字节跳动把 Agent 框架玩明白了
DeerFlow 这项目，我关注了大半年了。2025 年 5 月刚开源的时候它还是个 Deep Research 工具，没想到 2026 年 2 月直接重写了个 2.0 版本，从 Research 工具变成了"Super Agent Harness"——这玩意上线当天就冲上 GitHub Trending 第一。
现在多少星了？70,000+。字节跳动在 GitHub 上最火的项目之一，没跑了。
它到底是个啥？
简单说，DeerFlow 是一个让 AI Agent 能真正干活的运行环境。不是那种聊两句就完事的对话机器人，而是能跑代码、搜资料、写报告、做 PPT、甚至生成视频的"Agent 操作系统"。
英文全称挺有意思：Deep Exploration and Efficient Research Flow。不过 2.0 之后，它的能力早就超出"研究"范畴了。
核心卖点
1. 多 Agent 协作
主 Agent 发现任务太复杂，就自动拆解，派给子 Agent 并行执行。每个子 Agent 有自己独立的上下文、工具和终止条件。最后主 Agent 把结果整合到一起。这比单个 Agent 硬刚一个大任务靠谱太多了。
2. Sandbox 沙箱执行
Agent 有自己的"电脑"——独立的文件系统、执行环境。可以跑代码、读写文件、操作目录。生产环境用 Docker 隔离，本地开发可以用直接模式。每次任务的 workspace、uploads、outputs 都是隔开的，互不干扰。
3. Skills 技能系统
DeerFlow 预装了研究、报告生成、幻灯片制作、网页生成、图片/视频生成等技能。你也可以自己写 .skill 文件扩展。最关键的是，技能是按需加载的——上下文窗口不会被无用信息撑爆。
4. 长期记忆
跨会话记忆，Agent 会记住你的偏好、写作风格、常用技术栈。越用越顺手。记忆存在本地，数据自己掌控。
5. 多渠道接入
支持 Telegram、Slack、飞书、微信、企业微信、钉钉。配好就能在聊天里指挥它干活。不需要公网 IP（用 WebSocket/长轮询）。
6. MCP 支持
标准 MCP 协议，可以接各种 MCP server 扩展能力。Claude Code 也能直接跟 DeerFlow 通信，一个叫 claude-to-deerflow 的官方 skill 就是干这个的。
部署？没那么吓人
官方推荐 Docker 部署，一条命令搞定。本地开发也可以直接跑，需要 Node.js 22+、pnpm、uv（Python 包管理器）。模型支持很灵活——OpenAI、Claude、Gemini、DeepSeek、豆包，甚至本地 vLLM 都行。
资源要多少？4 核 8G 内存能跑，推荐 8 核 16G。生产环境建议 16 核 32G。
说实话，这配置要求不算低。但如果只是体验一下，用 Docker 在笔记本上跑个 demo 完全够用。
我觉得好的地方
- 字节团队一直在推新功能，迭代很快。从 v1 到 v2 的重写也说明他们知道方向在哪
- 技能系统 + MCP 的组合拳扩展性很强
- 多 IM 渠道接入这招聪明——很多人不想开浏览器，在微信/飞书里跟 Agent 对话才是日常
- 中文文档和社区支持做得不错（毕竟是字节自家的项目）
也有几个槽点
- 2.0 跟 v1 完全不兼容，升级成本不小
- Windows 用户想本地跑挺折腾——官方脚本只支持 Unix，好在社区有人做了 Windows 适配版
- 有些功能还在快速迭代，API 说变就变，做二次开发需要盯紧 changelog
跟同类比咋样？
和 LangChain/LangGraph 一比，DeerFlow 更像是一个"开箱即用"的产品，而不是一个"需要你自己搭"的框架。和 AutoGPT 比，DeerFlow 的架构更成熟，多 Agent 协作机制更稳定。
如果你对 Agent 感兴趣又不想从零搭一套基础设施，DeerFlow 是目前最好的选择之一。70K Star 不是白给的。
项目地址：github.com/bytedance/deer-flow
官网：deerflow.tech