PythonAI
字节开源 DeerFlow 2.0：Super Agent 运行时基础设施
字节跳动开源 DeerFlow 2.0，这是一个彻底重写的 Super Agent 调度框架。相比 v1 版本，它不再局限于深度研究工具，而是进化为支持子智能体并行、沙箱文件系统、长期记忆及技能扩展的基础设施。文章介绍了其五大核心特性、多端接入方式、Docker 快速部署方法及 Python SDK 用法，旨在为开发者提供可靠的 Agent 运行环境。
字节跳动开源 DeerFlow 2.0，这是一个彻底重写的 Super Agent 调度框架。相比 v1 版本，它不再局限于深度研究工具，而是进化为支持子智能体并行、沙箱文件系统、长期记忆及技能扩展的基础设施。文章介绍了其五大核心特性、多端接入方式、Docker 快速部署方法及 Python SDK 用法，旨在为开发者提供可靠的 Agent 运行环境。
字节跳动将 DeerFlow 彻底重写，发布 2.0 版本，并在发布当天登上 GitHub Trending 第一名。这不是一次功能迭代，而是一次从'深度研究框架'到'Super Agent 运行时基础设施'的彻底蜕变。
DeerFlow（Deep Exploration and Efficient Research Flow）最初是一个专注于深度研究的 AI 框架——给它一个问题，它会搜索、整理、输出报告。
但社区的玩法远超出了设计者的想象。开发者们拿它搭数据流水线、生成演示文稿、自动化内容生产、快速起 dashboard……这让团队意识到，DeerFlow 从一开始就不只是'研究工具'，它更像一个让 Agent 真正把事情做完的运行环境。
核心变化
DeerFlow 2.0 与 v1 没有共用任何代码，是一次彻底重写。旧版（Deep Research 框架）依然保留在 1.x 分支；主开发线已全面转向 2.0。
官方给出的定位是 Super Agent Harness（超级 Agent 调度框架）。这个词听起来抽象，拆开来理解其实很清晰。
现在的 DeerFlow 2.0 不再仅仅是一个跑研究报告的工具，它进化成了一个 Harness（挂架/系统平台）。
开发者视角： 以往我们要写一个 Agent，需要处理繁琐的上下文管理、文件读写权限、多任务并行。DeerFlow 2.0 直接把这些基础设施'标准化'了。
① Skills — Agent 能力的'乐高积木'
Skills 是 DeerFlow 能完成几乎任何事情的秘密武器。一个标准 Skill 通常就是一个 Markdown 文件，定义了工作流、最佳实践和参考资源。DeerFlow 内置了研究、报告生成、演示文稿制作、网页生成、图像/视频生成等场景的 Skill。
关键设计是按需渐进加载：不会一次性把所有 Skill 塞进上下文，只有任务确实需要时才加载，有效控制 Token 消耗。
# Claude Code 深度集成示例
npx skills add https://github.com/bytedance/deer-flow --skill claude-to-deerflow
通过 claude-to-deerflow skill，你可以直接在 Claude Code 终端里和运行中的 DeerFlow 实例交互——发送研究任务、查看状态、管理 threads，全程不用离开终端。
② Sub-Agents — 并行执行复杂任务
传统 Agent 对于复杂任务的处理方式是'一条线走到底'，DeerFlow 不同：Lead Agent 会先拆解任务，然后动态拉起多个 Sub-Agent，条件允许时并行运行，最后汇总成完整输出。
一个典型的研究任务可以被拆成十几个 Sub-Agent，分别探索不同方向，最终合并成报告、网站或带生成视觉内容的演示文稿。这也是 DeerFlow 能处理'从几分钟到几小时'任务的原因。
③ Sandbox 文件系统 — Agent 有了自己的'电脑'
这是 DeerFlow 和'带工具的聊天机器人'之间最根本的差别：Agent 有一台真正的'电脑'。
每个任务运行在隔离的 Docker 容器里，内有完整文件系统：
/mnt/user-data/
Agent 可以读写编辑文件、执行 Bash 命令和代码、查看图片，全程在 Sandbox 内完成，可审计、隔离，不同 session 之间互不污染。
④ Context Engineering — 长任务不'忘事'
DeerFlow 在上下文管理上做了两件事：
⑤ 长期记忆 — 越用越了解你
大多数 Agent 结束对话后一切归零，DeerFlow 2.0 跨 session 会逐步积累关于你的持久记忆：个人偏好、知识背景、写作风格、技术栈、重复出现的工作流。记忆保存在本地，控制权始终在你手里。
DeerFlow 2.0 支持通过 IM 应用直接下发任务，无需公网 IP：
| 渠道 | 传输方式 | 上手难度 |
|---|---|---|
| Telegram Bot API | Long-polling | 简单 |
| Slack | Socket Mode | 中等 |
| 飞书 / Lark | WebSocket | 中等 |
连接后，你可以直接在聊天窗口里使用 /new、/models、/memory 等命令和 DeerFlow 交互，普通消息则作为自然语言任务处理。
推荐使用 Docker 方式，最省心：
# 克隆并初始化
git clone https://github.com/bytedance/deer-flow.git
cd deer-flow
make config # 生成本地配置文件
# 编辑 CONFIG.YAML 配置模型
models:
- name: gpt-4
display_name: GPT-4
use: langchain_openai:ChatOpenAI
model: gpt-4
api_key: $OPENAI_API_KEY
max_tokens: 4096
temperature: 0.7
# DOCKER 启动（推荐）
make docker-init # 首次拉取 sandbox 镜像
make docker-start # 启动服务
# 访问 http://localhost:2026
DeerFlow 不绑定特定模型，只要实现了 OpenAI 兼容 API 即可接入。官方推荐以下几款表现较好的模型：
| 模型 | 特点 | 适用场景 |
|---|---|---|
| Doubao-Seed-2.0-Code | 字节自研，代码能力强 | 编程类任务 |
| DeepSeek v3.2 | 推理能力强，长上下文 | 深度研究、复杂拆解 |
| Kimi 2.5 | 长上下文、多模态 | 文档分析、多模态任务 |
优先考虑具备以下能力的模型：100k+ tokens 长上下文窗口、强推理能力、稳定的 Tool Use 支持，以及多模态输入理解。
不想启动完整 HTTP 服务？DeerFlow 也可以作为 Python 库直接使用：
from deerflow.client import DeerFlowClient
client = DeerFlowClient()
# 普通对话
response = client.chat("帮我分析这篇论文", thread_id="my-thread")
# 流式输出
for event in client.stream("最新的 AI Agent 趋势"):
if event.type == "messages-tuple" and event.data.get("type") == "ai":
print(event.data["content"])
# 管理能力
models = client.list_models()
skills = client.list_skills()
client.upload_files("thread-1", ["./report.pdf"])
DeerFlow 具备系统指令执行、文件读写等高权限能力，默认仅建议在本地可信环境（127.0.0.1）部署。若需跨设备访问，务必配置 IP 白名单、前置身份验证（Nginx 反向代理）或网络隔离（VLAN）等安全措施。
DeerFlow 2.0 真正有趣的地方，不在于它能做什么——而在于它如何把'做事'这件事本身系统化了。
大多数 Agent 项目解决的是'用 LLM 完成任务'的问题，而 DeerFlow 解决的是更底层的问题：如何给 Agent 一个真实可靠的运行环境，让它有文件系统、有记忆、有工具、有并行执行能力，最终真正把复杂的、需要小时级才能完成的任务落地。
这是从 ChatBot 到 Agent 的本质跃迁，而 DeerFlow 2.0，是目前开源社区里走得最彻底的那个。
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