DeerFlow - Deep Exploration and Efficient Research Flow
DeerFlow 是一个开源的超级 Agent 框架，通过编排子 Agent、记忆和沙箱来处理各种任务——由可扩展的技能驱动。
2026年2月28日，DeerFlow 2.0 在 GitHub Trending 排名第一。
核心定位
DeerFlow (Deep Exploration and Efficient Research Flow) is an open-source super agent harness that orchestrates sub-agents, memory, and sandboxes to do almost anything — powered by extensible skills.
版本 2.0 是完全重写，与 v1 版本无任何共享代码。
核心特性
- 多模型支持：强烈推荐使用 Doubao-Seed-2.0-Code、DeepSeek v3.2 和 Kimi 2.5
- InfoQuest 集成：字节跳动自研的智能搜索和爬虫工具集
- 沙箱模式：安全隔离的执行环境
- MCP Server 支持：Model Context Protocol 服务器
- LangSmith/Langfuse 追踪：完整的执行追踪能力
- 子 Agent 编排：灵活的多 Agent 协作架构
- 长期记忆：持久化记忆系统
部署配置
硬件需求
| 部署场景 | 最低配置 | 推荐配置 | 说明 | |----------|----------|----------|------| | 本地评估 / make dev | 4 vCPU, 8GB RAM, 20GB SSD | 8 vCPU, 16GB RAM | 适合一到两个开发者使用轻量会话 | | Docker 开发 / make docker-start | 4 vCPU, 8GB RAM, 25GB SSD | 8 vCPU, 16GB RAM | 镜像构建和绑定挂载需要更多资源 | | 长期运行服务器 / make up | 8 vCPU, 16GB RAM, 40GB SSD | 16 vCPU, 32GB RAM | 共享使用、多 Agent 运行或重沙箱工作负载 |
快速启动
# 克隆仓库
git clone https://github.com/bytedance/deer-flow.git
cd deer-flow
# 运行设置向导
make setup
# 运行诊断检查
make doctorDocker 部署（推荐）
# 仅首次运行或镜像更新时
make docker-init
# 启动服务
make docker-start
# 停止服务
make docker-stop本地开发
# 检查前置条件
make check
# 安装依赖
make install
# 启动开发服务
make dev启动模式
DeerFlow 支持多种启动模式：
- Dev / Prod：dev 启用热重载；prod 使用预构建前端
- Standard / Gateway：Standard 模式使用独立的 LangGraph 服务器；Gateway 模式（实验性）将 Agent 运行时嵌入 Gateway API
| 模式 | 本地开发 | Docker Dev | Docker Prod | |------|----------|------------|-------------| | Dev | make dev | make docker-start | — | | Dev + Gateway | make dev-pro | make docker-start-pro | — | | Prod | make start | — | make up | | Prod + Gateway | make start-pro | — | make up-pro |
技能系统（Skills）
DeerFlow 内置可扩展的技能系统，包括：
- 搜索技能：集成 InfoQuest 智能搜索
- 沙箱技能：安全的代码执行环境
- 记忆技能：短期/长期记忆管理
- 文件系统技能：动态上下文发现和计划持久化
- 工具设计：MCP 工具构建
安全建议
⚠️ 不当部署可能引入安全风险。请确保：
- 使用沙箱模式隔离不可信代码
- 限制 bash 访问权限
- 配置适当的文件写入限制
- 定期更新到最新版本