DeerFlow

Was ist DeerFlow?

DeerFlow (Deep Exploration and Efficient Research Flow) ist ein Open-Source SuperAgent-Harness, entwickelt von ByteDance, aufgebaut auf LangGraph und LangChain. Es geht weit über herkömmliche Chatbots hinaus, indem es Agents einen echten 'Computer' gibt — eine isolierte Sandbox-Umgebung mit vollständigem Dateisystem, Shell-Zugang und Code-Ausführung. DeerFlow orchestriert spezialisierte Sub-Agents parallel, um komplexe, langandauernde Aufgaben von tiefgehender Web-Forschung und Datenanalyse bis hin zu Berichtsgenerierung, Folienerstellung und Videoproduktion zu bewältigen. Es unterstützt erweiterbare Skills, persistenten Speicher und drei Sandbox-Bereitstellungsmodi (lokal, Docker, Kubernetes), wodurch es sowohl für einzelne Entwickler als auch für unternehmensweite Workflows geeignet ist.

Hauptfunktionen

• SuperAgent Orchestrierung

  Ein Lead-Agent generiert dynamisch mehrere Sub-Agents, die parallel laufen, koordiniert diese und synthetisiert ihre strukturierten Ergebnisse zu einer kohärenten finalen Ausgabe — wodurch komplexe mehrstufige Aufgaben viel schneller abgeschlossen werden können.

• Isolierte Sandbox-Ausführung

  Jede Aufgabe läuft in einem sicheren Docker-Container mit einem echten Dateisystem, wodurch der Agent Dateien lesen/schreiben, bash-Befehle ausführen und Code ausführen kann — nicht nur darüber sprechen. Unterstützt lokale, Docker- und Kubernetes-Bereitstellungsmodi.

• Erweiterbares Skill-System

  Wird mit eingebauten Skills für Forschung, Berichtsgenerierung, Folienerstellung, Webseitengenerierung und Bild-/Videogenerierung geliefert. Skills werden bei Bedarf geladen, um den Kontext schlank zu halten, und benutzerdefinierte Skills können frei hinzugefügt oder ausgetauscht werden.

• Persistenter Speicher & Kontext-Engineering

  Behält langfristigen Speicher über Sitzungen hinweg bei und verwaltet aggressiv den Kontext, indem abgeschlossene Sub-Tasks zusammengefasst und Zwischenergebnisse in das Dateisystem ausgelagert werden, wodurch die Leistung bei erweiterten Workflows scharf bleibt.

• Multimodale Ausgabegenerierung

  Produziert vielfältige Ausgabeformate einschließlich Forschungsberichten, PowerPoint-Präsentationen, Audio-Podcasts, Webseiten, Bildern und Videos — alle angetrieben von einem einzigen natürlichsprachlichen Prompt.

• Lokale LLM & Open-Source-Flexibilität

  Vollständig Open-Source unter MIT-Lizenz mit community-getriebener Entwicklung. Kompatibel mit lokalen LLMs über Ollama oder cloud-basierten Modellen, wodurch Benutzer vollständige Kontrolle über ihren Stack ohne Vendor-Lock-in erhalten.

Anwendungsfälle

• Tiefgehende Forschung & Berichtsgenerierung : Forscher und Analysten können komplexe Forschungsanfragen einreichen; DeerFlow durchsucht das Web, synthetisiert glaubwürdige Quellen und liefert automatisch strukturierte, zitatgestützte Berichte.
• Automatisierte Inhaltsproduktion : Content-Teams können Multi-Format-Ausgaben — Artikel, Foliensätze, Werbevideos und Podcast-Skripte — aus einem einzigen Prompt generieren, wobei Sub-Agents jedes Format parallel bearbeiten.
• Datenanalyse & Visualisierung : Datenprofis können explorative Datenanalyse durchführen, Python-Code in einer Sandbox-Umgebung ausführen und Visualisierungen und Erkenntnisse erhalten, ohne die Plattform zu verlassen.
• Unternehmens-Workflow-Automatisierung : Organisationen können DeerFlow auf Kubernetes bereitstellen, um komplexe mehrstufige Geschäftsworkflows — von Wettbewerbsforschung bis Dokumentengenerierung — in einer sicheren, auditbaren Umgebung zu automatisieren.
• Entwickler-Agent-Prototyping : Entwickler können DeerFlow als Grundlage verwenden, um benutzerdefinierte Agent-Workflows zu erstellen und zu testen, indem sie ihre eigenen Skills, Tools und LLM-Backends über seine modulare Architektur einbinden.

Häufig gestellte Fragen