字節版龍蝦架構開源獲35k+Star，內置Skill全家桶，原生適配飛書

聞樂 發自 凹非寺
量子位 | 公眾號 QbitAI

原來字節也有龍蝦——

Deer-Flow2超級智能體管理框架。

開源發布后迅速登上了GitHub Trending榜首，已經收獲了35.3k Star。

Deer-Flow2采用模塊化多智能體架構，這些智能體通過LangGraph實現協同合作。

主打開箱即用，內置了Tavily、Brave Search、DuckDuckGo等多種搜索引擎，還集成了Jina等爬蟲工具，基本把信息收集的十八般兵器都給配齊了。

當然，擴展性也沒落下，自定義API或模型隨意接。

核心能力上，多智能體協同、沙箱安全執行、一鍵部署全都有，Docker快速部署和本地開發任你挑，主流大模型統統兼容。

不過最貼心的還得是IM渠道支持——

原生適配飛書、Telegram、Slack，沒有公網IP也能跑。

核心能力與技術亮點

DeerFlow在迭代過程中完成了一次徹底的架構升級。

1.0版本采用固定5節點多智能體架構，能力邊界相對明確，主要聚焦在深度研究場景。

而2.0版本則對整體結構進行了全面重構，從底層骨架到上層能力都實現了飛躍。

新版本采用單一主智能體+11 層中間件鏈+動態子智能體的全新架構，將核心能力收斂到工具集與中間件鏈中，讓整個系統更輕量、更靈活、更易擴展。

相比1.0需要調整整體結構才能新增能力，2.0只需添加新技能就能完成拓展，無需改動底層框架。

原本作為核心的深度研究，也從唯一主打能力轉變為框架內置的一項基礎能力。

在框架層面，DeerFlow 2.0已經整合子智能體調度、長期記憶、隔離沙箱執行環境、可擴展技能與工具等關鍵模塊，形成了一套完整、成熟的智能體運行能力體系。

可插拔Skill體系

為了讓智能體快速適配不同場景，DeerFlow 2.0搭建了一套可插拔的技能體系。

出廠自帶深度研究、數據分析、圖表生成、音視頻創作等十余種常用技能，系統會根據任務需求漸進式加載控制token消耗，這樣就避免了上下文被過度占用而導致的效率下降。

如果內置能力無法滿足需求，用戶還可以自行封裝專屬技能。

配合官方提供的skill-creator工具，幾分鐘就能為智能體擴展新能力。

同時系統提供MCP與Python接口，支持自定義工具的深度集成，甚至可接入Claude Code，讓用戶在終端就能完成工具的下發、查看與管理操作

隔離沙箱執行環境

DeerFlow 2.0還配備了獨立隔離沙箱。每個任務都在專屬沙箱中運行，擁有完整文件系統與Bash執行權限，支持文件讀寫、腳本運行、命令操作等。

系統提供本地、Docker、Kubernetes三種運行模式。

其中Docker模式采用字節開源的AIO Sandbox，隔離級別更高、運行更穩定。

同時自動完成虛擬路徑與物理路徑的映射，確保開發環境與部署環境保持一致。

子智能體調度+上下文工程

面對復雜長時任務，DeerFlow 2.0通過調度機制與上下文工程雙管齊下。

主智能體會先對任務進行結構化拆解，再按需調度最多3個子智能體并行執行子智能體可選用通用能力或命令行專家型。

每個子智能體都擁有獨立上下文，互不干擾、互不污染

在此基礎上，框架還通過多層中間件鏈、上下文自動摘要壓縮、外部文件存儲、子任務限流等設計，系統性解決長時任務中上下文窗口不足的問題。

說了這么多，接下來檢驗一下DeerFlow 2.0的能力如何。

一鍵產出完整、可交付的足球聯賽官網頁面，從設計到代碼全流程自動化。

一句指令就能把復雜概念變成孩子也能看懂的哆啦A夢漫畫！

一句話生成液態玻璃天氣界面，鼠標懸停還能3D形變。

如何部署

DeerFlow提供了Docker和本地這兩種主要的部署方式。

Docker部署是最簡單快捷的方式，只需幾個命令，就能在本地啟動完整的DeerFlow服務。

首先克隆倉庫：

• git clone https://github.com/bytedance/deer-flow.git

等待倉庫下載完成后，進入項目根目錄：

• cd deer-flow

生成本地配置，輸入：

• make config

系統會自動生成config.yaml配置文件和.env文件（如果沒有make命令，Windows可安裝MinGW）。

然后找到項目目錄下的Config.yaml文件，填入模型相關配置。

設置完成后，輸入：

• make docker-init

自動拉取字節開源的AIO Sandbox沙箱鏡像，首次拉取可能需要幾分鐘。

鏡像拉取完成后，啟動服務，輸入：

• docker-start

服務啟動后，訪問http://localhost:2026即可進入Web界面。

如果需要進行深度定制或二次開發，可以選擇本地部署方式。

本地部署需要滿足一定的前置條件，包括Python 3.12+、Node.js 22+、pnpm、uv包管理器以及nginx

滿足前置環境后檢查依賴，打開終端進入deer-flow根目錄，輸入：

• make check

系統會自動校驗上述依賴是否齊全、缺少的會提示補充。

這時候你可以輸入：

• make install

系統會自動安裝python和node相關依賴包。

接下來可以輸入make setup-sandbox（按需）預拉取沙箱鏡像，避免后續首次使用時等待。

然后啟動服務：

• make dev

這種方式適合需要修改源碼、調試功能或貢獻代碼的開發者。

DeerFlow原生支持從即時通訊應用接收任務，目前支持Telegram、Slack和飛書/Lark三個渠道，且都不需要公網IP。

△config.yaml文件channels相關配置

配置完成后，就可以直接在聊天窗口中與DeerFlow交互。

DeerFlow的兩位核心開發者是來自北京大學的Tao He和來自南京大學的Henry Li。

項目地址：https://github.com/bytedance/deer-flow

官方網站：https://deerflow.tech

參考鏈接：https://x.com/Gorden_Sun/status/2035698488034628003

— 完 —