详细介绍
DeerFlow（Deep Exploration and Efficient Research Flow）是字节跳动开源的超级智能体运行时框架（SuperAgent Harness）。它通过编排子智能体、记忆和沙箱环境，配合可扩展的技能系统，能够处理从几分钟到几小时不同级别的复杂任务。
DeerFlow 2.0 是从零开始的重写版本，基于 LangGraph 和 LangChain 构建，开箱即用地包含了智能体所需的一切：文件系统、记忆、技能、沙箱执行环境，以及规划和生成子智能体来处理复杂多步骤任务的能力。
主要特性
技能与工具
DeerFlow 的技能系统是其核心能力所在。标准智能体技能是一个结构化的能力模块——包含工作流、最佳实践和支持资源引用的 Markdown 文件。DeerFlow 内置了研究、报告生成、幻灯片创建、网页制作、图像和视频生成等技能。更重要的是其强大的可扩展性：你可以添加自己的技能、替换内置技能，或将它们组合成复合工作流。
子智能体
复杂任务很少能一次性完成。DeerFlow 会将它们分解。主导智能体可以动态生成子智能体——每个子智能体都有自己的作用域上下文、工具和终止条件。子智能体尽可能并行运行，报告结构化结果，然后主导智能体将所有内容综合成连贯的输出。
沙箱与文件系统
DeerFlow 不仅"谈论"做事情，它有自己的计算机。每个任务都在隔离的 Docker 容器中运行，拥有完整的文件系统——包括技能、工作区、上传和输出。智能体可以读取、写入和编辑文件，执行 bash 命令和代码，查看图像。所有操作都在沙箱中，可审计，会话之间零污染。
上下文工程
DeerFlow 主动管理上下文——总结已完成的子任务，将中间结果卸载到文件系统，压缩不再直接相关的内容。这使其能够在长多步骤任务中保持敏锐，而不会爆掉上下文窗口。每个子智能体都在自己隔离的上下文中运行，确保子智能体能够专注于手头的任务。
长期记忆
DeerFlow 会在会话之间建立关于你的个人资料、偏好和积累知识的持久记忆。你使用得越多，它就越了解你——你的写作风格、技术栈、循环工作流。记忆存储在本地，始终在你的控制之下。
即时通讯集成
DeerFlow 支持从消息应用接收任务。通道在配置后自动启动——不需要公网 IP。支持 Telegram、Slack、飞书/Lark 等平台。
使用场景
- 深度研究：通过多智能体并行探索不同角度，自动生成综合报告
- 内容创作：自动生成幻灯片、网页、图像和视频
- 数据工程：构建数据处理管道，分析数据集，生成可视化仪表盘
- 自动化工作流：执行复杂的多步骤任务，如代码审查、文档生成、测试自动化
- 开发辅助：在隔离环境中编写和测试代码，处理文件操作
技术特点
- 模型无关：兼容任何实现 OpenAI 兼容 API 的 LLM
- 长上下文支持：推荐使用支持 100k+ tokens 的模型进行深度研究和多步骤任务
- 推理能力：需要支持推理的模型以实现自适应规划和复杂分解
- 多模态输入：支持图像理解和视频理解
- 强大的工具调用：需要可靠的函数调用和结构化输出支持
- Docker 集成：支持本地执行、Docker 执行和 Kubernetes 执行三种沙箱模式
- MCP 服务器：支持可配置的 MCP 服务器和技能扩展能力
- 嵌入式 Python 客户端：可作为嵌入式 Python 库使用，无需运行完整的 HTTP 服务