DeerFlow

位元組跳動開源的超級 Agent 框架，支援動態 Sub-Agent 編排和多種輸出格式

GitHub專案

https://github.com/bytedance/deer-flow

前往官網

深度報告

DeerFlow 是位元組跳動開源的一款超級 Agent 框架，全稱為 Deep Exploration and Efficient Research Flow（深度探索與高效研究流程）。該框架於 2025 年 5 月首次開源，在 GitHub 上迅速獲得關注，截至 2026 年 3 月已收穫超過 3.9 萬顆星。DeerFlow 2.0 版本定位已從單純的研究工具升級為真正的 Super Agent Harness，能夠完成需要數十步甚至上百步驟的複雜任務。與傳統 Agent 框架不同，DeerFlow 透過 Skills 系統、動態 Sub-Agent 編排、隔離沙箱執行環境和長期記憶等創新設計，為開發者提供了一套生產級的人工智慧代理解決方案。
DeerFlow 由位元組跳動研發推出，是中國頭部科技公司在 AI Agent 領域的重要開源貢獻。專案的誕生源於對傳統 AI 助手侷限性的洞察：當 ChatGPT 等 AI 模型能夠生成人類級別的程式碼和文字時，更大的挑戰是如何讓 AI 完成需要多步驟、跨工具、長時間執行的複雜任務。傳統的 AI 助手通常是單次互動模式，無法有效處理需要深度研究、程式碼編寫、檔案操作和多輪迭代的工作流程。位元組跳動基於其在人工智慧領域的深厚積累，於 2025 年 5 月 9 日正式在 GitHub 上開源 DeerFlow 專案。2026 年 3 月，DeerFlow 2.0 版本釋出，定位從深度研究框架升級為超級 Agent 框架。
DeerFlow 的核心功能可以從五個主要維度來理解。第一個維度是 SKILLS & TOOLS 系統。這是 DeerFlow 最獨特的創新之一。傳統框架通常需要透過程式碼定義技能，而 DeerFlow 採用 Markdown 檔案定義技能的方式，大大降低了擴充套件門檻。內建技能包括：research（深度研究）、report（生成結構化報告）、slide（建立幻燈片）、webpage（生成網頁）、image（生成圖片）和 video（生成影片）。核心工具集包括 web_search（網路搜尋）、web_fetch（網頁抓取）、file_operations（檔案讀寫）和 bash（Shell 命令執行）。系統還支援 MCP Servers 整合和 Python 函式擴充套件。第二個維度是 Sub-Agent 架構。當使用者提交複雜任務時，Lead Agent 會首先進行任務拆解，然後動態生成多個 Sub-Agent 並行執行。每個 Sub-Agent 有獨立的上下文環境，避免了傳統單一大模型方案的上下文汙染問題。執行完成後，Lead Agent 負責整合所有結果並生成最終輸出。第三個維度是沙箱與檔案系統。DeerFlow 為每個任務提供隔離的執行環境，這是一個重要的安全特性。任務的工作目錄包含三個主要子目錄：uploads（使用者上傳檔案）、workspace（工作空間，可讀寫）和 outputs（生成的輸出檔案）。系統支援三種執行模式：Local（本地直接執行）、Docker（容器隔離）和 Kubernetes（適合企業級叢集部署）。第四個維度是 Context Engineering（上下文工程）。系統採用隔離的 Sub-Agent Contexts 設計，每個子代理有獨立的上下文視窗和專用工具集，避免主 Agent 的上下文被汙染。長期記憶功能支援跨會話持久化。第五個維度是多種輸出格式。DeerFlow 支援超過 7 種輸出格式，包括報告、幻燈片、網頁、圖片和影片等。
DeerFlow 是一個開源免費專案，採用 MIT 許可證。使用者可以免費在 GitHub 上克隆倉庫、部署使用。專案本身不收取費用。作為開源專案，DeerFlow 的商業模式主要透過以下方式實現：一是技術影響力，企業透過開源專案建立技術品牌和開發者社群；二是企業服務支援，位元組跳動可能為企業提供付費的技術支援、定製開發和培訓服務；三是人才吸引，開源專案是吸引優秀技術人才的重要渠道。從成本角度看，使用者部署 DeerFlow 需要承擔的成本主要包括：雲伺服器或物理機器（用於執行 Docker 容器）、模型 API 呼叫費用（如果使用 OpenAI、Anthropic 等付費模型），以及開發和維護人力成本。
從社群反饋來看，DeerFlow 獲得了積極的使用者評價。主要正面意見包括：框架設計先進，Skills 和 Sub-Agent 概念清晰易懂；部署相對簡單，Docker 容器化方案降低了部署門檻；功能強大，能夠處理複雜的實際任務；文件完善，README 和技術部落格提供了詳細的說明。主要負面反饋包括：需要一定的技術背景才能正確部署和配置；對硬體資源有一定要求，執行成本不可忽視；部分功能需要配置才能發揮最大效用；目前中文文件相對較少。典型使用場景包括：深度研究分析與內容生成、資料處理工作流、企業系統整合（支援 Telegram、Slack、飛書等 IM 渠道接入）、自動化流程編排等。
從行業角度看，DeerFlow 的釋出標誌著中國科技公司在 AI Agent 領域的開源競爭力。與國際主流框架相比，DeerFlow 在 Sub-Agent 動態生成、Markdown 技能定義、隔離沙箱等特性上有獨特創新。技術博主和開發者社群對 DeerFlow 給予了較高評價。iTech 在部落格園發表的技術解析文章詳細介紹了 DeerFlow 的架構設計和實現細節。蝦搞程式設計的技術文章深入分析了 DeerFlow 的企業級部署方案。從競品格局看，DeerFlow 主要與 LangChain、AutoGPT、CrewAI 等框架形成競爭。DeerFlow 的優勢在於動態 Sub-Agent、Markdown 技能定義和內建沙箱檔案系統，更適合複雜的企業級應用場景。
DeerFlow 作為位元組跳動的產品，可能面臨以下爭議和風險：地緣政治敏感度：作為中國公司的開源專案，部分海外使用者可能出於資料安全考慮對部署持謹慎態度。安全挑戰：雖然沙箱提供了隔離環境，但 Shell 命令執行等能力仍然需要謹慎配置白名單，企業使用者需要評估安全風險。長期維護性：開源專案的長期維護依賴於公司的投入力度。學習曲線：雖然概念先進，但正確部署和使用仍然需要一定的技術背景。
DeerFlow 適合以下使用者群體：技術團隊需要構建 AI Agent 系統的企業開發者、對 AI 自動化有需求的個人開發者、進行 AI 研究和實驗的研究人員、需要深度研究能力的內容創作者。對於不同的使用場景，建議如下：個人學習和實驗可以直接使用 Docker Gateway Mode；企業生產環境建議使用 Standard Mode 並配置 Kubernetes 叢集；需要 IM 渠道整合的場景可以配置 Telegram 或飛書接入。替代方案方面，如果 DeerFlow 不符合需求，可以考慮：LangChain（更成熟，文件更豐富）、LangGraph（更底層，適合深度定製）、CrewAI（更簡單的 Agent 編排）。
DeerFlow 是位元組跳動開源的一款生產級 Super Agent 框架，透過動態 Sub-Agent 編排、Markdown 技能定義、隔離沙箱執行環境和長期記憶等創新設計，為 AI Agent 的構建提供了新的思路。對於需要構建複雜 AI 自動化系統的企業和開發者，DeerFlow 是一個值得考慮的選擇。隨著 2.0 版本的釋出，框架的能力得到了顯著增強，未來發展值得持續關注。

