2026年DeerFlow 2.0：字节开源的超级 Agent 框架，让 AI 真正干活

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

 
  
    
    
      作者：madprinter 
     
日期：2026-03-24 
项目地址：https://github.com/bytedance/deer-flow 
 
 
 
 
 
 








    
DeerFlow（Deep Exploration and Efficient Research Flow）是字节跳动开源的一款超级 Agent 框架。2026 年 2 月 28 日，DeerFlow 2.0 正式发布后迅速登顶 GitHub Trending 榜首，目前已有近 40,000 颗星。
与传统的 AI 框架不同，DeerFlow 不仅仅是一个"聊天机器人"，它是一个真正能干活的 Agent 运行环境。它拥有自己的文件系统、沙箱执行环境、长期记忆系统，可以自主规划任务并调度多个子 Agent 协同工作。
为什么 DeerFlow 值得关注？ 
  
    
     
     大厂背书：字节跳动出品，经过真实业务场景验证 
     架构先进：基于 LangGraph 和 LangChain 构建，设计优雅 
     功能完整：开箱即用的文件系统、记忆系统、沙箱执行 
     高度可扩展：支持自定义技能、工具、MCP 服务器 
     多模型支持：兼容 OpenAI API 格式的所有大模型 
    
1. 技能系统（Skills）
DeerFlow 的核心是技能系统。每个技能是一个结构化的能力模块，包含工作流程、**实践和相关资源引用。
内置技能包括： 
  
    
     
     🔍 深度研究（Research） 
     📝 报告生成（Report Generation） 
     📊 PPT 制作（Slide Creation） 
     🌐 网页生成（Web Page） 
     🎨 图片/视频生成（Image/Video Generation） 
    
技能按需加载，不会一次性占用大量上下文，这对 Token 敏感的模型非常友好。
/mnt/skills/public ├── research/SKILL.md ├── report-generation/SKILL.md ├── slide-creation/SKILL.md ├── web-page/SKILL.md └── image-generation/SKILL.md 
2. 子 Agent 系统（Sub-Agents）
复杂任务很少能一次完成。DeerFlow 可以将任务分解，动态生成多个子 Agent 并行执行。 
  
    
     
     每个子 Agent 有独立的作用域上下文 
     子 Agent 可以并行执行，提高效率 
     主 Agent 负责汇总所有结果，生成最终输出 
    
例如：一个研究任务可以分解为十多个子 Agent，每个探索不同角度，最终汇聚成一份完整报告。
3. 沙箱执行环境（Sandbox）
DeerFlow 不只是"说说而已"，它有自己的"电脑"——每个任务在独立的 Docker 容器中运行： 
  
    
     
     ✅ 完整的文件系统 
     ✅ Bash 命令执行 
     ✅ 代码运行能力 
     ✅ 图片查看能力 
     ✅ 会话隔离，零污染 
    
/mnt/user-data/ ├── uploads/ # 用户上传的文件 ├── workspace/ # Agent 工作目录 └── outputs/ # 最终交付物 
4. 长期记忆（Long-Term Memory）
大多数 Agent 在对话结束后就忘记一切。DeerFlow 会记住： 
  
    
     
     用户画像和偏好 
     技术栈信息 
     重复的工作流程 
     历史交互经验 
    
记忆本地存储，完全由用户控制。系统会自动去重，避免重复信息无限累积。
5. 多通道集成（IM Channels）
DeerFlow 支持多种即时通讯工具接入：

通道传输方式难度 Telegram Bot API (长轮询) 简单 Slack Socket Mode 中等飞书/Lark WebSocket 中等

无需公网 IP，所有通道配置后即可自动启动。

6. Claude Code 集成

通过 claude-to-deerflow 技能，可以直接在 Claude Code 中与 DeerFlow 交互：

npx skills add https://github.com/bytedance/deer-flow –skill claude-to-deerflow

支持的功能：

发送任务并获取流式响应
选择执行模式：flash/fast/standard/pro/ultra
查看健康状态、模型、技能列表
管理对话线程和历史
上传文件进行分析

