প্রকল্প সম্পর্কে

DeerFlow (Deep Exploration and Efficient Research Flow) হলো ByteDance-এর একটি ওপেন-সোর্স "super agent harness"। এটি সাব-এজেন্ট, দীর্ঘমেয়াদি মেমরি, স্যান্ডবক্সড এক্সিকিউশন এবং এক্সটেনসিবল স্কিল সমন্বয় করে মিনিট থেকে ঘণ্টা-ব্যাপী দীর্ঘমেয়াদি কাজ সম্পন্ন করে, যেমন ডিপ রিসার্চ, কোডিং এবং কনটেন্ট ক্রিয়েশন। সংস্করণ 2.0 সম্পূর্ণ নতুনভাবে লেখা এবং 1.x শাখার সাথে কোনো কোড শেয়ার করে না; মূল deep-research ফ্রেমওয়ার্ক আলাদাভাবে রক্ষণাবেক্ষণ করা হয়। প্রজেক্টটি একটি সেটআপ উইজার্ড (make setup) প্রদান করে যা একটি ন্যূনতম config.yaml এবং .env তৈরি করে, একটি make doctor ডায়াগনস্টিক এবং ইস্যু রিপোর্ট করার জন্য একটি support-bundle কমান্ড। এটি ডেভেলপমেন্ট বা প্রোডাকশনের জন্য Docker Compose (make docker-start, make up) অথবা লোকালভাবে (make dev) Node.js 22+, pnpm, uv এবং nginx সহ চালানো যায়। ডিপ্লয়মেন্ট সাইজিং নির্দেশিকা লোকাল ইভালুয়েশন, Docker ডেভেলপমেন্ট এবং দীর্ঘমেয়াদি সার্ভার কভার করে। এটি LangChain OpenAI-সামঞ্জস্যপূর্ণ ChatOpenAI, OpenAI Responses API, CLI-ভিত্তিক প্রোভাইডার (Codex CLI, Claude Code OAuth), লোকাল মডেলের জন্য vLLM এবং OpenRouter গেটওয়ের মাধ্যমে অনেক LLM প্রোভাইডার সমর্থন করে। প্রতি-মডেল সেটিংসে reasoning/thinking টগল, effort লেভেল, API কী, base URL এবং প্রাইসিং অন্তর্ভুক্ত। মূল ফিচারগুলোর মধ্যে রয়েছে Claude Code ইন্টিগ্রেশন সহ এক্সটেনসিবল Skills & Tools সিস্টেম, সেশন গোল, ম্যানুয়াল কনটেক্সট কম্প্যাকশন, সাব-এজেন্ট, স্যান্ডবক্স ও ফাইল-সিস্টেম আইসোলেশন, কনটেক্সট ইঞ্জিনিয়ারিং এবং দীর্ঘমেয়াদি মেমরি। এটি MCP সার্ভার সাপোর্ট, IM চ্যানেল ইন্টিগ্রেশন, LangSmith, Langfuse বা Monocle দিয়ে ঐচ্ছিক ট্রেসিং, একাধিক প্রোভাইডারের ব্যবহার, পার্সোনাল অ্যাক্সেস টোকেন, শিডিউলড টাস্ক, একটি এমবেডেড Python ক্লায়েন্ট এবং একটি টার্মিনাল ওয়ার্কবেঞ্চ (TUI) অফার করে। একটি ওয়েব UI http://localhost:2026-এ পরিবেশিত হয়, HttpOnly সেশন কুকি ব্যবহার করে ব্রাউজার লগইন সহ; প্রোডাকশন মাল্টি-ওয়ার্কার ডিপ্লয়মেন্টের জন্য Postgres এবং একটি Redis stream bridge প্রয়োজন। README-তে একটি সিকিউরিটি নোটিশ রয়েছে যা সতর্ক করে যে অনুপযুক্ত ডিপ্লয়মেন্ট নিরাপত্তা ঝুঁকি তৈরি করতে পারে এবং সুপারিশ প্রদান করে। এটি Doubao-Seed-2.0-Code, DeepSeek v3.2 এবং Kimi 2.5-এর মতো মডেল দিয়ে চালানোর সুপারিশ করে এবং ওয়েব/ইমেজ সার্চ ও ক্রলিংয়ের জন্য BytePlus InfoQuest ইন্টিগ্রেট করে। প্রজেক্টটি MIT-লাইসেন্সড এবং এতে কনট্রিবিউশন গাইডলাইন ও ডকুমেন্টেশন লিংক রয়েছে।