DeerFlow 开源超级智能体框架完整指南三步跑通深度研究到成果落地【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 是一个开源的长周期超级智能体框架你给它一个目标它自己查资料、写代码、做图靠子智能体和沙箱把几分钟到几小时的任务跑完最后把报告、网页或幻灯片交到你手上。谁需要 DeerFlow想象两个场景。第一个领导让你周一交一份行业调研报告你需要自己搜十几个网站、核对来源、整理成文。第二个你手里有一份数据想不出结论、画不了图、也搭不出一个可分享的页面。如果你日常的任务是一整件事而不是一个问题DeerFlow 适合你——它替你把从输入到产出的全链路跑完。反过来如果你只是想要单次问答、查个事实、改两行代码那它对你属于杀鸡用牛刀直接用普通聊天机器人更省事。接到任务技能和工具决定它怎么开工你能用它做什么直接说帮我做一份调研报告它知道该按什么流程做、引用哪些最佳实践。原理上DeerFlow 把每类任务的工作流沉淀成技能——一个定义流程和资源的 Markdown 模块按需渐进加载不会一次塞满上下文所以即使用省 token 的模型也能稳定工作。研究、报告、幻灯片、网页、图像生成这些常用技能都内置了你也可以往skills/custom目录放自己的技能替换或扩展。工具侧同样可扩展网络搜索、抓取、文件操作、bash 执行之外还能通过 MCP 服务器和 Python 函数挂上自定义工具。拆解执行子智能体如何分工你能用它做什么把一个庞大任务拆给一队分身并行干活。DeerFlow 的主导智能体会动态生成子智能体每个都有独立的上下文、工具和终止条件互相隔离、互不干扰每轮最多 3 个并行、15 分钟超时跑完返回结构化结果由主导智能体汇总成连贯产出。一个研究任务可以扩出十几个子智能体各探一个角度最后汇聚成一份报告。安全落地与沉淀沙箱、上下文和记忆你能用它做什么放心让它跑代码、改文件、发命令。每个任务在隔离的 Docker 容器里执行容器有完整文件系统——/mnt/user-data下分 uploads、workspace、outputs 三区所有操作可审计会话之间零污染。长任务中它还会自动总结已完成的子任务、把中间结果卸载到文件系统避免撑爆上下文窗口。对话结束后它不是全忘DeerFlow 会把你的偏好、习惯、常复用的工作流存成本地记忆用得越久越懂你数据完全在你手里。一次真实任务怎么跑一组巴黎街头照片你对它说生成一组徕卡风格的巴黎街拍。主导智能体先定调随后派子智能体分工一个负责构图和光线风格一个负责生成图像产出的 JPG 直接落到沙箱的 outputs 目录你能随时取走、预览。整个过程你只需要看进度不用切工具。三步上手克隆仓库并进入目录git clone https://gitcode.com/GitHub_Trending/de/deer-flow cd deer-flow运行 2 分钟配置向导它会引导你选模型厂商、搜索和沙箱偏好自动生成配置文件make setup用 Docker 启动推荐路径Docker 用户跳过预拉取也没问题make docker-init make docker-start完成后在浏览器访问 http://localhost:2026 即可开始对话。配置遇到问题就运行make doctor它会给出可执行的修复提示。一句话收尾DeerFlow 把深度研究升级成交付成果一个框架覆盖研究、编码和创作。核心资料入口安装指南、后端架构文档、配置文件参考。【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 DeerFlow 开源超级智能体框架完整指南：三步跑通深度研究到成果落地
DeerFlow 开源超级智能体框架完整指南三步跑通深度研究到成果落地【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 是一个开源的长周期超级智能体框架你给它一个目标它自己查资料、写代码、做图靠子智能体和沙箱把几分钟到几小时的任务跑完最后把报告、网页或幻灯片交到你手上。谁需要 DeerFlow想象两个场景。第一个领导让你周一交一份行业调研报告你需要自己搜十几个网站、核对来源、整理成文。第二个你手里有一份数据想不出结论、画不了图、也搭不出一个可分享的页面。如果你日常的任务是一整件事而不是一个问题DeerFlow 适合你——它替你把从输入到产出的全链路跑完。反过来如果你只是想要单次问答、查个事实、改两行代码那它对你属于杀鸡用牛刀直接用普通聊天机器人更省事。接到任务技能和工具决定它怎么开工你能用它做什么直接说帮我做一份调研报告它知道该按什么流程做、引用哪些最佳实践。原理上DeerFlow 把每类任务的工作流沉淀成技能——一个定义流程和资源的 Markdown 模块按需渐进加载不会一次塞满上下文所以即使用省 token 的模型也能稳定工作。研究、报告、幻灯片、网页、图像生成这些常用技能都内置了你也可以往skills/custom目录放自己的技能替换或扩展。工具侧同样可扩展网络搜索、抓取、文件操作、bash 执行之外还能通过 MCP 服务器和 Python 函数挂上自定义工具。拆解执行子智能体如何分工你能用它做什么把一个庞大任务拆给一队分身并行干活。DeerFlow 的主导智能体会动态生成子智能体每个都有独立的上下文、工具和终止条件互相隔离、互不干扰每轮最多 3 个并行、15 分钟超时跑完返回结构化结果由主导智能体汇总成连贯产出。一个研究任务可以扩出十几个子智能体各探一个角度最后汇聚成一份报告。安全落地与沉淀沙箱、上下文和记忆你能用它做什么放心让它跑代码、改文件、发命令。每个任务在隔离的 Docker 容器里执行容器有完整文件系统——/mnt/user-data下分 uploads、workspace、outputs 三区所有操作可审计会话之间零污染。长任务中它还会自动总结已完成的子任务、把中间结果卸载到文件系统避免撑爆上下文窗口。对话结束后它不是全忘DeerFlow 会把你的偏好、习惯、常复用的工作流存成本地记忆用得越久越懂你数据完全在你手里。一次真实任务怎么跑一组巴黎街头照片你对它说生成一组徕卡风格的巴黎街拍。主导智能体先定调随后派子智能体分工一个负责构图和光线风格一个负责生成图像产出的 JPG 直接落到沙箱的 outputs 目录你能随时取走、预览。整个过程你只需要看进度不用切工具。三步上手克隆仓库并进入目录git clone https://gitcode.com/GitHub_Trending/de/deer-flow cd deer-flow运行 2 分钟配置向导它会引导你选模型厂商、搜索和沙箱偏好自动生成配置文件make setup用 Docker 启动推荐路径Docker 用户跳过预拉取也没问题make docker-init make docker-start完成后在浏览器访问 http://localhost:2026 即可开始对话。配置遇到问题就运行make doctor它会给出可执行的修复提示。一句话收尾DeerFlow 把深度研究升级成交付成果一个框架覆盖研究、编码和创作。核心资料入口安装指南、后端架构文档、配置文件参考。【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