Deer Flow

Deer Flow 快速入门

字节跳动开源的长周期 SuperAgent 框架——76.9K Stars，GitHub Trending #1，从研究到编码到创作，一个 Agent 搞定所有

⭐ 评分: 8.5/10 💰 价格: 开源免费 🏢 厂商: 字节跳动 🌐 官网: deerflow.tech

一、这是什么

Deer Flow（Deep Exploration and Efficient Research Flow）是字节跳动开源的 SuperAgent 框架。它不是普通的 AI Agent，而是一个”超级 Agent 驾驭器”——通过子 Agent 编排、长期记忆、沙箱执行和消息网关，让一个 Agent 可以处理从几分钟到几小时的复杂任务。

Deer Flow 2.0 是 2026 年 2 月发布的完全重写版本，与 v1 无代码共享。v1 是 Deep Research 框架，v2 升级为通用 SuperAgent 平台。发布后即登顶 GitHub Trending #1，目前 76.9K Stars、10.4K Forks。

核心理念是”一个 Agent 驾驭一切”：你可以让 Deer Flow 做深度研究（搜索 + 分析 + 报告）、编码（读取代码库 + 修改 + 测试）、创作（大纲 + 撰写 + 修订），甚至混合任务。它通过 Skills 和 Tools 扩展能力，支持 Claude Code 集成，兼容 MCP 协议。

适合人群：需要 AI 处理复杂长周期任务的开发者、研究人员、创作用户。尤其适合字节生态（火山方舟/豆包）用户。

二、快速上手

准备工作

• Python 3.12+ 和 Node.js 22+
• Docker（推荐）或本地开发环境
• LLM API Key（推荐豆包 Seed 2.0 Code / DeepSeek v3.2 / Kimi 2.5）
• Git

安装

git clone https://github.com/bytedance/deer-flow.git
cd deer-flow
make setup

运行 make setup 会启动交互式配置向导，引导你选择 LLM 提供商、配置搜索工具、设置沙箱模式等。约 2 分钟完成。

验证安装：make doctor 检查所有依赖是否就绪。

启动

# Docker 方式（推荐）
docker compose up -d

# 本地开发方式
make dev

然后通过 Web UI 或 CLI 与 Deer Flow 交互。详细文档见 官方文档。

三、核心功能

子 Agent 编排（Sub-Agents）

Deer Flow 最核心的能力。你可以将一个大任务拆解为多个子任务，每个子任务由专门的子 Agent 处理。例如：研究任务 → 搜索子 Agent 收集资料 + 分析子 Agent 提炼观点 + 写作子 Agent 生成报告。子 Agent 之间可以共享上下文和记忆。

沙箱安全执行（Sandbox）

所有代码执行、文件操作、Shell 命令都在隔离的沙箱中运行。支持 Docker 沙箱和本地沙箱两种模式。沙箱限制了 Agent 能访问的文件系统和网络，防止误操作影响宿主机。

长期记忆（Memories）

Deer Flow 内置记忆系统，跨会话保持上下文。Agent 会记住你的偏好、项目背景、之前的决策。支持手动压缩上下文（Context Compaction）以优化 token 消耗。

消息网关（Message Gateway）

支持多渠道接入：Web UI、CLI、飞书、Slack 等 IM 渠道。Agent 可以在不同渠道间同步工作状态，你可以通过手机上的飞书消息随时查看 Agent 进度。

Skills 和 Tools 扩展

内置丰富的 Skills 和 Tools 系统，支持 MCP 协议。集成了字节跳动 InfoQuest 智能搜索工具，可直接进行深度网络搜索。支持 Claude Code 集成——如果你已有 Claude Code 的 Skills，可以直接在 Deer Flow 中使用。

定时任务（Scheduled Tasks）

支持 Cron 风格的定时任务，可设置 Agent 按计划自动执行研究、数据采集、报告生成等任务。

四、竞品对比

与 Manus 对比：Manus 是商业闭源 Agent 平台，提供云端 VM 执行环境。Deer Flow 是开源自部署方案，你可以完全控制数据和执行环境。Manus 更适合非技术用户即开即用，Deer Flow 更适合需要定制和私有部署的团队。

与 Hermes Agent 对比：Hermes Agent 是通用 Agent 框架，侧重多渠道 IM 集成和 Kanban 编排。Deer Flow 更侧重长周期任务执行，内置沙箱和子 Agent 编排。两者可以互补——Hermes 做任务调度，Deer Flow 做深度执行。

与 CrewAI 对比：CrewAI 是多 Agent 角色扮演框架，侧重角色定义和任务分配。Deer Flow 的子 Agent 系统更灵活，不限于固定角色，可根据任务动态创建子 Agent。

五、常见踩坑

1. Docker 资源要求：沙箱模式需要 Docker 运行。确保 Docker 分配了足够的 CPU 和内存（建议 4GB+），否则子 Agent 执行会超时
2. 模型选择：v2 推荐豆包 Seed 2.0 Code 或 DeepSeek v3.2。用其他模型可能遇到工具调用格式不兼容的问题
3. v1 用户注意：v2 是完全重写，不含 v1 代码。v1 维护在 main-1.x 分支。如果你在用 v1 的 Deep Research 功能，不要升级到 v2
4. 配置复杂度：功能强大但配置项多。新手建议先用 make setup 向导，不要手动编辑 config.yaml
5. 资源消耗：长时间运行的任务（小时级）会消耗大量 LLM token。建议设置 token 预算上限

六、常见问题 FAQ

Q1: Deer Flow 和 Claude Code 有什么区别？

A: Claude Code 是终端编码 Agent，专注代码任务。Deer Flow 是通用 SuperAgent 框架，可以处理研究、编码、创作等多种任务。Deer Flow 可以集成 Claude Code 作为子 Agent 使用。

Q2: 需要付费吗？

A: Deer Flow 本身开源免费（MIT 协议）。但运行需要 LLM API 调用，模型费用另计。字节跳动提供 Coding Plan 优惠，详见 火山方舟活动页。

Q3: 适合个人开发者吗？

A: 适合。Docker 一键部署，单人使用完全够用。但如果你只需要简单的编码辅助，Claude Code 或 Cursor 可能更轻量。

Q4: 支持中文吗？

A: 完全支持。README 有中文版，文档有中文，模型推荐中包含豆包和 Kimi。字节跳动团队主要维护，中文生态友好。

Q5: 数据安全吗？

A: 自部署方案，所有数据都在你的服务器上。LLM 调用数据发送到模型提供商（如火山方舟），不经过 Deer Flow 的中间服务器。

参考链接

• GitHub 仓库
• 官方网站
• 火山方舟 Coding Plan
• InfoQuest 搜索工具

最后更新：2026-07-14 · 作者：MagicNetWorld