跳到主要内容

DeerFlow 2.0

一、项目概览​

DeerFlow（Deep Exploration and Efficient Research Flow）是字节跳动（ByteDance）开源的一个 SuperAgent 编排框架。它能够协调子代理（Sub-agents）、沙箱（Sandboxes）、记忆系统（Memory）、工具（Tools）和可扩展技能（Skills），处理从几分钟到数小时不等的复杂任务——涵盖研究、编程和创作领域 GitHub - bytedance/deer-flow。

关键指标​

指标数据
⭐ GitHub Stars89,000+
🍴 Forks7,500+
📜 开源协议MIT
🏷️ 最新版本DeerFlow 2.0
📅 2.0 发布日期2026 年 2 月 27 日
🏆 里程碑2026 年 2 月 28 日登顶 GitHub Trending #1

One Open Source Project a Day - DeerFlow ByteDance DeerFlow 2.0 Review

二、核心架构​

DeerFlow 2.0 采用多层服务架构，基于 LangGraph 作为 Agent 编排层，使用有向无环图（DAG）管理复杂的工作流依赖关系 DeerFlow Architecture - DEV Community。

flowchart TD
    User[👤 用户] --> Gateway[📨 Message Gateway<br/>消息网关]
    Gateway --> LeadAgent[🧠 Lead Agent<br/>主代理]
    LeadAgent --> |任务分解| Planner[📋 Task Planner<br/>任务规划器]
    Planner --> SubAgent1[🔍 子代理 A<br/>网络搜索]
    Planner --> SubAgent2[💻 子代理 B<br/>代码执行]
    Planner --> SubAgent3[📊 子代理 C<br/>数据分析]
    SubAgent1 --> Sandbox[📦 Sandbox<br/>Docker 沙箱]
    SubAgent2 --> Sandbox
    SubAgent3 --> Sandbox
    Sandbox --> Memory[🧠 Memory<br/>记忆系统]
    Memory --> LeadAgent
    LeadAgent --> Reporter[📝 Reporter<br/>报告生成]
    Reporter --> User

核心组件​

组件功能描述
Lead Agent（主代理）负责理解用户意图、分解任务、协调子代理
Sub-agents（子代理）并行处理子任务，如搜索、编码、分析等
Sandbox（沙箱）基于 Docker 的安全执行环境，支持 Shell、文件管理、浏览器、MCP 和 VSCode Server
Memory（记忆系统）跨对话持久化存储，支持上下文记忆
Tools（工具）内置网络搜索、网页抓取、Python 执行等工具
Skills（技能）渐进式加载的可扩展技能库，支持自定义
Message Gateway（消息网关）统一的消息入口，支持多种渠道（Web UI、飞书等）

DeerFlow - deerflow.tech MarkTechPost - DeerFlow 2.0

三、技术栈​

层级技术选型
Agent 编排LangGraph（图状态机）
后端Python + FastAPI
前端Node.js + Next.js + React
沙箱Docker 容器
流式传输Redis Streams
LLM 支持兼容 OpenAI、Qwen 等多种模型
部署Docker Compose 一键部署

DeerFlow Technical Stack - PyShine DeerFlow 2.0 Guide - Apidog

四、核心特性​

1. 任务分解与并行执行​

DeerFlow 不采用单一模型处理所有任务的方式，而是将复杂任务分解为多个子任务，由不同的子代理并行处理 MarkTechPost - DeerFlow 2.0。例如一个市场调研任务可以同时拆分为：

  • 子代理 A：网络搜索融资数据
  • 子代理 B：竞品分析
  • 子代理 C：生成相关图表

2. "开箱即用"设计理念​

DeerFlow 提供的是一个已经能运行的完整系统——内置默认执行模型、Skills、Sandbox 和 Memory 层。开发者可以在此基础上扩展，而非从零开始组装 DeerFlow 2.0 - dev.to。

3. All-in-One Sandbox​

推荐的沙箱方案整合了浏览器、Shell、文件系统、MCP 和 VSCode Server 于一个 Docker 容器中，提供安全的隔离执行环境 DeerFlow - deerflow.tech。

4. 渐进式技能加载​

技能按需加载，只有需要时才加载对应的技能文件，既节省资源又保持系统的灵活性 DeerFlow - deerflow.tech。

5. 多模型支持​

支持 OpenAI 风格、Qwen 风格等多种推理模型。对于 Qwen 类模型，DeerFlow 通过 extra_body.chat_template_kwargs.enable_thinking 切换推理模式，并保留 vLLM 的非标准 reasoning 字段 DeerFlow README。

6. 多渠道消息集成​

支持 Web UI 和飞书（Feishu）等消息平台。对于飞书卡片更新，DeerFlow 会存储每条入站消息对应的卡片 message_id，并在运行完成前持续更新同一张卡片 DeerFlow backend README。

五、版本演进​

gantt
    title DeerFlow 发展时间线
    dateFormat YYYY-MM-DD
    section v1.0 时代
    初始发布（深度研究框架）    :2025-01-01, 2025-06-01
    社区成长与功能迭代          :2025-06-01, 2025-12-01
    section v2.0 时代
    2.0 版本发布               :milestone, 2026-02-27, 0d
    登顶 GitHub Trending #1    :milestone, 2026-02-28, 0d
    持续迭代（89K+ Stars）     :2026-03-01, 2026-04-13
  • v1.0（2025 年初）：最初定位为"社区驱动的深度研究框架"，结合语言模型与网络搜索、爬虫、Python 执行等工具 fancyboi999 - GitHub。
  • v2.0（2026 年 2 月 27 日）：从"深度研究 Agent"升级为全栈 SuperAgent，引入子代理系统、沙箱、记忆系统、可扩展技能等核心能力，发布当日即登顶 GitHub Trending ByteDance DeerFlow 2.0 Review。

六、与同类项目对比​

项目Stars特点
DeerFlow 2.089,000+完整 SuperAgent 编排，沙箱+记忆+技能
Microsoft AutoGen25,000+多 Agent 对话框架
CrewAI15,000+角色扮演式多 Agent 框架

DeerFlow 的差异化在于其开箱即用的完整系统——不需要开发者从零组装，而是提供一个已能运行的 Agent 基础设施，开发者在此基础上按需扩展 ByteDance DeerFlow 2.0 Review。

七、快速上手​

DeerFlow 使用 Python 开发后端，前端基于 Node.js。

# 1. repo clone
git clone https://github.com/bytedance/deer-flow.git

# 2. workspace
cd deer-flow

# 3. 生成配置文件
make config
# 编辑 `config.yaml`  和 `.env`

# 4. check, install
make check  # 校验 Node.js 22+、pnpm、uv、nginx
make install  # 安装 backend + frontend 依赖

# 5. start
make dev

启动后访问 http://localhost:2026 即可进行使用

DeerFlow - Gitee

八、总结​

DeerFlow 是目前 GitHub 上最热门的 AI Agent 框架之一，核心亮点包括：

  1. 从"深度研究"进化为"全能 SuperAgent"——不再局限于搜索调研，而是覆盖研究、编码、创作全场景
  2. LangGraph 编排 + 子代理并行——通过图状态机管理复杂工作流，子代理可并行执行子任务
  3. 沙箱隔离执行——Docker 容器提供安全的代码执行和文件操作环境
  4. 记忆 + 技能的可扩展架构——跨会话持久化记忆，渐进式技能加载
  5. 开源社区驱动——MIT 协议，89K+ Stars，活跃的社区贡献

Sources​