deer-flow - 开源软件介绍、Docker 部署与官方下载

软件介绍

DeerFlow（Deep Exploration and Efficient Research Flow）是一个开源的长周期超级代理框架，它通过编排子代理、记忆和沙箱，结合可扩展的技能，能够完成几乎任何任务。它基于LangGraph和LangChain构建，内置文件系统、记忆、技能和沙箱感知执行，支持复杂多步骤任务的规划与子代理并行执行。

核心功能

子代理编排：主代理可动态生成子代理，每个子代理拥有独立上下文和工具，支持并行执行与结果合成。

沙箱与文件系统：每个任务拥有独立执行环境，包含完整的文件系统（技能、工作区、上传、输出），支持安全隔离的shell命令执行。

长期记忆：跨会话持久化用户档案、偏好和知识，记忆本地存储，用户完全控制。

可扩展技能：通过Markdown文件定义结构化能力模块，支持自定义技能、MCP服务器和Python函数工具。

多IM渠道集成：支持Telegram、Slack、飞书、钉钉、微信等即时通讯渠道，无需公网IP。

嵌入式Python客户端：无需运行HTTP服务即可在进程内使用DeerFlowClient访问所有代理和网关能力。

终端工作台（TUI）：终端原生界面，支持键盘驱动聊天、流式输出、命令面板，与Web UI共享线程存储。

模型无关：兼容任何OpenAI兼容API的LLM，推荐支持长上下文、推理能力和强工具使用的模型。

适用场景

深度研究与报告生成：自动分解研究主题，并行探索多个角度，生成综合报告。数据流水线与仪表盘：构建数据处理流程，生成可视化仪表盘。内容创作：自动生成幻灯片、网页、图片、视频等多媒体内容。代码开发与调试：在沙箱环境中编写、测试和调试代码。自动化工作流：通过IM渠道接收任务，自动执行多步骤工作流。

Docker 部署

make docker-init && make docker-start

FAQ

DeerFlow 2.0与1.x版本有何不同？

DeerFlow 2.0是完全重写的版本，与v1不共享代码。v1作为Deep Research框架维护在1.x分支，2.0转向超级代理框架，内置更多基础设施。

DeerFlow支持哪些模型？

DeerFlow模型无关，支持任何OpenAI兼容API的LLM。推荐使用支持长上下文（100k+ tokens）、推理能力和强工具使用的模型，如Doubao-Seed-2.0-Code、DeepSeek v3.2、Kimi 2.5等。

如何安装和运行DeerFlow？

推荐使用Docker方式：克隆仓库后运行make setup配置，然后make docker-start启动。也支持本地开发模式（make dev）。详细步骤见官方文档。

DeerFlow是否支持中文？

是的，DeerFlow支持中文界面和交互，包括中文README和配置文档。