DeerFlow 使用教程-cmzhiku

项目简介

DeerFlow（Deep Exploration and Efficient Research Flow）是字节跳动开源、
已拿下 77K Star 的「超级智能体」框架。2.0 版本彻底重写：你只需要用一句话描述任务，
主智能体就会自动拆解，并行派出多个子智能体分头干活，最终汇总产出调研报告、网页、幻灯片等成品。

它与普通聊天机器人的本质区别是：DeerFlow 给了 AI 一台「真实的电脑」——每个任务都在
隔离的 Docker 沙箱里运行，AI 可以读写文件、执行命令、跑 Python 脚本；
配合持久化记忆（越用越懂你）和 Markdown 技能系统（最佳实践即插即用），
能完成从几分钟到数小时的长链路任务。发布当天即登顶 GitHub Trending 全球第一。

📎 相关链接与下载地址（点击展开）

核心亮点

👥 并行子智能体

主智能体自动拆任务，派出多个子智能体同时干活，各自独立上下文互不干扰

📦 沙箱真实执行

每个任务跑在隔离 Docker 容器里，读写文件、执行命令、跑代码，可审计零污染

🧠 持久化记忆

跨会话记住你的偏好和上下文，越用越懂你

🧩 技能系统

Markdown 定义技能、渐进式加载，报告 / 网页 / 播客 / 音乐生成即插即用

如何使用

步骤 1

克隆仓库并初始化配置

准备一台装好 Docker 的机器（建议 4 核 CPU / 8G 内存起步）。在 GitHub 搜索 deer-flow
进入字节跳动官方仓库，克隆到本地后，在项目目录运行：

bash

make setup

交互式向导会引导你填入大模型 API Key 和搜索引擎配置，自动生成 config.yaml。
随时可用 make doctor 自检环境。

步骤 2

启动服务（Docker 推荐）

bash

make docker-init    # 拉取沙箱镜像（仅首次）
make docker-start   # 启动全部服务

国内网络可先设置镜像源环境变量（清华 PyPI 源 + npmmirror），再执行上面两条命令，构建速度更快。

步骤 3

打开 Web 界面，一句话下任务

启动完成后在浏览器打开本地 Web 界面，直接输入任务，比如「调研聚变能源领域的明星创业公司，产出一份带图表的报告」。
可以实时看到主智能体拆解任务、子智能体并行执行的全过程，最终在输出目录拿到报告 / 网页 / 幻灯片成品。

常见问题

Q: 我在用 1.x 的 Deep Research 版本，升级会有影响吗？

2.0 是彻底重写，与 1.x 不共享任何代码。原来的 Deep Research 框架仍在仓库的
main-1.x 分支上维护，可以继续使用；新功能开发全部在 2.0 主分支进行，建议新项目直接上 2.0。

Q: 支持哪些大模型？

基于 LangGraph / LangChain 构建，主流模型都能接：OpenAI、Claude、Gemini、豆包、DeepSeek、
StepFun、MiMo 等，还支持 Codex CLI / Claude Code OAuth 等 CLI 方式接入；搜索端支持 Tavily、Brave Search、
SearXNG 等多种引擎，配置里换个条目即可。