DeerFlow 超级智能体新手完整指南5 分钟跑通自动研究、写码与创作【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flowDeerFlow 2.0 是一个开源的长程超级智能体框架SuperAgent harness一句话发任务它就能调用搜索、爬取、沙箱、记忆和子智能体替你把查资料 → 分析数据 → 写代码 → 出报告这类要干几小时的事串起来跑完。它由 LangGraph 和 LangChain 驱动研究、编码、创作三件事都能接。一张图看懂 DeerFlow 能干什么先别陷入细节记住一句话DeerFlow 不是更强的聊天框而是一个给智能体配齐了基础设施的运行时——文件系统、长期记忆、技能库、沙箱执行、可拆分的子智能体全部开箱即用。它的能力地图大致分四层技能层Skills每个技能是一份 Markdown 工作流定义内置研究、报告生成、幻灯片、网页、图像生成等按需渐进加载不占满上下文窗口。执行层沙箱Python、bash、文件操作都在隔离环境里跑本地、Docker、Kubernetes 三种模式随你切。协作层子智能体 记忆复杂任务拆给子智能体并行干跨会话的偏好和结论存进长期记忆下次接着用。接入层IM 渠道 MCP 定时任务Telegram、Slack、飞书、微信等消息渠道直连MCP 服务器扩展工具定时任务让它在后台按期干活。挑三个最有代表性的场景感受一下深度研究——丢给它一个课题它自己搜、自己爬、自己交叉验证最后交一份带配图的研究报告。数据分析与可视化——给它一个 CSV它能写出分析代码、在沙箱里执行并把饼图、柱状图直接产出到结果里。下面这张图就是它跑 Titanic 生存率分析时的真实产物。幻灯片与内容创作——研究结果还能继续加工生成 PPT 大纲、封面页、网页甚至漫画分镜一条流水线走到底。动手前先把环境备齐DeerFlow 2.0 是彻底重写的新架构和 1.x 不共享代码所以装之前先确认走对路线。你需要的东西不多但都有版本要求Docker 路线推荐Docker Engine 或 Docker Desktop Compose v2.24docker compose version能正常输出版本号即可。本地开发路线Node.js 22、pnpm、uv、nginx用make check一条命令就能自检。硬件底线本地跑建议 4 vCPU / 8 GB 内存起步2 vCPU / 4 GB 基本不够要长期当服务用8 vCPU / 16 GB 更稳。资源确认后再获取代码。克隆下来后所有步骤都从项目根目录出发git clone https://gitcode.com/GitHub_Trending/de/deer-flow cd deer-flow接着跑一遍 2 分钟左右的交互式向导它会帮你选模型提供商、搜索工具、沙箱模式生成最小化的config.yaml并把密钥写进.envmake setup然后二选一启动Docker 开发模式用make docker-initmake docker-start本地开发用make install再make dev。启动成功后浏览器打开http://localhost:2026就能看到工作台。中途卡住别硬猜随时跑make doctor它会给出可直接照做的修复提示。卡住了按症状翻文档文档很多平铺着读会迷路。换个思路——带着问题查对号入座更快想懂它怎么搭起来的Nginx 怎么路由、Gateway 里嵌的 LangGraph 运行时、检查点机制→ 读 backend/docs/ARCHITECTURE.md开头那张系统架构图值得先看三遍。配置改不动 / 想接自己的模型和 MCP 服务器→ 读 backend/docs/CONFIGURATION.md沙箱模式、MCP、渠道都在这里配完整字段参考仓库根目录的config.example.yaml。想接 Telegram、Slack、飞书这类消息渠道→ 查 backend/docs/IM_CHANNEL_CONNECTIONS.md。想在终端里用不想起浏览器→ 看 backend/docs/TUI.mddeerflow命令可以纯终端跑共享同一套配置和会话。想调接口写集成→ 读 backend/docs/API.md它提供 LangGraph 兼容的 runs/threads API 和 SSE 流式输出。记忆系统怎么存、怎么改→ 从 backend/docs/MEMORY_SETTINGS_REVIEW.md 开始它是最短的审阅路径。一条实用规律backend/docs/里的文档基本一文一主题文件名即目录搜关键词往往比通读更快。社区在替你踩坑借力就好DeerFlow 2.0 上线后冲上过 GitHub Trending 榜首背后是一个相当活跃的社区字节跳动团队主导核心开发社区贡献者持续推技能包、集成和渠道适配。它从深度研究框架长成超级智能体运行时靠的就是社区把它往数据管道、幻灯片、内容自动化这些官方没预料的方向上推。参与的方式比想象中轻。遇到问题时先跑make support-bundle——它会自动生成脱敏的问题摘要和证据包贴给维护者基本就能定位省掉来回追问的尴尬。想动手改代码仓库根目录的CONTRIBUTING.md写清了开发环境搭建和工作流后端测试默认离线可跑make test不花一分钱 API 费用。新想法可以直接开 Issue 讨论技能层面甚至不用碰框架代码往skills/里写一份带SKILL.md的目录就是给 DeerFlow 装新本事的最短路径。现在就能做的第一件事别读完就关页面——花 10 分钟把它跑起来比记住所有概念都管用按上文克隆仓库、make setup、启动服务打开http://localhost:2026直接问它帮我研究一下某个话题并生成可视化亲眼看一次搜索、执行、出图的完整链路。跑通后把 backend/docs/ARCHITECTURE.md 压在桌面后面每改一处配置、每加一个技能都回来看一眼它落在架构的哪一层——你会发现 DeerFlow 的扩展方式远比再写个 prompt优雅得多。【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flow创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考