使用者評論

CosmosCris48

—

用了兩週 DeerFlow，不得不說 Slabs 編排確實香，但文件太少了，很多功能得自己踩坑。

楓葉714

—

50K Star 不是吹的，2.0 版本比 1.0 強太多了！自動拆解任務並行執行，省了我不少事兒。

BenjaminBrownQ

—

實測 Sub-Agent 能力不錯，但模型幻覺問題還是存在，需要加個校驗流程。

Russell.Roberts369

—

部署是真的麻煩，文件寫得不清不楚，建議官方出點影片教程。

Jennifer_BrooksZ

—

Docker 沙箱隔離這個設計很棒，安全有保障。

RRoss_2022418

—

比 LangChain 好上手多了，技能系統很直觀。

RWalker_2022

—

mark 一下，等成熟了再用。

Harold_Nguyen_725

—

企業級應用還是算了吧，個人開發者玩一玩還行。

Nicholas_FloresII

—

yyds！終於有個能打的國產 Agent 框架了。

JClark520

—

GitHub Trending 第一！位元組這次真的給力。

MBell_77

—

剛部署成功，介面挺乾淨的，希望能滿足我的研究需求。

AAllen

—

長期記憶功能好用，跨會話能記住我之前的研究內容。

SandyFreier

—

skill 定義用 Markdown 確實方便，非程式也能改。

AlexaStewart

—

研究了一下午，發現這玩意兒還挺複雜，新手勸退。

TIalv

—

比 AutoGPT 穩定多了，期待後續更新。

掠影_12

—

多模型接入好評，能用 Claude 也能用 GPT。

MatthewNelsonK

—

生成的報告格式挺好看，直接能用。

David_WrightZ_196

—

官方 Demo 執行成功，但自定義 skill 一直報錯，麻了。

NicoleJames520

—

從研究工具升級到 Super Agent，這波升級可以的。

Natalie.Kim_2020

—

並行執行 sub-agent 效率很高，複雜任務可以放心交給它。

DeerFlow

深度報告

使用者評論

相關連結

同類產品