DeerFlow

什么是DeerFlow？

DeerFlow（深度探索和高效研究流程）是由字节跳动开发的开源 SuperAgent 框架，基于 LangGraph 和 LangChain 构建。它远超传统聊天机器人，为智能体提供真正的'计算机'——一个具有完整文件系统、shell 访问和代码执行的隔离沙箱环境。DeerFlow 并行编排专门的子智能体来处理复杂的长期运行任务，从深度网络研究和数据分析到报告生成、幻灯片创建和视频制作。它支持可扩展技能、持久化内存和三种沙箱部署模式（本地、Docker、Kubernetes），适用于个人开发者和企业级工作流。

主要功能

• SuperAgent 编排

  主导智能体动态生成并协调多个并行运行的子智能体，然后将它们的结构化结果合成为连贯的最终输出——使复杂的多步骤任务能够更快地完成。

• 隔离沙箱执行

  每个任务都在具有真实文件系统的安全 Docker 容器内运行，允许智能体读写文件、执行 bash 命令和运行代码——而不仅仅是谈论它。支持本地、Docker 和 Kubernetes 部署模式。

• 可扩展技能系统

  内置研究、报告生成、幻灯片创建、网页生成和图像/视频生成等技能。技能按需加载以保持上下文精简，可以自由添加或替换自定义技能。

• 持久化内存与上下文工程

  跨会话维护长期内存，通过总结已完成的子任务并将中间结果卸载到文件系统来积极管理上下文，在扩展工作流程中保持性能敏锐。

• 多模态输出生成

  生成多样化的输出格式，包括研究报告、PowerPoint 演示文稿、音频播客、网页、图像和视频——所有这些都由单一的自然语言提示驱动。

• 本地 LLM 与开源灵活性

  在 MIT 许可证下完全开源，由社区驱动开发。兼容通过 Ollama 的本地 LLM 或基于云的模型，让用户完全控制其技术栈，无供应商锁定。

使用场景

• 深度研究与报告生成 : 研究人员和分析师可以提交复杂的研究查询；DeerFlow 搜索网络，综合可信来源，并自动提供结构化的、有引用支持的报告。
• 自动化内容生产 : 内容团队可以从单一提示生成多格式输出——文章、幻灯片、宣传视频和播客脚本，子智能体并行处理每种格式。
• 数据分析与可视化 : 数据专业人员可以运行探索性数据分析，在沙箱环境中执行 Python 代码，并在不离开平台的情况下接收可视化和洞察。
• 企业工作流自动化 : 组织可以在 Kubernetes 上部署 DeerFlow，在安全、可审计的环境中自动化复杂的多步骤业务工作流——从竞争研究到文档生成。
• 开发者 Agent 原型设计 : 开发者可以使用 DeerFlow 作为基础来构建和测试自定义的智能体工作流，通过其模块化架构插入自己的技能、工具和 LLM 后端。

常见问题