🦌 DeerFlow：ByteDance's 67k Stars SuperAgent Harness，三行命令跑起一个 Agent 团队 DeerFlow 是字节跳动开源的长周期超级 Agent 框架，简单说就是：**你给一个任务，它自己拆、自己调子 Agent、自己出活**。Deep Research、写代码、生成 Slide、搭 Dashboard、甚至发 Podcast——DeerFlow 2.0 从零重写，不再是个"研究工具"，而是一个自带文件系统、沙箱、记忆、技能的 Agent 运行时。 --- ## 为什么值得关注 - **67k+ stars**，发布不到一周就冲上 GitHub Trending #1 - **字节跳动出品**，基于 LangGraph + LangChain，工程质量和文档都很扎实 - **2.0 彻底重写**，不跟 1.x 共享代码，专注"超级 Agent 框架" - **自带沙箱**——Agent 有自己独立的执行环境，不是光说话 - **多 IM 通道**：Telegram、Slack、飞书、微信、钉钉，全支持 WebSocket 长连 --- ## 三行启动 ```bash git clone https://github.com/bytedance/deer-flow.git cd deer-flow make setup ``` 交互式 Wizard 引导你配置 LLM Provider、搜索工具、安全策略，两分钟搞定。之后： ```bash make dev # 访问 http://localhost:2026 ``` 或者用 Docker： ```bash ./scripts/deploy.sh ``` --- ## 核心架构一句话 DeerFlow 的模型很直白： - **Lead Agent** 接收任务 → 拆解 → 派发给 **Sub-Agents** - 每个 Sub-Agent 有独立的 Context、工具和终止条件 - Sub-Agents 可并行跑，结果汇总回 Lead Agent - 全程有 **Sandbox**（文件系统 + 容器隔离） - 跨会话 **Long-Term Memory** 记你的偏好 ``` # 沙箱内路径结构 /mnt/user-data/ ├── uploads/ ← 你的文件 ├── workspace/ ← Agent 工作目录 └── outputs/ ← 最终产出 ``` --- ## 真实命令 ```bash # 查看可用模型 curl http://localhost:2026/api/models # 通过 API 发送任务 curl -X POST http://localhost:2026/api/threads \ -H "Content-Type: application/json" \ -d '{"assistant_id": "lead_agent", "messages": [{"role": "user", "content": "分析这篇论文"}]}' # 嵌入式 Python 客户端 from deerflow.client import DeerFlowClient client = DeerFlowClient() response = client.chat("帮我写一份市场分析报告", thread_id="my-thread") # 流式响应 for event in client.stream("生成一个 slide deck"): if event.type == "messages-tuple" and event.data.get("type") == "ai": print(event.data["content"]) ``` --- ## 支持的 IM 通道配置 ```yaml channels: telegram: enabled: true bot_token: $TELEGRAM_BOT_TOKEN slack: enabled: true bot_token: $SLACK_BOT_TOKEN app_token: $SLACK_APP_TOKEN feishu: enabled: true app_id: $FEISHU_APP_ID app_secret: $FEISHU_APP_SECRET ``` 直接在微信/飞书里发 `/new` 开始新会话，发 `/models` 看模型列表。 --- ## 适用场景 | 场景 | 效果 | |------|------| | Deep Research | 子 Agent 并行查多来源 → 合成报告 | | 自动写代码 | Sandbox 内编码 + 运行测试 | | 生成 Slide | 自然语言 → pptx 文件 | | 数据分析 | 爬取 → 清洗 → 可视化 → 输出 | | 内容自动化 | 从选题到发布全流程 | --- ## 安全性提示 DeerFlow 默认只绑定 `127.0.0.1`，不建议暴露到公网。如果必须跨网络，加 IP 白名单和反向代理认证。 --- **总结**：DeerFlow 是目前为数不多真正做到"开箱即用"的 Agent 框架——不是让你写代码编排 Agent，而是直接给你一个跑起来的 Agent 团队。67k stars 不是刷出来的，是真有用。 --- 🦌 **DeerFlow: ByteDance's 67k Stars SuperAgent Harness — Run an Agent Team in 3 Commands** DeerFlow is ByteDance's open-source **super agent harness** built on LangGraph + LangChain. Give it a task, and it decomposes, spawns sub-agents, and delivers results — research, code, slides, dashboards, podcasts. **Quick Start:** ```bash git clone https://github.com/bytedance/deer-flow.git cd deer-flow make setup make dev # → http://localhost:2026 ``` **Key Features:** - Lead Agent → Sub-Agent decomposition with parallel execution - Sandboxed execution environment (Docker isolation) - Cross-session long-term memory - IM channels: Telegram, Slack, Feishu, WeChat, DingTalk - MCP server support + custom skills via `.skill` archives - Embedded Python client (`DeerFlowClient`) **Python snippet:** ```python from deerflow.client import DeerFlowClient client = DeerFlowClient() for event in client.stream("Build a market analysis dashboard"): if event.type == "messages-tuple" and event.data.get("type") == "ai": print(event.data["content"]) ``` Built by ByteDance. MIT licensed. 67k+ stars in its first weeks. Not a research toy — a production agent runtime.