【开源】字节跳动开源 DeerFlow 2.0：一站式 SuperAgent 开发框架，GitHub 星标 5.9 万！

DeerFlow（Deep Exploration and Efficient Research Flow）是字节跳动开源的超级 Agent 综合框架，支持 Sub-Agent 编排、Memory 持久化、沙盒隔离和可扩展技能扩展，可处理从分钟级到小时级的各类复杂任务。

📌 项目速览

指标	数据
GitHub	bytedance/deer-flow
⭐ 星标数	59,124
🍴 Fork 数	7,445
主语言	Python 3.12+
许可证	MIT
官网	deerflow.tech

2026 年 2 月 28 日，DeerFlow 2.0 发布当天即登顶 GitHub Trending 第一名！🔥

🌟 什么是 DeerFlow？

DeerFlow 是一个超级 Agent 架构（Harness） ，它的核心思想是：不做一个"大而全"的 AI，而是做一个能调动各种 AI 能力的"指挥官"。

你可以把它理解为 AI Agent 领域的 Spring Boot 或 LangGraph 增强版 ------ 给你一套完整的基础设施，你只需要专注业务逻辑（定义 Skill、编排 Sub-Agent、配置 Memory）。

1.x → 2.0 的本质区别

DeerFlow 2.0 是完全重写，与 1.x 版本零共享代码：

对比项	1.x（Deep Research）	2.0（SuperAgent Harness）
定位	单体深度研究 Agent	多 Agent 协作编排平台
架构	单进程	模块化 + 可扩展
核心能力	研究+写作	研究+编码+执行+多模态
活跃状态	维护模式	主开发分支

🏗️ 核心架构

DeerFlow 的设计理念非常清晰，用一张图可以概括：

复制代码

┌─────────────────────────────────────────┐
│           🌐 用户 / API 请求              │
└──────────────────┬──────────────────────┘
                   │
┌──────────────────▼──────────────────────┐
│         🧠 Orchestrator (主控)            │
│  · 任务拆解与规划                          │
│  · Sub-Agent 调度                         │
│  · 状态管理与流程控制                       │
└──────────────────┬──────────────────────┘
                   │
     ┌─────────────┼─────────────┐
     │             │             │
┌────▼────┐  ┌────▼────┐  ┌────▼────┐
│Research │  │ Coder   │  │ Critic  │
│ Agent   │  │ Agent   │  │ Agent   │
│(研究)   │  │(编码)   │  │(评审)   │
└────┬────┘  └────┬────┘  └────┬────┘
     │             │             │
┌────▼─────────────▼─────────────▼────┐
│         🔧 Skills & Tools           │
│  · Claude Code  · MCP Server        │
│  · Web Search   · InfoQuest         │
│  · Sandbox FS   · Custom Skills     │
└─────────────────────────────────────┘
     │
┌────▼──────────────────────────────┐
│      💾 Long-Term Memory         │
│  · 向量存储 · 结构化记忆            │
└───────────────────────────────────┘

🚀 快速上手

环境要求

Python 3.12+
Node.js 22+（前端）
Docker（推荐）或 uv/pip

一行命令启动（AI Agent 操作指引）

text 复制代码

Help me clone DeerFlow if needed, then bootstrap it for local
development by following https://raw.githubusercontent.com/bytedance/deer-flow/main/Install.md

手动安装

bash 复制代码

# 1. 克隆项目
git clone https://github.com/bytedance/deer-flow.git
cd deer-flow

# 2. 生成配置文件
make config

# 3. 编辑 config.yaml（推荐至少配置一个模型）
# 4. 启动（Docker 方式，推荐）
docker compose up
# 或本地开发
cd backend && uv run fastapi dev app/

基础配置示例（config.yaml）

yaml 复制代码

models:
  - name: gpt-4
    display_name: GPT-4
    use: langchain_openai:ChatOpenAI
    model: gpt-4
    api_key: $OPENAI_API_KEY
    max_tokens: 4096
    temperature: 0.7

  # 也可以用 OpenRouter（兼容 Gemini、Claude 等）
  - name: openrouter-gemini-2.5-flash
    display_name: Gemini 2.5 Flash
    use: langchain_openai:ChatOpenAI
    model: google/gemini-2.5-flash-preview
    api_key: $OPENAI_API_KEY
    base_url: https://openrouter.ai/api/v1

  # 支持 vLLM 本地部署
  - name: qwen3-32b-vllm
    display_name: Qwen3 32B (vLLM)
    use: deerflow.models.vllm_provider:VllmChatModel
    model: Qwen/Qwen3-32B
    api_key: $VLLM_API_KEY
    base_url: http://localhost:8000/v1
    supports_thinking: true

💡 核心功能详解

1. Sub-Agent 编排

DeerFlow 支持多类 Sub-Agent 并行/串行协作：

python 复制代码

# 定义一个 Research Agent
researcher = {
    "name": "web-researcher",
    "model": "gpt-4",
    "role": "网络研究员，负责搜索和收集信息"
}

# 定义一个 Coder Agent
coder = {
    "name": "code-assistant",
    "model": "claude-sonnet-4-6",
    "role": "代码助手，负责编写和调试代码",
    "tools": ["claude-code"]
}

