DeerFlow超级Agent框架教程：字节开源的AI研究+编码+创作平台

📅 2026-08-03 · 🏷️ AI Agent · 字节跳动 · 开源

DeerFlow是什么？

DeerFlow（Deep Exploration and Efficient Research Flow）是字节跳动开源的超级Agent框架。2026年2月28日DeerFlow 2.0发布后迅速登顶GitHub Trending榜首，目前已有近40,000颗星。

与单一功能的AI工具不同，DeerFlow是一个"长周期任务SuperAgent"——它能研究、编码、创作，在沙箱中安全执行，适合需要多步骤、长时间运行的复杂任务。

核心能力

1. 深度研究

DeerFlow能自主进行多轮网络搜索、阅读论文、整理资料，生成结构化研究报告：

• 自动搜索多个信息源（网页、学术、新闻）
• 多轮迭代搜索，逐步深入
• 生成带引用的研究报告

2. 代码执行

在沙箱环境中安全执行代码：

• Python沙箱：隔离执行，不污染主机
• 数据分析：pandas/numpy/matplotlib等
• 代码生成+运行+调试闭环

3. 内容创作

• PPT生成：用Marp生成演示文稿
• 报告撰写：自动生成结构化文档
• 图表制作：数据可视化

安装部署

环境要求

• Python 3.11+
• uv（Python包管理器）
• Node.js 18+（前端）

安装步骤

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

# 安装Python依赖（uv自动创建虚拟环境）
uv sync

# 配置API密钥
cp conf.yaml.example conf.yaml
# 编辑conf.yaml，填入：
# - LLM API Key (OpenAI/Anthropic/DeepSeek等)
# - Tavily API Key (网络搜索)
# - Marp (PPT生成，可选)

# 启动
uv run python -m deer_flow.grpc_server

Web界面启动

# 启动前端
cd web && npm install && npm run dev

# 访问 http://localhost:3000

实战：用DeerFlow做竞品分析

# 在DeerFlow中输入任务：
帮我分析Cursor、Windsurf、Trae三款AI编程IDE的优劣势，
从价格、功能、性能、生态四个维度对比，
生成一份PPT演示文稿

# DeerFlow执行流程：
# 1. 搜索三款产品的最新信息
# 2. 整理功能/价格/性能数据
# 3. 生成对比表格
# 4. 用Marp生成PPT文件
# 5. 输出 .md + .pptx 文件

对于其他多Agent协作方案，可以参考CrewAI多Agent协作教程。如果你更关注AI编程工具本身的对比，Cursor vs Windsurf vs Trae对比也是不错的参考。

DeerFlow vs 其他Agent框架

框架	定位	特色
DeerFlow	超级Agent	研究+编码+创作全链路
CrewAI	多Agent协作	角色扮演、任务分发
Open SWE	异步编码代理	企业级、可控执行

注意事项

• DeerFlow需要网络搜索API（Tavily推荐，免费1000次/月）
• PPT生成需要安装Marp CLI
• 沙箱执行需要Docker环境
• 推荐用DeepSeek模型，成本低且中文能力强

总结

DeerFlow是目前最完整的开源超级Agent框架之一，40k Stars证明了其能力。它适合需要AI完成复杂、多步骤任务的场景——从市场研究到竞品分析，从代码原型到演示文稿，DeerFlow都能一站式完成。字节跳动的开源质量值得信赖。