[Github发现] DeerFlow 2.0 – 字节跳动开源超级Agent运行平台，AI自主完成复杂任务

DeerFlow 2.0 是字节跳动开源的一个超级 Agent 运行平台，核心理念是”Give agents an operating system”——让 AI Agent 拥有自己的文件系统、记忆、子智能体和可扩展技能，真正像一个”会干活的助手”而不是只会”说话的工具”。2026 年 2 月 28 日，DeerFlow 一举冲上 GitHub Trending #1。

DeerFlow 2.0 是从零重写的全新版本，基于 LangGraph + LangChain 构建，融合了研究、编码、创作等多种能力，通过子智能体并行、隔离沙箱执行和长期记忆，让 AI 能够处理从几分钟到几小时的复杂任务。

相关链接

• GitHub：https://github.com/bytedance/deer-flow
• 官网：https://deer-flow.ai
• 推荐模型：Doubao-Seed-2.0-Code、DeepSeek v3.2、Kimi 2.5

DeerFlow 是什么

DeerFlow 起源于 Deep Research 框架，但社区的用法远超出了研究范畴——有人用它构建数据管道，有人用它生成 PPT，有人用它做内容自动化。于是团队决定从零重构，将它从一个研究工具变成了一个完整的”超级 Agent 运行平台”。

2.0 版本不再是需要手动拼接的框架，而是”电池已备好、高度可扩展”的产品。内置 Agent 需要的一切：文件系统、记忆、Skills、沙箱执行、计划与子智能体分解。

核心架构

1. Lead Agent + Sub-Agent 协作

复杂任务很少能一步完成。DeerFlow 的 Lead Agent 可以动态生成子智能体，每个子智能体拥有独立的上下文、工具集和终止条件。子智能体在可能的情况下并行运行，汇报结构化结果，最终由 Lead Agent 汇总输出。

这就是 DeerFlow 能处理”耗时数小时任务”的秘诀——一个研究任务可以分配到十几个子智能体并行探索，最终汇聚成一份完整报告、一个网站或一套带图的 PPT。

2. Skills 系统

Skills 是 DeerFlow 能力的核心。每个 Skill 是一个结构化的 Markdown 文件，定义了工作流、最佳实践和参考资料。内置 Skills 包括：

• Research：深度研究
• Report Generation：报告生成
• Slide Creation：PPT 制作
• Web Page：网页生成
• Image/Video Generation：图像和视频生成
• Claude-to-DeerFlow：Claude Code 集成

Skills 按需渐进加载，只在任务需要时引入，不会在上下文窗口里堆砌无用信息。

3. 隔离沙箱执行

DeerFlow 不只是”会说话的工具”，它有自己的一台”电脑”。每个任务运行在隔离的 Docker 容器中，拥有完整的文件系统：

/mnt/user-data/
├── uploads/      # 用户上传文件
├── workspace/    # Agent 工作目录
└── outputs/      # 最终交付物

Agent 在沙箱里读写文件、执行 bash 命令、编写代码、查看图片，全部可审计，session 之间零污染。支持本地执行、Docker 执行和 Kubernetes 执行三种模式。

4. 长期记忆

大多数 Agent 在对话结束后就”失忆”了。DeerFlow 会跨会话记住你的 Profile、偏好和积累的知识。随着使用时间增长，它越来越了解你的写作风格、技术栈和常用工作流。记忆数据本地存储，完全可控。

5. MCP Server 支持

DeerFlow 支持可配置的 MCP 服务器来扩展能力，支持 OAuth Token 流程（client_credentials、refresh_token）。通过延迟工具加载机制，即使启用多个 MCP 服务器也不会撑爆上下文窗口。

6. Claude Code 集成

通过 claude-to-deerflow Skill，可以直接在 Claude Code 里与 DeerFlow 交互：发送研究任务、查看状态、管理线程，无需离开终端。

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

即时通讯频道集成

DeerFlow 支持通过配置直接接收来自聊天应用的任务，无需公网 IP：

频道	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

配置后，只需在聊天里发消息，DeerFlow 自动创建线程并响应。支持 /new、/status、/models、/memory 等命令。

推荐模型

DeerFlow 是模型无关的，支持任何实现 OpenAI 兼容 API 的 LLM。官方推荐：

• Doubao-Seed-2.0-Code（字节跳动自家）
• DeepSeek v3.2
• Kimi 2.5

快速部署

Docker 部署（推荐）

git clone https://github.com/bytedance/deer-flow.git
cd deer-flow
make config              # 生成配置文件
# 编辑 config.yaml 和 .env 填入 API Key
make docker-init         # 拉取沙箱镜像（仅首次）
make docker-start        # 启动服务

本地开发

make check              # 检查依赖（Node.js 22+, pnpm, uv, nginx）
make install            # 安装前后端依赖
make dev                # 启动服务
# 访问 http://localhost:2026

技术亮点

1. 从 Deep Research 到 Super Agent：社区需求推动的进化，2.0 从零重构
2. LangGraph + LangChain：现代化 Agent 框架
3. Sub-Agent 并行：复杂任务分解并行处理
4. 隔离沙箱：本地/Docker/K8s 三种安全执行环境
5. 长期记忆：跨会话持续学习用户偏好
6. 多 IM 频道：Telegram/Slack/飞书开箱即用
7. GitHub Trending #1：2026 年 2 月 28 日登顶

适用人群

• AI 研究者：需要深度研究能力的场景
• 内容创作者：报告、PPT、网页一键生成
• 开发者：Claude Code 集成，终端内完成复杂任务
• 企业团队：飞书/Telegram 接入，团队共享 Agent 能力
• AI Agent 开发者：基于 DeerFlow 的 Harness 层二次开发

总结

DeerFlow 2.0 解决的是一个很核心的问题：AI 不只是”能说”，还要”能干活”。通过沙箱执行环境、子智能体并行、Skills 系统和长期记忆，DeerFlow 给 AI Agent 提供了一套完整的”基础设施”——文件系统、工作空间、工具集。

从 Deep Research 起家，到 Trending #1 登顶，DeerFlow 证明了社区需求才是最好的产品方向。如果你需要的不只是对话，而是一个真正能替代你完成复杂工作的 AI 助手，DeerFlow 值得一试。

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