收录于 AI

2026-04-03 约 476 字预计阅读 3 分钟 - 次阅读

DeerFlow 2.0：字节跳动的开源超级智能体框架

什么是 DeerFlow

DeerFlow（Deep Exploration and Efficient Research Flow）是字节跳动开源的超级智能体（SuperAgent）框架。它能够研究、编码和创造，通过沙箱、记忆、工具、技能和子智能体的协作，处理从几分钟到几小时不等的多层次任务。

DeerFlow 2.0 于 2026 年 2 月 27 日发布，一经推出便迅速登上 GitHub Trending 第一名，24 小时内获得 35,300+ 颗星，目前累计已超过 45,000 颗星。

⚠️ 注意：DeerFlow 2.0 是完全重写的版本，与 1.0 版本没有共享代码。

核心特性

1. 沙箱执行（Sandbox）

DeerFlow 在隔离的沙箱环境中执行代码，确保安全性和稳定性：

1
2
3
4
5
6
7


# Docker 沙箱配置示例
sandbox:
  use: src.community.aio_sandbox:AioSandboxProvider
  image: enterprise-public-cn-beijing.cr.volces.com/vefaas-public/all-in-one-sandbox:latest
  port: 8080
  auto_start: true
  container_prefix: deer-flow-sandbox

隔离执行环境
支持代码运行
网络请求转发
文件系统访问

2. 持久记忆（Memory）

DeerFlow 具有强大的记忆功能，可以在对话之间保持上下文：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


class MemoryMiddleware:
    def before_model(self, state, runtime):
        # 注入记忆上下文
        memory_content = format_memory_for_injection(
            memory_data,
            max_tokens=config.max_injection_tokens,
            current_context=conversation_context,
        )
        # 注入为系统消息
        memory_message = SystemMessage(
            content=f"<memory>\n{memory_content}\n</memory>",
            name="memory_context",
        )

长期记忆存储
上下文感知检索
自动事实提取

3. 子智能体（Sub-Agents）

支持将任务委托给专门的子智能体处理：

研究子智能体：负责信息收集和整理
编码子智能体：负责代码编写和调试
创建子智能体：负责内容生成

4. 可扩展工具（Tools）

内置丰富的工具集：

网络搜索：获取最新信息
内容抓取：爬取网页内容
代码执行：运行 Python 代码
文件管理：读写文件
知识检索：RAG 知识库查询

5. 消息网关（Message Gateway）

支持多渠道消息接入和分发。

6. 技能系统（Skills）

通过技能扩展框架能力：

1
2
3
4
5
6
7
8


# 技能配置示例
skills:
  - name: web_search
    type: search
    provider: tavily
  - name: code_executor
    type: sandbox
    language: python

架构设计

DeerFlow 2.0 采用现代化的全栈架构：

技术栈

后端：Python + LangGraph
前端：React + TypeScript
数据库：SQLite（本地存储）
执行环境：Docker 沙箱

核心架构

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21


┌─────────────────────────────────────────────────────────┐
│                    User Interface                        │
│         (React + TypeScript Web App)                      │
├─────────────────────────────────────────────────────────┤
│                    Backend API Layer                      │
│         (FastAPI + WebSocket)                             │
├─────────────────────────────────────────────────────────┤
│                   LangGraph Core                         │
│  ┌─────────────┬─────────────┬─────────────┐           │
│  │   Planner   │   Executor  │   Memory    │           │
│  │   Agent     │   Agent     │   Manager   │           │
│  └─────────────┴─────────────┴─────────────┘           │
├─────────────────────────────────────────────────────────┤
│                   Tool Integration                        │
│  ┌─────────┬─────────┬─────────┬─────────┐              │
│  │ Search  │ Crawl  │  Code   │  File   │              │
│  └─────────┴─────────┴─────────┴─────────┘              │
├─────────────────────────────────────────────────────────┤
│              Sandboxed Execution                         │
│         (Docker Container per Thread)                    │
└─────────────────────────────────────────────────────────┘

线程隔离

每个对话/任务运行在独立的线程环境中：

独立的内存空间
独立的文件系统
独立的网络访问

安装部署

前置要求

Python 3.10+
Docker
Node.js 18+（前端开发）
OpenAI API Key 或其他 LLM 提供商

安装步骤

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19


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

# 2. 安装后端依赖
cd backend
pip install -r requirements.txt

# 3. 配置环境变量
cp .env.example .env
# 编辑 .env 文件，填入 API Key

# 4. 启动后端
python -m src.main

# 5. 启动前端（另一个终端）
cd frontend
npm install
npm run dev

Docker 部署

1
2


# 使用 Docker Compose
docker compose up -d

使用方法

基本使用流程

创建任务：在 Web 界面输入任务描述
智能规划：Agent 自动规划执行步骤
执行任务：按计划执行各步骤
返回结果：汇总并展示结果

配置 LLM

编辑 backend/.env 文件：

1
2
3
4
5
6


# OpenAI
OPENAI_API_KEY=sk-...

# 或使用其他提供商
LLM_PROVIDER=anthropic
ANTHROPIC_API_KEY=sk-...

示例任务

1
2
3
4
5
6
7
8


# 研究任务
"帮我调研一下最新的 AI Agent 框架发展趋势"

# 编码任务
"写一个 Python 脚本来分析 CSV 文件并生成图表"

# 创建任务
"写一篇关于 Rust 编程语言的文章"

与 1.0 版本对比

特性	DeerFlow 1.0	DeerFlow 2.0
架构	基础架构	LangGraph 重构
代码共享	-	零共享，完全重写
沙箱	基础隔离	Docker 隔离
记忆	简单存储	TF-IDF 上下文感知
扩展性	有限	技能系统
活跃状态	维护中	活跃开发

应用场景

深度研究：自动化信息收集和报告生成
代码开发：辅助编程和调试
数据分析：执行分析脚本和可视化
内容创作：生成文章、文档
知识管理：构建私人知识库

总结

DeerFlow 2.0 是一个功能强大的开源超级智能体框架。它通过 LangGraph 实现了灵活的编排能力，结合沙箱执行、持久记忆和可扩展工具，能够处理复杂的多步骤任务。

对于需要构建 AI 助手、研究自动化工具或知识管理系统的开发者来说，DeerFlow 2.0 是一个值得关注的选项。

参考链接

GitHub：https://github.com/bytedance/deer-flow
官方文档：https://github.com/bytedance/deer-flow/blob/main/README.md
社区讨论：https://github.com/bytedance/deer-flow/discussions