deer-flow

DeerFlow（Deep Exploration and Efficient Research Flow）是字节跳动开源的一款“超级智能体框架”（super agent harness）。它协调子智能体、长期记忆、沙箱执行和可扩展技能，以处理可能耗时数分钟到数小时的长周期任务，例如深度研究、编程和内容创作。2.0 版本是从头重写，与 1.x 分支不共享代码；最初的深度研究框架仍单独维护。 该项目提供设置向导（make setup），可生成最小的 config.yaml 和 .env，还提供 make doctor 诊断以及用于报告问题的 support-bundle 命令。它可以通过 Docker Compose 用于开发或生产环境（make docker-start、make up），也可以在本地运行（make dev），需要 Node.js 22+、pnpm、uv 和 nginx。部署规模指南涵盖本地评估、Docker 开发和长期运行的服务器。它通过 LangChain OpenAI 兼容的 ChatOpenAI、OpenAI Responses API、CLI 支持的提供方（Codex CLI、Claude Code OAuth）、用于本地模型的 vLLM 以及 OpenRouter 网关支持多种 LLM 提供方。按模型设置包括推理/思考开关、努力级别、API 密钥、基础 URL 和定价。 核心功能包括可扩展的 Skills & Tools 系统，并集成 Claude Code、会话目标、手动上下文压缩、子智能体、沙箱和文件系统隔离、上下文工程以及长期记忆。它还提供 MCP 服务器支持、IM 渠道集成、可选的 LangSmith、Langfuse 或 Monocle 追踪、多提供方使用、个人访问令牌、定时任务、嵌入式 Python 客户端以及终端工作台（TUI）。Web UI 通过 http://localhost:2026 提供，浏览器登录使用 HttpOnly 会话 cookie；生产环境多 worker 部署需要 Postgres 和 Redis 流桥接。 README 包含安全提示，警告不当部署可能引入安全风险，并提供了建议。它建议使用 Doubao-Seed-2.0-Code、DeepSeek v3.2 和 Kimi 2.5 等模型运行，并集成 BytePlus InfoQuest 用于网页/图片搜索和抓取。该项目采用 MIT 许可证，并包含贡献指南和文档链接。