DeerFlow 使用教程

📖 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）

GitHub 项目： github.com/bytedance/deer-flow
安装指引： 仓库 README 的 Quick Start 章节
更多教程：关注公众号 / 抖音 / 视频号「IT小圈」

✨ 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

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：

bashmake 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。

启动服务（Docker 推荐）

bashmake 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。

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。

Q: 电脑配置要求高吗？

本地体验建议 4 核 CPU / 8G 内存 / 20G 磁盘起步（2 核 4G 通常不够）；Docker 部署建议 8 核 16G 更从容。如果只是轻量尝鲜，用托管模型 API + 本地模式即可，长期跑多智能体任务再上服务器。