DeerFlow：字节跳动开源超级智能体，：可编排多子智能体、集成记忆与沙箱、通过可扩展技能
0. 引言AI Agent 市场规模爆发式增长据 Grand View Research 数据2025 年全球 AI Agent 市场规模达82 亿美元预计 2030 年将突破500 亿美元年复合增长率高达43.2%。在 AI 从对话走向行动的转折点上多智能体编排框架成为开发者最关注的赛道之一。字节跳动开源的 DeerFlow 就是一个典型的代表——它不是简单的聊天机器人而是一个能研究、编码、创作的超级智能体框架。1. 项目背景及简介DeerFlowDeep Exploration and Efficient Research Flow是字节跳动开源的长周期 SuperAgent 框架。2026 年 2 月 28 日DeerFlow 2.0 发布后一举登顶GitHub Trending 榜首目前 GitHub Star 数已超过6.5 万。项目核心定位可编排多子智能体、集成记忆与沙箱、通过可扩展技能Skills完成从几分钟到数小时不同复杂度任务的智能体编排框架。2. 目标客户AI 应用开发者需要构建复杂多步骤 AI 工作流研究团队需要自动化文献调研、数据分析企业技术团队构建内部 AI Agent 基础设施独立开发者快速搭建 AI 驱动的产品原型内容创作者自动化内容调研与生成3. 平台定位DeerFlow 的定位是AI Agent 的操作系统——它不直接做某一件具体的事而是提供一套编排能力让多个子智能体协作完成复杂任务。从深度研究到代码编写从内容创作到数据分析DeerFlow 通过技能Skills插件体系实现能力的无限扩展。4. 平台技术语言Python核心框架LangChain 自定义子智能体调度引擎沙箱集成代码执行沙箱安全运行 AI 生成的代码记忆系统支持长期记忆存储与检索技能体系可扩展的 Skills/Tools 插件架构模型支持兼容 GPT-4/5、Claude、Gemini、Qwen、通义千问等多模型追踪集成支持 LangSmith 和 Langfuse 链路追踪IM 通道可对接即时通讯平台5. 平台核心功能子智能体编排多个子 Agent 并行协作处理不同子任务沙箱执行在隔离环境中安全执行 AI 生成的代码长期记忆跨会话持久化知识支持上下文工程技能扩展通过 Skills 机制接入搜索、文件处理、API 调用等能力代码生成集成 Claude Code 等编码工具自动编写和调试代码深度研究自动化信息检索、分析、综合生成研究报告消息网关支持 IM 渠道接入实现对话式交互6. 平台独特优势字节跳动出品大厂背书社区活跃2.0 版本完全重写6.5 万 StarGitHub 顶级热度社区生态成熟多模型兼容不绑定单一 LLM 提供商灵活切换技能插件化能力按需扩展类似 App Store 模式企业级安全沙箱隔离、权限控制、链路追踪中文友好提供中文文档国内开发者无障碍使用7. 平台安装使用克隆项目git clone https://github.com/bytedance/deer-flow.git cd deer-flow运行配置向导make setup启动应用Docker 推荐docker compose up -d配置示例config.yamlmodels: -name:gpt-4o display_name:GPT-4o use:langchain_openai:ChatOpenAI model:gpt-4o api_key:$OPENAI_API_KEY -name:qwen3-32b display_name:Qwen332B use:langchain_openai:ChatOpenAI model:qwen3-32b api_key:$DASHSCOPE_API_KEY8. 应用场景及案例说明市场调研自动搜集竞品信息、行业数据生成分析报告代码开发根据需求描述自动编写、调试、部署代码学术研究检索论文、提取关键信息、生成文献综述内容创作自动化选题调研、资料整理、内容生成数据分析接入数据源自动编写分析脚本并生成可视化总结DeerFlow 代表了 AI Agent 从单点工具走向智能体编排的重要方向。字节跳动用 2.0 版本的完全重写展示了其对这一赛道的决心。6.5 万 Star的数据证明了社区的热情。对于想要构建复杂 AI 应用的开发者来说DeerFlow 提供了一个高起点、可扩展、多模型兼容的框架底座。建议从 Docker 部署开始体验逐步探索其技能插件体系和子智能体编排能力。如果你正在寻找一个能真正干活的 AI Agent 框架而不是只会聊天的玩具DeerFlow 值得你花一个下午深入研究。项目地址https://github.com/bytedance/deer-flow
