DeerFlow 超级智能体编排框架

🦌 DeerFlow 超级智能体编排框架

DeerFlow（Deep Exploration and Efficient Research Flow）是字节跳动开源的一款长周期超级智能体编排框架**，能够自主完成研究、编码和内容创作等复杂任务。通过集成沙箱、记忆、工具、技能、子智能体和消息网关等组件，DeerFlow 可处理从几分钟到数小时不等的多层级任务。

项目简介

DeerFlow 的核心设计理念是提供一个可扩展的"智能体编排器"（Super Agent Harness），让开发者能够轻松构建和部署能够自主完成复杂任务的 AI 智能体。2.0 版本经过全新重写，引入了多项核心特性，支持 Docker 一键部署，并兼容多种主流 LLM 提供商。

核心功能

• 子智能体编排：支持创建和管理多个子智能体，实现复杂任务的分解与并行处理
• 沙箱与文件系统：提供安全的代码执行环境，支持文件读写和程序运行
• 技能与工具扩展：内置可扩展的技能系统，支持集成 Claude Code 等外部工具
• 长期记忆：支持跨会话的记忆存储，让智能体能够记住用户偏好和历史交互
• 上下文工程：提供手动上下文压缩功能，优化长对话场景下的模型性能
• 多模型支持：兼容 OpenAI、Anthropic、Google 等主流 LLM，支持自定义模型接入
• 可观测性集成：支持 LangSmith、Langfuse 等追踪工具，便于调试和监控
• 定时任务：支持配置定时执行的自动化任务
• 终端工作台（TUI）：提供终端交互界面，方便开发者进行调试和操作

使用场景

1. 深度研究：自动收集、分析和综合网络信息，生成结构化的研究报告
2. 智能编码：利用内置的编码技能和工具，辅助开发者完成代码编写、审查和调试
3. 内容创作：自动生成文章、播客脚本、视频文案等多类型内容
4. 多智能体协作：编排多个子智能体协同完成复杂任务，如市场分析、竞品调研等
5. 自动化工作流：结合定时任务功能，实现周期性自动化的数据采集和处理流程

快速开始

bash
# 克隆仓库
git clone https://github.com/bytedance/deer-flow.git
cd deer-flow

# 运行配置向导
make setup

# Docker 方式启动（推荐）
make docker-init
make docker-start

推荐人群

• AI 应用开发者：希望构建复杂 AI 智能体应用的开发者
• 研究团队：需要自动化信息收集和分析的研究人员
• DevOps 工程师：希望实现自动化运维和监控流程的工程师
• 技术爱好者：对 AI 智能体和自动化技术感兴趣的爱好者
• 产品经理：需要快速验证 AI 产品原型的团队

项目信息

• GitHub: bytedance/deer-flow
• Stars: 79,765
• Forks: 10,910
• License: MIT License
• 语言: Python
• 主页: https://deerflow.tech

---

⚠️ 声明：本文内容由 AI 助手根据公开的 GitHub 仓库信息整理生成，仅供参考。项目功能和使用方式请以官方文档和最新代码为准。

来源信息

• 原始仓库: bytedance/deer-flow
• 作者: bytedance
• 开源协议: MIT License
• Stars: ⭐ 79765
• Forks: 🍴 10910
• 编程语言: Python

---

⚠️ 内容由 AI 整理，信息以原项目为准。请前往 原项目 查看最新信息。