快速开始

1. 克隆项目

git clone https://github.com/bytedance/deer-flow.git cd deer-flow

2. 生成配置文件

make config

这会基于模板创建本地配置文件。

3. 配置模型

编辑 config.yaml，配置至少一个模型：

models:-name: gpt-4display_name: GPT-4use: langchain_openai:ChatOpenAI model: gpt-4api_key: \(OPENAI_API_KEY max_tokens:4096temperature:0.7-name: openrouter-gemini-2.5-flash display_name: Gemini 2.5 Flash (OpenRouter) use: langchain_openai:ChatOpenAI model: google/gemini-2.5-flash-preview api_key: \)OPENAI_API_KEY base_url: https://openrouter.ai/api/v1

4. 设置 API Key

推荐方式：编辑项目根目录的 .env 文件

TAVILY_API_KEY=your-tavily-api-key OPENAI_API_KEY=your-openai-api-key INFOQUEST_API_KEY=your-infoquest-api-key

5. 启动服务

Docker 方式（推荐）：

make docker-init # 拉取沙箱镜像（只需一次）make docker-start # 启动服务

本地开发方式：

make check # 检查依赖makeinstall# 安装依赖make dev # 启动服务

访问：http://localhost:2026

飞书/钉钉集成示例

在 config.yaml 中配置：

channels:feishu:enabled:trueapp_id: \(FEISHU_APP_ID app_secret: \)FEISHU_APP_SECRET slack:enabled:truebot_token: \(SLACK_BOT_TOKEN app_token: \)SLACK_APP_TOKEN

在 .env 中设置对应的密钥即可。

DeerFlow 2.0 是完全重写的版本，与 1.x 没有任何代码共享。核心架构：

┌─────────────────────────────────────────┐ │ Gateway (API Gateway) │ ├─────────────────────────────────────────┤ │ LangGraph Agent Server │ ├──────────────┬──────────────┬───────────┤ │ Skills │ Tools │ Memory │ ├──────────────┴──────────────┴───────────┤ │ Sandbox (Docker/K8s) │ └─────────────────────────────────────────┘

Gateway：统一 API 入口，处理认证、路由、会话管理
LangGraph Server：Agent 编排引擎
Skills/Tools：可扩展的能力模块
Memory：长期记忆存储
Sandbox：隔离执行环境

DeerFlow 已经超越最初的研究工具定位，社区开发者用它实现了：

📊 数据管道自动化
📽️ PPT/幻灯片自动生成
📈 数据看板搭建
📝 内容工作流自动化
🔍 深度市场调研
💻 代码生成和审查

DeerFlow 2.0 代表了一个重要趋势：AI Agent 正在从”聊天”走向”干活”。

它不是又一个聊天机器人包装器，而是一个真正能让 AI 执行复杂任务的运行环境。通过沙箱隔离、多 Agent 协作、长期记忆等设计，DeerFlow 解决了传统 Agent 框架的几个关键痛点：

上下文限制：通过子 Agent 分解和上下文摘要
执行能力：通过沙箱提供真实的执行环境
记忆缺失：通过长期记忆系统跨会话学习
扩展困难：通过技能和 MCP 服务器轻松扩展

如果你正在构建 AI 应用，或者想让 AI 帮你完成实际工作，DeerFlow 绝对值得关注。

相关资源：

项目地址：https://github.com/bytedance/deer-flow
官方网站：https://deerflow.tech
中文文档：https://github.com/bytedance/deer-flow/blob/main/README_zh.md
InfoQuest 搜索工具：https://docs.byteplus.com/en/docs/InfoQuest/What_is_Info_Quest

2026年DeerFlow 2.0：字节开源的超级 Agent 框架，让 AI 真正干活

为什么 DeerFlow 值得关注？

1. 技能系统（Skills）

2. 子 Agent 系统（Sub-Agents）

3. 沙箱执行环境（Sandbox）

4. 长期记忆（Long-Term Memory）

5. 多通道集成（IM Channels）