DeerFlow 2.0 – 字节跳动开源的超级智能体框架

AI科技编辑部

导读摘要：

DeerFlow 2.0是由字节跳动开源的超级智能体框架，专为复杂任务处理而设计。该框架采用“主智能体+11层中间件链+动态子智能体”的架构，通过LangGraph实现多智能体协同工作。DeerFlow 2.0内置了深度研究、数据分析、音视频创作等10多种可插拔技能，支持Docker/K8s隔离沙箱执行，并原生适配飞书、Telegram和Slack等即时通讯平台。2.0版本从单一研究工具升级为通用...

1. DeerFlow 2.0是什么

技术定位与领域： DeerFlow 2.0属于智能体框架领域，专注于多智能体协同和复杂任务处理。其设计目标是提供一个通用、可扩展的智能体运行时环境，适用于从研究到创作的多种场景。

研发背景： 该框架由字节跳动团队开发，基于其在智能体和多模态技术领域的深厚积累。2.0版本的发布标志着从单一工具向通用平台的全面升级，旨在满足更广泛的应用需求。

核心价值： DeerFlow 2.0解决了传统智能体框架在复杂任务分解和协同执行上的不足，通过多智能体架构和可插拔技能体系，显著提升了任务处理效率和灵活性。

技术特点：

多智能体协同架构： 采用主智能体统筹、动态子智能体并行执行的模式，实现高效的任务分解与协同。
可插拔技能体系： 支持用户自定义扩展新能力，灵活应对不同任务需求。
隔离沙箱执行： 提供本地、Docker和Kubernetes三种运行模式，确保任务执行的安全性与资源隔离。

2. 主要功能

智能体架构： 采用主智能体统筹规划与动态子智能体并行执行的协作模式，实现复杂任务的高效分解与协同处理。
可插拔技能体系： 内置深度研究、数据分析、PPT生成、网页设计等10余种技能模块，支持用户通过MCP接口和Python函数自定义扩展新能力。
隔离沙箱执行： 提供本地、Docker和Kubernetes三种运行模式，基于字节AIO Sandbox为每个任务创建独立容器环境，确保执行安全与资源隔离。
上下文工程： 通过自动摘要压缩、中间结果外部存储和子任务限流等机制，系统性解决长时任务中的上下文窗口不足问题。
长期记忆： 支持跨会话持久化存储用户画像、偏好设置和累积知识，且所有数据均保存在本地由用户完全掌控。
IM渠道集成： 原生适配飞书、Telegram和Slack三大即时通讯平台，无需公网IP即可通过命令指令与智能体交互。
多模型兼容： 支持OpenAI、Gemini、DeepSeek、豆包Seed等主流大模型，通过统一配置接口灵活切换不同底层能力。

3. 如何使用

环境要求： 系统需安装Python 3.12或更高版本，Node.js 22或更高版本，并安装pnpm和uv作为前后端包管理工具。
克隆仓库： 执行git clone https://github.com/bytedance/deer-flow.git克隆项目到本地，进入项目目录cd deer-flow。
生成配置： 运行make config自动生成config.yaml和.env配置文件。
配置模型： 编辑config.yaml文件，添加所需模型（如GPT-4、Gemini、DeepSeek、豆包等），设置模型名称、API类型、密钥变量等参数。
设置密钥： 在.env文件中填入各服务商的API密钥，如OPENAI_API_KEY=your-key。
选择部署方式：
- Docker方式： 执行make docker-init拉取沙箱镜像，再执行make docker-start启动服务。
- 本地方式： 执行make check检查依赖，再执行make install安装依赖，最后执行make dev启动服务。
访问使用： 打开浏览器访问http://localhost:2026进入Web界面，输入任务指令开始使用。
IM渠道接入： 在config.yaml中开启飞书、Telegram或Slack配置，设置对应平台的App ID、密钥等参数，可在聊天软件中通过命令与DeerFlow交互。

4. 优缺点分析

优点
多智能体协同架构：采用主智能体统筹、动态子智能体并行执行的模式，实现复杂任务的高效分解与协同。
可插拔技能体系：内置10余种技能模块，支持用户自定义扩展新能力，灵活应对不同任务需求。
隔离沙箱执行：提供本地、Docker和Kubernetes三种运行模式，确保任务执行的安全性与资源隔离。
IM渠道集成：原生适配飞书、Telegram和Slack，无需公网IP即可通过命令指令与智能体交互。

