字节跳动开源超级Agent框架（非常详细），GitHub 33K星爆火，从入门到精通，收藏这一篇就够了！

超过33,000颗星4,000个 fork1,635次提交。2025年5月首次开源2026年2月28日发布全面重写的 V2 版本后直接冲上了GitHub Trending 第一名。它的名字叫DeerFlow全称 Deep Exploration and Efficient Research Flow。MIT 协议完全开源。出品方——字节跳动。而它做的事情比你想象的要大得多。. . . . .DeerFlow 是什么DeerFlow 官网deerflow.tech一句话概括DeerFlow 不是一个聊天机器人也不是一个简单的 Agent 工具链。它是一个Super Agent Harness超级 Agent 运行架——它的工作是为 AI Agent 提供完整的运行基础设施让一群 Agent 像一支真正的团队一样协作完成复杂任务。你给它一个任务它会自动拆解计划、分配子任务、调用研究员去搜索信息、让程序员写代码、在沙箱里执行验证最后把结果汇总交给你。整个过程中你可以随时介入给反馈。它能生成什么研究报告、代码、PPT 演示文稿、网页还可通过自定义 Skill 扩展到视频和播客。这已经不是「AI 助手」的范畴了——这是一个完整的 AI 工作流引擎。. . . . .为什么 DeerFlow 值得注意市面上的 Agent 框架已经很多了——AutoGPT、CrewAI、MetaGPT……DeerFlow 凭什么脱颖而出答案在于一个关键差异DeerFlow 给了 Agent 一台真正的「计算机」。大多数 Agent 框架的执行能力是受限的——Agent 只能调用 API、读写文件、跑跑脚本。但 DeerFlow 通过 Docker 容器为每个任务提供了完全隔离的沙箱环境Agent 拥有独立的文件系统、可以执行任意 Bash 命令、运行代码就像坐在一台真实的电脑前一样。这意味着 Agent 不仅能「想」还能真正地「做」——而且做的过程是安全、可控、可审计的。. . . . .核心架构Lead Agent Sub-AgentsDeerFlow V2 采用了全新的Lead Agent Sub-Agents架构设计DeerFlow V2 多 Agent 协作架构Lead Agent主 Agent整个系统的中枢。它负责理解你的意图判断任务复杂度然后决定是直接回答简单问题还是生成子 Agent 去处理复杂任务。它通过一套10 个中间件处理沙箱、摘要、记忆、标题等来协调整个工作流。Sub-Agents子 Agent按需动态生成的执行者。每个子 Agent 拥有独立的上下文、工具集和终止条件可以并行工作。多个子 Agent 同时执行不同的子任务完成后将结果汇报给 Lead Agent 进行综合。Human-in-the-loop人类反馈你自己也是这个团队的一员。DeerFlow 通过ask_clarification工具在关键决策点暂停征求你的意见确保 Agent 的工作方向始终符合你的预期。. . . . .Docker 沙箱安全执行的护城河DeerFlow 最令人印象深刻的设计之一就是它的Docker 沙箱执行环境。当 Agent 需要执行代码时它不是在你的本地机器上裸跑——而是在一个完全隔离的 Docker 容器中运行。支持 Local、Docker、Docker Kubernetes 三种沙箱模式●文件系统隔离—— Agent 操作的文件不会影响你的本地环境即使出了错也不会搞坏你的系统●命令执行隔离—— Bash 命令在容器内执行没有权限逃逸到宿主机●完整审计追踪—— 每一步操作都有记录你可以事后回溯 Agent 到底做了什么●可重复性—— 相同的任务在相同的容器配置下得到相同的结果这解决了 AI Agent 领域最大的信任问题我怎么敢让一个 AI 在我的电脑上跑任意代码DeerFlow 的答案是你不需要让它在你的电脑上跑。给它一个沙箱让它在里面自由发挥外面的世界是安全的。. . . . .Skills 系统用 Markdown 定义工作流DeerFlow 的Skills 系统是另一个亮点。DeerFlow 任务分解与并行执行流程每个 Skill 本质上是一个用Markdown 文件定义的工作流模板。你可以把常用的复杂任务封装成 Skill下次只需要一个命令就能触发整个流程。DeerFlow 内置了多种 Skill 模板●研究报告生成—— 给定主题自动搜索、分析、撰写结构化报告●PPT/演示文稿制作—— 从内容到排版自动生成可用的幻灯片●网页生成—— 根据需求生成完整的 HTML 页面●图片生成—— 基于文字描述生成配图Skills 系统的优雅之处在于它用最简单的格式Markdown来定义最复杂的行为多步骤 AI 工作流。你不需要学习任何编程语言或 DSL只需要会写 Markdown就能定制自己的 Agent 工作流。. . . . .记忆与上下文不是金鱼的 Agent大多数 AI Agent 有一个致命问题记忆力差。每次对话都像是重新开始之前的研究成果、用户偏好、项目背景全部丢失。DeerFlow 通过两个机制解决了这个问题●长期记忆Long-term Memory—— Agent 可以把重要的信息持久化存储跨会话保持记忆。上周的研究结论、你的偏好设置、项目的背景知识都不会丢失。●上下文摘要Context Summarization—— 当对话变长、上下文窗口接近极限时DeerFlow 会智能压缩之前的对话内容保留关键信息丢弃冗余细节。此外DeerFlow 还内置了去重机制——记忆更新时自动跳过重复条目避免无限膨胀。. . . . .多模型 多集成不绑定任何一家DeerFlow 在模型支持上非常开放推荐的模型包括●豆包 Seed 2.0 Code字节自家模型●DeepSeek V3.2●Kimi 2.5月之暗面同时兼容 GPT-4、Claude、Gemini 等主流商业模型。用本地模型跑可以完全零 API 费用用商业模型则能获得更强的推理能力。在集成方面DeerFlow 支持Telegram、Slack、飞书/Lark等主流即时通讯平台还支持MCPModel Context Protocol服务器带 OAuth 认证。Claude Code 可以通过 “claude-to-deerflow” 技能直接调用 DeerFlow。. . . . .三步开始从零到运行DeerFlow 的部署设计得非常简洁整个过程只需要三步❶克隆仓库并生成配置——make config❷配置模型—— 在config.yaml中设置 API Key❸Docker 启动——make docker-start默认访问http://localhost:2026DeerFlow GitHub 仓库33K 星标技术栈基于Python 3.12后端LangGraph LangChain和Node.js 22前端。整个项目完全自托管——你的数据、你的模型、你的服务器不经过任何第三方。V2 是一次从零开始的彻底重写与 V1 没有任何代码共享V1 仍在1.x分支维护。这说明团队对架构的思考经历了根本性的升级。. . . . .为什么开发者应该关注 DeerFlow●字节跳动的工程底蕴—— 出自全球最大的技术公司之一33K 星和活跃社区证明了它的生命力●真正的隔离执行—— Docker 沙箱不是噱头它解决了 Agent 落地最关键的安全和信任问题●V2 彻底重写的决心—— 能推倒重来的团队说明他们对「做对」比「做快」更在意●开放生态—— 多模型支持、多平台集成、MCP 协议、Skills 系统……不是封闭的围墙花园●MIT 开源—— 没有任何使用限制自由使用、修改、商用AI Agent 正在从「概念验证」走向「生产落地」。DeerFlow 代表的是这个进程中的一个重要里程碑——它证明了 Agent 框架可以同时做到强大、安全、开放、易用。如果你正在探索 AI Agent 的可能性DeerFlow 值得你花一个下午去尝试。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】