DeerFlow 2.0 是字节跳动出品的开源 super agent harness（深度探索与高效研究流），80k Star，Python 3.12 + Node.js 22 + MIT 协议。2.0 是完全重写：编排 sub-agen
本资源包含什么
完整源码：来自 GitHub
bytedance/deer-flowmain 分支（DeerFlow 2.0 全新重写版本），含backend/（Python 核心）+frontend/（Node.js 22 前端）+examples/（示例项目）+contracts/（API 协议）+skills/（skill 集合）+deploy/+docker/（部署脚本）。Python 后端：
backend/pyproject.toml，Python 3.12+。Node.js 前端：
Makefile，Node.js 22+。部署脚本：
Makefile、.dockerignore、deploy/、docker/、scripts/。配置文件模板：
.env.example（4.9 KB 环境变量）、config.example.yaml（126 KB 配置示例）、extensions_config.example.json。官方文档：
README.md、README_zh.md、README_ja.md、README_fr.md、README_ru.md（多语言 README 已剔，仅保留英文原版）；AGENTS.md、CLAUDE.md、Install.md、CONTRIBUTING.md、CODE_OF_CONDUCT.md、SECURITY.md、RELEASING.md、CHANGELOG.md（已剔）。MIT 协议：
LICENSE。
核心能力
super agent harness：编排 sub-agent 协同完成复杂任务，类似 LangGraph 但更激进。
memory 系统：短期上下文 + 长期记忆，支持跨 session 知识积累。
sandbox 执行：在隔离环境里运行代码 / 抓取网页 / 调工具，safe by design。
可扩展 skills：
skills/目录按需加载，类似 Claude Code Skills。Deep Research：内置多轮网络搜索 + 内容提取 + 报告生成 pipeline。
多 LLM 兼容：支持 OpenAI / Anthropic / 字节火山引擎 / 本地 Ollama 等。
前端 UI：Node.js 22 前端，含对话界面 + 工作流可视化 + 报告渲染。
本资源包不含什么
编译产物（已剔
node_modules/、__pycache__/、.venv/、dist/、build/、target/）多语言 README（已剔
README_zh.md、README_ja.md、README_fr.md、README_ru.md、CHANGELOG.md、CHANGELOG_zh.md，节省约 350 KB）开发文档（已剔
docs/、plans/、pr-build/、tests/）GitHub CI 与 .vscode 配置（已剔
.github/、.vscode/、.agent/）
资源包大小
压缩后约 17.1 MB，解压后约 25.6 MB / 1780 个文件。
启动运行（Makefile 一键）
git clone https://github.com/bytedance/deer-flow.git cd deer-flow make install # 安装 Python + Node 依赖 cp .env.example .env cp config.example.yaml config.yaml # 编辑 .env + config.yaml 填 LLM API key make run # 启动后端 + 前端 # 浏览器打开 http://localhost:3000
启动运行（Docker）
cd docker docker compose up -d
安装编译依赖
Python 3.12+（
backend/pyproject.toml锁定）Node.js 22+（
Makefile锁定）Docker（可选，部署推荐）
OpenAI / Anthropic API Key（任选）
典型使用场景
深度研究报告：让 DeerFlow 自动搜索 + 抓取 + 综合分析，生成万字深度报告。
多 agent 业务自动化：编排 sub-agent 做客户调研 / 竞品分析 / 内容生产流水线。
code agent 工具集成：在 sandbox 里安全执行任意 Python / Node 代码。
私有 AI 研究团队：企业内网部署 DeerFlow，定制自己的 research skills。
适用人群
AI 应用开发者，研究字节跳动出品的大模型 agent 框架设计。
数据分析 / 行业研究 / 学术研究人员，需要自动化深度调研工具。
企业 IT 团队，需要私有化部署 multi-agent 框架。
做技术选型：评估 DeerFlow vs LangGraph / AutoGen / CrewAI。
质量承诺
本资源包内源码全部来自 bytedance/deer-flow 官方 GitHub 仓库（MIT 协议），DeerFlow 2.0 完整源码，经本地解压验证：含 backend Python + frontend Node.js + examples + contracts + skills + 完整部署脚本。用户解压后 make install && make run 即可启动。
版权声明
本站文字内容为原创编撰或者网络搜集整理，受著作权保护，禁止未经授权批量采集转载。
本站分享的各类源码、AI大模型、程序工具仅作技术科普部署教程使用，不直接存储原版版权文件。
所有第三方资源的知识产权、开源协议、商用授权规则均归原开发团队所有。
使用者下载、部署、二次开发必须严格遵守国家著作权相关法律法规，以及资源官方许可协议，如需商业运营，务必向版权方申请合法授权。
因用户私自商用、违规分发资源造成的法律纠纷与经济损失，全部由使用者自行承担，本站不承担连带责任。