5. 同类工具对比

对比维度	DeerFlow 2.0	JVS Claw (阿里)
开发方	字节跳动	阿里云
开源协议	MIT（完全开源）	闭源
核心架构	主智能体+11层中间件链+动态子智能体	基于OpenClaw封装
部署方式	Docker/本地/K8s，支持私有化	需申请邀请码，云端使用
沙箱机制	字节AIO Sandbox，三级隔离	继承OpenClaw沙箱
技能扩展	可插拔Skill体系，支持自定义	预置技能+自定义扩展
IM集成	飞书、Telegram、Slack原生支持	暂无原生IM支持
记忆能力	长期记忆，本地存储	继承OpenClaw记忆机制

选型建议：

复杂任务处理场景： DeerFlow 2.0的多智能体协同架构和可插拔技能体系使其在处理复杂任务时表现出色，适合需要高效任务分解与协同的应用场景。
即时通讯集成需求： 如果需要与飞书、Telegram或Slack等IM平台集成，DeerFlow 2.0的原生支持是一个显著优势。
开源与自定义需求： DeerFlow 2.0的开源特性使其在灵活性和可扩展性上具有明显优势，适合需要深度定制的用户。

6. 编辑点评

DeerFlow 2.0作为字节跳动开源的超级智能体框架，展现了其在多智能体协同和复杂任务处理领域的创新能力。其“主智能体+11层中间件链+动态子智能体”的架构设计，不仅提升了任务处理的效率，还通过可插拔技能体系和隔离沙箱执行机制，显著增强了框架的灵活性和安全性。

然而，DeerFlow 2.0在中文支持方面仍存在一定不足，且部分高级功能的使用文档不够完善，这可能会增加用户的上手难度。尽管如此，其开源特性、多模型兼容性以及对IM平台的原生支持，使其在同类工具中具有较强的竞争力。

适用人群： 适合需要处理复杂任务的企业、开发者以及研究机构，尤其是那些希望通过智能体框架实现高效任务分解与协同的用户。

未来发展潜力： 随着智能体技术的不断发展，DeerFlow 2.0有望在更多场景中得到应用，特别是在多模态任务处理和跨平台集成方面。

推荐指数： ★★★★☆（4星）

7. 应用场景

深度研究： 自动收集多源信息、生成研究报告，适用于学术研究、竞品分析、行业调研等复杂信息处理任务。
网页开发： 一键生成完整可交付的网站页面，从UI设计到前端代码全流程自动化，如足球联赛官网、3D交互天气界面等。
内容创作： 将复杂概念转化为儿童友好的教育漫画，或自动生成PPT、播客脚本、视频内容等多媒体素材。
数据分析： 自动执行数据清洗、可视化图表生成、商业智能报告撰写等数据驱动型任务。

8. 常见问题FAQ

Q：DeerFlow 2.0支持哪些大模型？
A：config.yaml 里可登记 OpenAI、Gemini、DeepSeek、豆包 Seed 等，用环境变量名引用密钥，不必改业务代码就能换模型。先 make config 生成模板，再填 .env，最后用 Web 或飞书通道下发任务。

Q：如何扩展DeerFlow 2.0的技能模块？
A：新能力走 MCP 或 Python 函数挂到可插拔技能层，官方文档有扩展指南。写完后必须在配置里启用该技能，子智能体才会在分解任务时调用它；改完建议 make check 再 make dev，不要直接改主智能体核心代码。

Q：DeerFlow 2.0的沙箱机制是如何工作的？
A：本地、Docker、Kubernetes 三种模式都基于字节 AIO Sandbox，每个任务单独容器，限制文件系统和网络。Docker 流程是 make docker-init 拉镜像再 make docker-start；本机则 make install 后 make dev。

Q：DeerFlow 2.0如何与飞书集成？
A：在 config.yaml 打开飞书（或 Telegram/Slack）段，填 App ID 和密钥。服务起来后在群里用命令把任务交给主智能体，不必公网暴露本机端口。密钥只放 .env，不要写进仓库。

Q：DeerFlow 2.0的长期记忆功能如何实现？
A：长期记忆把用户画像、偏好和跨会话知识存在本地，不默认上传云端，由用户自己掌控。换机器需要自行拷贝数据目录；多同事共用前要分清工作区，避免把 A 项目偏好写进 B 项目。重启服务一般不会丢记忆，清理应改数据目录而不是整仓重置。

9. 项目地址

GitHub仓库： https://github.com/bytedance/deer-flow
项目官网： https://deerflow.tech