日常学习资料

Appearance

Return to top
On this page

DeerFlow

字节跳动开源 Super Agent Harness | GitHub Trending #1 | Python

是什么

DeerFlow (Deep Exploration and Efficient Research Flow) 是字节跳动开源的 Super Agent Harness（超级智能体框架），通过编排子 Agent、内存和沙箱，执行几乎任何任务 —— 基于可扩展的 Skills。

2026 年 2 月 28 日发布 2.0 版本，一经推出即登顶 GitHub Trending 🥇

解决啥

  • 深度研究：自动搜索、爬取、分析、生成报告
  • 多 Agent 编排：主 Agent 动态spawn子 Agent，并行执行后汇总结果
  • 沙箱执行：代码在隔离环境中运行，安全可控
  • 长期记忆：跨会话记住用户偏好、写作风格、技术栈
  • IM 集成：支持 Telegram、Slack、飞书、企业微信接入
  • 技能扩展：内置研究、报告生成、PPT制作、网页生成等技能
  • 代码 Agent 集成：支持 Claude Code、Codex CLI 接入

怎么跑

1. 快速开始

bash
# 克隆项目
git clone https://github.com/bytedance/deer-flow.git
cd deer-flow

# 生成配置文件
make config

# 启动开发服务
make dev
# 或 Docker 模式（推荐）
make docker-start

访问 http://localhost:2026

2. 配置模型

编辑 config.yaml：

yaml
models:
  - name: gpt-4
    display_name: GPT-4
    use: langchain_openai:ChatOpenAI
    model: gpt-4
    api_key: $OPENAI_API_KEY

  - name: claude-sonnet-4.6
    display_name: Claude Sonnet 4.6
    use: deerflow.models.claude_provider:ClaudeChatModel
    model: claude-sonnet-4-6-20250514
    supports_thinking: true

3. 设置 API Key

编辑 .env：

bash
OPENAI_API_KEY=your-key
TAVILY_API_KEY=your-key

4. Docker 部署（推荐）

bash
# 开发模式
make docker-init
make docker-start

# 生产模式
make up
make down

好在哪

维度说明
架构先进基于 LangGraph + LangChain 构建
多 Agent主 Agent 可动态 spawn 子 Agent，并行执行
沙箱隔离支持 Docker/K8s 隔离执行，安全可靠
长期记忆跨会话记住用户偏好和知识
IM 接入Telegram / Slack / 飞书 / 企业微信
技能丰富内置研究、报告生成、PPT制作、网页生成等
可扩展MCP Server + 自定义 Skills
多模型兼容 OpenAI 协议的任何模型
观测性LangSmith / Langfuse 集成

推荐模型：

  • Doubao-Seed-2.0-Code
  • DeepSeek v3.2
  • Kimi 2.5
  • Claude Sonnet 4.6
  • GPT-4o / GPT-5

怎么用

场景 1：Web UI 对话

启动后访问 http://localhost:2026，直接在浏览器对话。

场景 2：Claude Code 接入

bash
# 安装技能
npx skills add https://github.com/bytedance/deer-flow --skill claude-to-deerflow

# 在 Claude Code 中使用
/claude-to-deerflow

场景 3：Python SDK 调用

python
from deerflow.client import DeerFlowClient

client = DeerFlowClient()

# 普通对话
response = client.chat("分析这篇论文")

# 流式输出
for event in client.stream("hello"):
    print(event)

# 管理功能
models = client.list_models()
skills = client.list_skills()

场景 4：飞书/企业微信接入

yaml
# config.yaml
channels:
  feishu:
    enabled: true
  wecom:
    enabled: true
bash
# .env
FEISHU_APP_ID=cli_xxxx
FEISHU_APP_SECRET=xxx
WECOM_BOT_ID=xxx
WECOM_BOT_SECRET=xxx

场景 5：自定义 Skill 

/mnt/skills/custom/
└── my-skill/SKILL.md

一个 Skill 就是一个 Markdown 文件，定义工作流和最佳实践。

相关链接