DeerFlow favicon

DeerFlow

访问网站

DeerFlow：开源深度研究超级智能体 (SuperAgent)，集成沙箱与多模型支持

介绍:

DeerFlow 是一款开源的 SuperAgent 架构，专注于深度研究、编程与内容创作。它通过集成 Docker 沙箱环境、长短期记忆、多级子任务规划以及丰富的工具与技能库，能够自主处理耗时数分钟至数小时的复杂任务。DeerFlow 2.0 现已演进为全栈超级智能体，支持 OpenAI、DeepSeek 等多模型，提供持久化文件系统，助力用户高效完成自动化研究与开发工作。

记录:

2026-03-28

每月访客数:

--K

聊天机器人
DeerFlow - AI Tool Screenshot and Interface Preview

DeerFlow 产品信息

DeerFlow：开源 SuperAgent 深度研究与任务执行平台

在人工智能技术日新月异的今天，DeerFlow 作为一款卓越的开源 SuperAgent（超级智能体）框架脱颖而出。它不仅是一个简单的 AI 助手，更是一个能够进行深度研究、编写代码并自主创作的任务执行引擎。凭借其独特的沙箱机制、记忆系统、工具库及子代理协作，DeerFlow 能够处理从简单咨询到长达数小时的复杂多级任务。

什么是 DeerFlow (What's DeerFlow)

DeerFlow 是一个开源的超级智能体平台，旨在为用户提供一个具备高自主性的 AI 执行环境。它通过集成 "Computer"（计算机）能力，赋予 Agent 执行指令、管理文件和运行长任务的权限。DeerFlow 的核心理念是让智能体像人类专家一样思考与行动，通过 Deep Research 深度研究能力，在安全的 Docker 沙箱中完成各类挑战性工作。

目前，DeerFlow 已正式迈入 2.0 时代。DeerFlow 2.0 不再仅仅局限于深度研究，而是演进为一个全栈式的超级智能体，支持从上下文工程到复杂任务规划的全方位能力提升。

DeerFlow 的核心特性 (Features)

DeerFlow 之所以能在开源社区获得高度关注，归功于其强大的技术特性：

1. 全能沙箱环境 (AIO Sandbox)

DeerFlow 为智能体提供了一个全能（All-in-One）的运行环境。该环境基于 Docker，确保了任务执行的安全性与独立性：

  • 隔离与安全：在封闭环境中运行代码，保护宿主系统。
  • 持久化文件系统：支持文件的读取、写入与运行，具备挂载能力。
  • 功能集成：结合了浏览器、Shell 命令行、文件管理、MCP 以及 VSCode Server。

2. 上下文工程与记忆系统 (Context Engineering)

DeerFlow 具备长短期记忆管理能力。这使得智能体能够更好地理解用户的历史意图，在长对话中保持逻辑的一致性，确保深度研究的连贯性。

3. 长任务规划与执行 (Long Task Running)

面对复杂需求，DeerFlow 会进行自主规划与子任务拆解（Sub-tasking）。它能够进行深度推理，按顺序或并行执行子任务，从而处理需要数小时才能完成的庞大工程。

4. 可扩展的技能与工具 (Extensible Skills)

DeerFlow 的技能是按需加载的。用户可以使用内置的技能库，也可以通过自定义技能文件（如 SKILL.md）来扩展其能力。无论是生物科技、计算机科学还是前端设计，DeerFlow 都能精准调用所需技能。

5. 多模型灵活支持 (Flexible Model Support)

DeerFlow 并不绑定于单一模型。它支持包括 DeepSeek、Doubao (豆包)、OpenAI、Gemini 等在内的多种主流大语言模型，用户可以根据需求自由切换。

6. 免费与开源 (Free & Open Source)

遵循 MIT 协议，DeerFlow 允许用户完全控制代码，支持私有化部署，并鼓励社区共同贡献创意。

DeerFlow 典型使用场景 (Use Case)

DeerFlow 的深度研究能力使其在多个领域大显身手：

  • 行业趋势分析：例如预测 2026 年智能体技术趋势，并生成完整的网页研究报告。
  • 多媒体内容创作：基于《傲慢与偏见》等小说搜索特定场景，并生成关联的视频与参考图像。
  • 创意科普：利用哆啦A梦的口吻制作漫画，向青少年解释 MOE（混合专家）架构。
  • 探索性数据分析 (EDA)：对泰坦尼克号等数据集进行分析，识别影响生存的关键因素并提供可视化洞察。
  • 视频深度解析：观看 Y Combinator 的 YouTube 视频，为技术创业者整理出深度研究报告。
  • 资料汇总与报告：收集并总结特定人物（如李飞飞博士）近期的播客访谈，生成综合报告。

如何使用 DeerFlow (How to Use)

  1. 获取项目：访问 DeerFlow 的 GitHub 仓库获取源代码。
  2. 环境部署：推荐使用 All-in-One Sandbox，通过 Docker 快速搭建包含浏览器、文件系统和 VSCode Server 的运行环境。
  3. 配置模型：连接您偏好的 LLM 接口（如 DeepSeek 或 OpenAI）。
  4. 加载技能：通过 /mnt/skills/ 路径加载所需的专业技能文件。
  5. 发起任务：在 DeerFlow Agent 界面输入您的需求，例如“分析某行业趋势”或“编写特定脚本”，Agent 将自动开始规划并执行任务。

常见问题 (FAQ)

Q: DeerFlow 2.0 与 1.0 有什么区别？ A: DeerFlow 2.0 从单一的深度研究工具进化为全栈超级智能体，增强了长短期记忆、复杂任务规划以及更强大的沙箱文件系统支持。

Q: DeerFlow 支持哪些 AI 模型？ A: 它具有高度的灵活性，支持 DeepSeek、OpenAI、Gemini、豆包 (Doubao) 等多种模型。

Q: 我可以自定义智能体的功能吗？ A: 是的，DeerFlow 具有极强的扩展性。您可以编写自己的技能文件或集成第三方工具，构建符合特定需求的智能体。

Q: 它的运行环境安全吗？ A: 非常安全。DeerFlow 在隔离的 Docker 沙箱中运行，所有文件操作和指令执行均受控，且支持长时间任务的平稳运行。

DeerFlow 致力于“源于开源，回馈开源”。无论您是开发者、研究员还是内容创作者，DeerFlow 都能为您提供前所未有的智能协作体验。立即前往 GitHub 关注项目，加入我们的社区，共同塑造智能体的未来！