始一次深度研究
像和一位资深研究员对话一样，直接提出你的问题。例如：
DeerFlow > 请帮我分析过去一年比特币价格的主要波动原因，并总结成一份包含三个关键点的简报。
DeerFlow 会立刻开始工作：先规划研究步骤，调用 Tavily 搜索引擎获取最新的财经新闻和分析报告，接着可能运行 Python 脚本对公开的价格数据进行趋势分析，最后整合信息生成简报。
整个过程会在控制台中以实时日志的形式展示，让你清楚看到每一步发生了什么。最终，一份完整的、带有数据支撑的简报就会呈现在你眼前。
3.1.3 控制台的实用技巧
- 历史命令：按键盘上的上下箭头键，可以快速翻阅和复用之前输入过的命令。
- 中断任务：如果某次研究耗时过长，直接按
Ctrl+C即可中止。 - 退出控制台：输入
exit或者再次按Ctrl+C，就能干净利落地退出。
控制台 UI 的魅力在于'所见即所得'。不需要点击任何按钮，所有操作通过自然语言完成，过程透明、可控。
3.2 Web UI：功能完备的研究工作台
如果你需要更丰富的交互体验，比如查看搜索结果的原始链接、编辑生成的报告草稿，或者将研究过程分享给同事，那么 Web UI 就是为你量身打造的。
3.2.1 打开前端界面
启动服务后，通常可以通过浏览器访问 http://localhost:8001。当你看到一个设计清爽、顶部有 Logo、中间是醒目的输入框和'Start Research'按钮的页面时，说明 Web UI 已成功加载。
3.2.2 发起一次研究：三步走
Web UI 的操作流程非常直观，遵循'提问—执行—查看'的逻辑。
- 提问：在输入框中提出你的研究问题。例如：'对比分析 Stable Diffusion 3 和 Flux.1 在生成写实人像方面的优缺点，并提供具体的图像示例。'
- 执行：点击输入框右侧醒目的蓝色'Start Research'按钮，DeerFlow 就会开始执行指令。
- 查看：页面右侧会立刻出现一个动态更新的'研究流'面板。你会看到它一步步展示：如何将大问题拆解成小任务、调用了哪些搜索引擎、运行了哪些代码、最终如何编织成报告。
这个过程就像在看一场幕后纪录片，既保证了结果的可靠性，也让你对 AI 的工作逻辑有了更深的理解。
3.2.3 Web UI 的核心优势
- 可视化报告编辑：生成的报告并非一成不变。你可以直接在网页上选中文字进行修改、增删，修改后还可以一键重新生成播客。
- 多轮对话与上下文记忆：在同一个会话中连续追问。例如得到一份关于'医疗 AI'的报告后，紧接着问：'请把这份报告中提到的三个关键技术，分别用一句话解释其原理。'Web UI 会完美记住之前的上下文。
- 成果导出与分享：完成的研究可以一键导出为 Markdown 格式文档，方便存档；也可以复制链接分享给团队成员。
4. 实战案例：从零开始完成一次完整研究
理论讲完，不如我们来一次真实的演练。我们将以'分析 2024 年全球 AI 芯片市场的竞争格局'为题，完整走一遍从提问到获得报告的全过程。
4.1 在 Web UI 中发起研究
打开 Web UI，将以下问题粘贴到输入框中：
'请全面分析 2024 年全球 AI 芯片市场的竞争格局。重点包括：1）主要玩家的市场份额与技术路线；2）市场增长的关键驱动因素；3）未来两年面临的主要挑战。请用中文撰写一份结构清晰、数据详实的分析报告。'
点击'Start Research'按钮。
4.2 观察研究流的动态执行
几秒钟后，右侧的研究流面板开始滚动。你会看到：
- 规划阶段：将问题分解为收集财报、提取数据、分析白皮书等子任务。
- 搜索阶段：调用 Brave Search，找到 IDC、Counterpoint 及官网发布的最新数据。
- 编码阶段：运行 Python 脚本，从多个网页中结构化地提取市场份额数字并进行计算。
- 报告阶段：整合所有信息，生成包含三大章节的报告。
4.3 对报告进行个性化润色
报告生成后，如果觉得数据表格不够直观，可以直接在网页上选中那段文字，将其替换为一个更清晰的 Markdown 表格：
| 厂商 | 2024 年预估份额 | 核心技术路线 | 主要优势 |
|---|---|---|---|
| 英伟达 | 80% | CUDA 生态 + Hopper 架构 | 生态壁垒极高，开发者数量庞大 |
| AMD | 12% | ROCm 生态 + MI300 系列 | 性价比突出，对 CUDA 有良好兼容性 |
| ... | ... | ... | ... |
保存修改后，这份报告就完全属于你了。
5. 常见问题与实用建议
在实际使用中，你可能会遇到一些小状况。这里整理了几个高频问题及对应的解决方案。
5.1 为什么我的问题得不到回答，或者回答很笼统？
这通常是因为问题的表述不够具体。DeerFlow 是一个'深度'研究工具，需要明确的指令才能发挥最大效能。
- 避免：'介绍一下人工智能。'（范围太大，无从下手）
- 推荐：'请对比分析 2024 年发布的 Qwen3、Llama4 和 Gemma3 这三个开源大模型在代码生成任务上的基准测试得分（HumanEval、MBPP），并用表格呈现。'
核心原则：越具体的问题，越能得到高质量的答案。试着在问题中加入'对比'、'分析'、'总结'、'用表格呈现'等关键词。
5.2 Web UI 打不开，或者页面显示空白？
这大概率是网络连接问题。请确认：
- 你是在本地环境中访问
http://localhost:8001。 - 如果你在远程服务器上操作，请确保你的本地浏览器能够访问该服务器的 8001 端口（可能需要配置 SSH 端口转发）。
5.3 如何让生成的报告更有'人味'，而不是冷冰冰的 AI 腔？
DeerFlow 生成的初稿是严谨的，但你可以轻松地让它变得生动。一个简单有效的方法是：在提问时，就指定报告的风格。
例如：
'请以一位资深科技记者的口吻，撰写一篇关于'AI 芯片国产替代'的深度分析报告，要求语言犀利、观点鲜明，并在结尾提出三条务实的建议。'
通过这种方式，你就在一开始就为 AI 设定了'角色'，它生成的内容自然会更富个性和感染力。
6. 总结：掌握双模式，开启你的深度研究之旅
回顾一下，我们今天一起完成了 DeerFlow 的入门之旅：
- 确认了 vLLM 和 DeerFlow 主服务这两个'心脏'已经健康跳动；
- 深入体验了两种核心交互模式：控制台 UI，适合追求极致效率的单点突破；Web UI，适合需要可视化、可编辑、可分享的复杂项目；
- 通过一个真实案例，完整走了一遍从提问、执行、到产出、再到润色的闭环流程；
- 梳理了一些能让研究效果事半功倍的实用技巧。
DeerFlow 的价值，不在于它能回答一个问题，而在于它能帮你系统性地解决一个问题。它把原本需要数小时甚至数天的信息搜集、分析、写作工作，压缩到了几分钟之内。更重要的是，它把这个过程变得透明、可控、可学习。
现在，你已经拥有了开启深度研究的钥匙。下一步，就是把它用起来。找一个你最近一直想搞懂、但又迟迟没动手的领域，向 DeerFlow 提出你的第一个问题吧。