DeerFlow 深度研究框架完整指南从克隆仓库到跑通第一个任务【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flowDeerFlowDeep Exploration and Efficient Research Flow是一个开源的超智能体框架你可以把它理解成一个能自己干活的研究助理给它一个目标它会联网搜索资料、写代码执行分析、生成图表和报告全程无需你手动拼接工具。它特别适合两类人——想快速落地深度研究流程的开发者以及希望让 AI 替自己处理耗时几小时复杂任务的用户。DeerFlow 的核心能力它到底能帮你干什么DeerFlow 的价值不在于单一功能而在于把几类能力组合成了一条完整的任务流水线 深度研究与信息获取。这是 DeerFlow 的看家本领。它会调用网络搜索和网页抓取工具比如集成的 InfoQuest 搜索工具集围绕你的问题多轮检索、交叉验证最后整理成结构化的研究结论。你只需要描述目标不用关心它查了哪些页面。代码执行与文件操作。研究过程中产生的脏活累活——清洗数据、跑脚本、批量处理文件——DeerFlow 会在沙箱环境里执行 Python 代码和系统命令。沙箱相当于一个隔离的临时房间里面的操作不会污染你的本机环境这也让它敢放心地动手干活。数据可视化与内容生成。分析完的数据不会只停留在文字里。DeerFlow 内置了图表技能包能直接产出饼图、柱状图、折线图等可视化结果此外还有报告、PPT、网页、图片和视频生成等技能研究成果可以一步到位变成可交付的成品。长期记忆。大多数 Agent 关掉对话就失忆DeerFlow 会跨会话记住你的偏好、常用技术栈和工作流用得越久越懂你。记忆默认存储在本地数据始终在你自己的手里。值得一提的是DeerFlow 的能力以技能Skills的形式组织每个技能就是一个结构化的工作流模块内置技能按需加载你也可以添加自己的技能把 DeerFlow 改造成专属于你的工作流。如何把 DeerFlow 跑起来三步完成本地部署第一步把仓库克隆到本地git clone https://gitcode.com/GitHub_Trending/de/deer-flow第二步进入 deer-flow 目录运行make setup。它会启动一个交互式配置向导带你选大模型提供商、配置网络搜索以及沙箱、bash 执行等安全选项最后自动生成配置文件并把密钥写进环境变量文件整个过程大约两分钟。第三步启动服务。官方推荐用 Docker先执行make docker-init拉取沙箱镜像只需一次再执行make docker-start启动全部服务然后打开浏览器访问 http://localhost:2026 就能用了。如果你偏好本地开发环境也可以走make dev的热重载模式。 两个小提醒随时运行make doctor可以自检环境配置并给出修复建议DeerFlow 默认只绑定本机回环地址这是刻意设计的安全默认值如需跨设备访问请先做好访问控制。DeerFlow 文档从哪看官方资料地图跑起来之后遇到具体问题就去仓库里的文档区找答案以下是几个最值得先读的入口安装配置指南backend/docs/SETUP.md —— 环境准备与部署细节API 接口说明backend/docs/API.md —— 想了解对外接口时查这里架构介绍backend/docs/ARCHITECTURE.md —— 搞懂各组件如何协作配置参考backend/docs/CONFIGURATION.md —— 每个配置项的完整说明安装快速参考Install.md —— 克隆后的下一步动作清单深度研究技能示例skills/public/deep-research/ —— 看看技能模块长什么样另外仓库根目录的 README 里有推荐模型清单和 Docker 部署的容量建议比如本地跑建议至少 4 核 8G长期服务建议 8 核 16G部署前扫一眼能少走弯路。怎么参与 DeerFlow 社区你的反馈会被看到DeerFlow 是社区驱动的项目参与门槛比你想象的低提 Issue发现 bug 或有功能想法直接在仓库里建一个 Issue 描述清楚即可。如果涉及本地环境问题先运行make support-bundle它会生成一份脱敏的诊断摘要帮你快速提单。贡献代码按仓库里的贡献指南CONTRIBUTING.md配置开发环境小改进也欢迎修一个文档错别字同样是有效贡献。加入讨论把你在实际使用中踩的坑、总结的技巧分享出来帮后来者省时间。写在最后DeerFlow 适合所有研究—分析—产出链条较长的场景市场调研、数据报告、内容创作都可以交给它去跑。现在就可以动手克隆仓库、跑一遍make setup然后给它一个你真正关心的问题看它如何从搜索到图表一步步交付结果。【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flow创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考