DeerFlow 2.0深度解析:字节跳动开源的超级Agent框架如何实现复杂多步任务编排
项目地址:https://github.com/bytedance/deer-flow

DeerFlow 2.0 是由字节跳动火山引擎团队倾力打造的开源 超级 Agent 框架。它基于可扩展、渐进式加载的技能体系,能够高效编排子 Agent、内存和沙箱,从而完成复杂的多步任务。框架全称 Deep Exploration and Efficient Research Flow,意为深度探索与高效研究流,折射出其深耕深度研究领域的起源,如今已演变为一个通用 Agent 运行时,不仅能构建数据处理流水线,还支持幻灯片生成、仪表盘启动、内容工作流自动化等丰富场景。

2026 年 2 月 28 日,DeerFlow 2.0 正式发布,一经推出便迅速登上 GitHub Trending 榜首。该版本完全从头重写,与 v1 没有任何代码复用,全新的架构为其带来了更强的灵活性和性能。

核心特性与功能
DeerFlow 与传统聊天机器人框架的分野在于,它为 Agent 提供了一个完整的 执行环境——不仅仅是简单的工具访问权限,更涵盖了完整的沙箱文件系统、并行子 Agent、持久化记忆,以及通过渐进式加载保持上下文窗口精简的技能引擎。
技能与工具
技能被组织成结构化的 Markdown 文件,其中定义了工作流、最佳实践和资源引用。这些技能 仅在需要时加载,即便是使用对 Token 用量敏感的模型,也能保障上下文窗口始终高效运转。DeerFlow 内置了 17 项技能,覆盖深度研究、数据分析、图表可视化、PPT/播客/视频生成、前端设计等诸多领域。工具遵循同样的设计理念:提供一套核心内置工具集(包括网页搜索、网页抓取、文件操作、Bash 执行),并通过 MCP 服务器和自定义 Python 函数进行灵活扩展。
子 Agent
主导 Agent 能够动态生成 并行子 Agent——每个子 Agent 都拥有隔离的上下文、专用工具和独立的终止条件。一项研究任务可以拆解成十几个从不同视角探索的子 Agent,最终汇聚成报告、网站或幻灯片。这种任务分解机制让 DeerFlow 具备处理耗时数分钟乃至数小时长链路任务的能力。
沙箱执行
每一个任务都在具备完整文件系统的 隔离 Docker 容器 中运行,其内部包含技能、工作区、上传和输出目录。Agent 可以读取、写入、编辑文件,执行 Bash 命令,查看图像——所有这些操作均在沙箱中完成,完全可审计,且会话之间零污染。系统支持三种执行模式:本地执行(适用于开发环境)、Docker 容器(推荐方案)以及通过配置器启动的 Kubernetes Pod(高级用法)。
上下文工程
DeerFlow 在长对话中积极进行上下文管理——总结已完成的子任务,将中间结果卸载到文件系统,并压缩不再直接相关的内容。每一个子 Agent 在自己的隔离上下文中运行,从而保持专注。这套机制确保了系统在多步任务中始终保持敏锐,不会触及模型的上下文长度限制。
长期记忆
与大多数在对话结束时遗忘一切的 Agent 不同,DeerFlow 会跨会话持续构建关于用户的个人资料、偏好和知识积累的 持久化记忆。使用频率越高,它就越能把握你的写作风格、技术栈和重复性工作流。记忆以本地 JSON 文件的形式存储,完全由用户掌控。
即时消息平台集成
DeerFlow 支持直接从消息平台接收任务指令。通道在配置完成后会自动启动,无需公网 IP 即可工作。
| 通道 | 传输方式 | 配置难度 |
|---|---|---|
| Telegram | Bot API (长轮询) | 简单 |
| Slack | Socket Mode | 中等 |
| 飞书 / Lark | WebSocket | 中等 |
每个通道都支持全局会话默认配置,以及针对助手指令配置、上下文设置(思考模式、计划模式、子 Agent)和递归限制的按用户覆盖。/new、/status、/models 和 /memory 等交互式命令提供了常用操作的快速入口,无需离开聊天界面。
技术架构与栈
DeerFlow 是一个全栈应用,融合了基于 Python 的 Agent 后端与基于 React 的聊天前端,并通过反向代理层进行衔接。系统专门为本地开发和容器化生产部署而设计。
| 层级 | 技术 | 用途 |
|---|---|---|
| 前端 | Next.js 22+ / React | 聊天界面、工作区 UI、设置 |
| Agent 运行时 | LangGraph + LangChain | 多 Agent 编排、工具执行 |
| 网关 API | FastAPI | 用于模型、上传、技能、MCP 的 REST 端点 |
| 反向代理 | Nginx | 端口 2026 上的统一入口 |
| 包管理器 | uv (Python) / pnpm (Node.js) | 依赖管理 |
| 运行时 | Python 3.12+ / Node.js 22+ | 最低版本要求 |
| 容器化 | Docker / docker-compose | 生产与沙箱隔离 |
后端依赖 uv 进行工作区管理的 Python 依赖,核心 Agent 逻辑位于 backend/packages/harness/ 下名为 deerflow-harness 的工作区包中。前端使用 pnpm 及其工作区配置,其中包含用于 shadcn/ui 主题配置的 components.json。
系统架构总览
DeerFlow 遵循清晰的三层架构,Nginx 作为唯一的入口点,根据 URL 路径将流量路由到 LangGraph Agent 服务器、FastAPI 网关或 Next.js 前端。