# 定义一个 Critic Agent
critic = {
    "name": "quality-reviewer",
    "model": "gpt-4",
    "role": "质量评审员，负责审查结果并提出改进建议"
}

2. Claude Code 集成（重点！）

DeerFlow 2.0 最亮眼的功能之一：直接在 Agent 中调用 Claude Code，让 AI 帮你写代码、执行命令、操作文件系统！

yaml 复制代码

# Claude Code Agent 配置
models:
  - name: claude-sonnet-4.6
    display_name: Claude Sonnet 4.6 (Claude Code OAuth)
    use: deerflow.models.claude_provider:ClaudeChatModel
    model: claude-sonnet-4-6
    max_tokens: 4096
    supports_thinking: true

Claude Code OAuth 认证在 macOS 上需要手动导出凭据：
bash 复制代码
eval "$(python3 scripts/export_claude_code_oauth.py --print-export)"

3. Skills & Tools 扩展体系

DeerFlow 提供了丰富的内置工具，并支持自定义 Skill 扩展：

类别	工具	说明
🔍 搜索	InfoQuest（BytePlus）	字节自研智能搜索爬取引擎，免费体验
🔍 搜索	Tavily	深度网络搜索
🖥️ 沙盒	Sandbox FS	隔离文件系统，安全执行代码
🔌 协议	MCP Server	支持 Model Context Protocol 扩展
💬 通讯	IM Channels	支持接入飞书、Slack 等 IM
🔍 可观测	LangSmith / Langfuse	全链路追踪与调试
🧠 记忆	Long-Term Memory	向量化持久化记忆

4. Sandbox 沙盒模式

DeerFlow 支持沙盒隔离执行，确保代码在安全环境中运行：

yaml 复制代码

# 启用沙盒模式
sandbox:
  enabled: true
  type: docker  # 或 local
  max_execution_time: 300  # 最大执行时间（秒）
  max_file_size: 10MB

5. Long-Term Memory

DeerFlow 提供了持久化记忆系统，支持向量存储，使 Agent 具备跨会话学习能力：

python 复制代码

# 记忆检索示例
memory.search(query="用户之前询问过关于数据分析的问题")
# 返回相关历史上下文，注入到当前 Agent 的上下文中

🔐 安全须知

DeerFlow 官方明确提示了潜在安全风险：

⚠️ 不恰当的部署方式可能引入安全风险 。沙盒隔离机制主要用于限制代码执行环境，不能完全替代权限控制。

安全建议：

生产环境务必配置 API 密钥和访问权限
沙盒模式不要完全关闭，防止恶意代码执行
定期更新依赖版本，关注 Security Advisory
不要将 DeerFlow 直接暴露在公网

🆚 DeerFlow vs 竞品对比

特性	DeerFlow 2.0	LangGraph	AutoGen	CrewAI
多 Agent 编排	✅	✅	✅	✅
Claude Code 集成	✅	❌	❌	❌
Sandbox 隔离	✅	❌	❌	❌
Long-Term Memory	✅	需自行集成	需自行集成	✅
内置 Web Search	✅ (InfoQuest)	❌	❌	❌
MCP Server	✅	✅	❌	❌
IM 频道集成	✅ (飞书/Slack)	❌	❌	❌
可观测性	LangSmith/Langfuse	LangSmith	❌	❌
开源协议	MIT	MIT	MIT	Apache 2.0
GitHub Stars	59K ⭐	~25K	~40K	~50K

📦 字节跳动 Coding 计划

字节跳动火山引擎为 DeerFlow 用户提供专属优惠计划：

🌐 国际开发者：点击申请
🇨🇳 中国大陆开发者：点击申请
推荐模型：Doubao-Seed-2.0-Code、DeepSeek V3.2、Kimi 2.5

🏁 总结

DeerFlow 2.0 是一个工程化程度极高的 SuperAgent 框架，它解决了以下几个关键问题：

多 Agent 如何协作？ → Sub-Agent 编排 + 状态管理
Agent 如何执行代码？ → Claude Code 集成 + Sandbox 隔离
Agent 如何记住上下文？ → Long-Term Memory
Agent 如何获取最新信息？ → InfoQuest + Tavily 搜索
如何扩展能力？ → MCP Server + 自定义 Skills

如果你正在做 AI Agent 相关的开发，或者想快速搭建一个多能力协作的 AI 助手，DeerFlow 绝对值得一试！

相关资源：

🦌 官网：deerflow.tech
📦 GitHub：github.com/bytedance/deer-flow
📖 官方文档：docs.byteplus.com

标签：AI Agent / SuperAgent / LangChain / Claude Code / Python / 开源 / 字节跳动 / DeerFlow / 多智能体

分类：AI 人工智能 > AI 编程 > Agent 框架