DeerFlow

DeerFlow 是由字节跳动开源的一个 “超级智能体框架”（Super Agent Harness），旨在协调子智能体、记忆系统和沙盒环境，以自动完成复杂、多步骤的研究、编码和内容创作任务。项目自2025年5月首次开源以来，社区反响热烈，并于2026年2月底发布了完全重写的2.0版本，在GitHub Trending上登顶，目前已获得超过2.5万个Star。

项目核心定位

• 从研究工具到通用框架：DeerFlow 最初是一个“深度研究”（Deep Research）框架，但由于开发者们用它构建了数据管道、生成幻灯片等多种场景，团队意识到其潜力，因此在2.0版本中将其从零重构，升级为一个更通用的智能体运行环境。

• 核心理念：它不仅仅是另一个 AI Agent 框架，而是一个让AI真正能够“动手做事”的平台——拥有自己的文件系统、记忆和可隔离的执行环境。

核心架构与特性

DeerFlow 2.0 基于 LangChain 和 LangGraph 构建，代码结构清晰，降低了学习和使用多智能体系统的门槛。其核心特性包括：

1. 技能与工具的可扩展体系：

   • 技能：以Markdown文件描述的结构化能力模块，内置了研究、报告生成、幻灯片创建等技能。技能支持按需加载（Lazy Load），以保持上下文窗口的精简。

   • 工具：包括网络搜索、网页获取、文件操作、Bash执行等，并支持通过 MCP 服务器或 Python 函数进行扩展。

2. 子智能体编排：主智能体能够将复杂任务动态拆解，生成多个拥有独立上下文和工具的并行子智能体，最后将结果汇总输出，适合“分钟到小时级”的长流程任务。

3. 真正的沙盒与文件系统：每个任务都在隔离的 Docker 容器中运行，拥有完整的文件系统。智能体可以在其中读写编辑文件、执行命令、查看图像，所有操作均可审计，且会话之间零污染。

4. 上下文工程与长期记忆：通过自动总结、将中间结果卸载到文件系统等方式，有效控制长任务中的上下文窗口膨胀。同时，支持跨会话的长期记忆，持久化存储用户偏好和积累的知识，且所有记忆默认存储在本地，由用户掌控。

5. 丰富的输出格式：支持将研究成果生成图文并茂的报告、双人主持的播客音频（借助火山引擎TTS技术）、PPT以及文字版PPT，并允许用户通过自然语言对生成内容进行实时修改和优化。

6. 人机交互：支持“人在回路”（Human-in-the-loop）功能，例如在生成研究计划后，会等待用户确认或编辑后再继续执行，确保最终结果符合预期。

主要应用场景

• 深度研究与报告撰写：自动从多角度搜集资料，整合成结构化报告。

• 内容创作：一站式完成从研究、报告生成、幻灯片制作到播客生成的全过程。

• 自动化工作流与数据流水线：可作为数据处理的“发动机”，自动化执行从数据抓取、处理到生成图表或仪表盘的流程。

• 可审计的代码执行：在受控的沙盒环境中执行代码，适用于需要高度可追溯性的企业或研究场景。

版本与社区

• 最新版本：DeerFlow 2.0 于2026年2月发布，与1.x版本无代码共享，是一次完全的重写。

• 开源协议：采用非常开放的 MIT 许可证，允许自由使用和修改。

• 社区与贡献：项目非常活跃，已有99位贡献者，核心团队来自字节跳动。

总的来说，DeerFlow 是一个功能强大、设计理念先进的开源智能体框架。它通过提供完整的运行环境（沙盒、文件系统、记忆、技能），将AI从单纯的“聊天”能力扩展到能独立完成复杂任务的“执行”能力，特别适合需要深度研究、自动化内容生成和可审计任务执行的开发者和企业用户。