LangGraph Server 是整个系统的大脑——负责创建 Agent、管理线程状态、执行中间件链、编排工具执行,并通过 Server-Sent Events (SSE) 流式返回响应。Gateway API 承担 Agent 之外的各类事务:模型列表、文件上传、技能管理、MCP 配置以及产物服务。前端 则提供由 React 组件构建的交互式聊天界面。
项目目录结构
代码仓库被组织为四个主要目录,各司其职,职责明确。理解这一布局是导航和修改代码库的第一步。
deer-flow/
├── backend/ │ ├── packages/harness/ # Core agent logic (workspace package)
│ │ └── deerflow/
│ │ ├── agents/ # Lead agent, memory, middlewares
│ │ ├── sandbox/ # Sandbox providers & tools
│ │ ├── skills/ # Skill loader, parser, validation
│ │ ├── mcp/ # MCP client, OAuth, caching
│ │ ├── models/ # Model factory & provider patches
│ │ ├── subagents/ # Sub-agent registry & executor
│ │ ├── tools/ # Built-in tools assembly
│ │ ├── config/ # Configuration dataclasses
│ │ └── client.py # Embedded Python client
│ ├── app/
│ │ ├── gateway/ # FastAPI app & REST routers
│ │ └── channels/ # Telegram, Slack, Feishu integrations
│ └── tests/ # Test suite
│
├── frontend/ # Next.js chat application
│ └── src/
│ ├── app/ # Next.js pages & API routes
│ ├── components/ # UI components (workspace, ai-elements)
│ └── core/ # API clients, hooks, state management
│
├── skills/ # Markdown-based skill modules
│ └── public/ # 17 built-in skills
│
├── docker/ # Container & deployment configs
│ ├── docker-compose.yaml # Production services
│ ├── docker-compose-dev.yaml # Development services
│ └── nginx/ # Reverse proxy configuration
│
├── scripts/ # Automation & utility scripts
├── config.example.yaml # Template configuration
└── Makefile # Unified dev commands
backend/packages/harness/ 目录包含了以 deerflow-harness 打包的实际 Agent 运行时,作为工作区依赖被导入。这里汇聚了所有智能逻辑:Agent 创建、中间件执行、工具解析、沙箱管理以及内存持久化。backend/app/ 目录则放置着 Gateway API 和即时消息通道适配器,它们与 LangGraph 服务器并列运行。