DeerFlow 2.0 是什么
DeerFlow 2.0 是字节跳动开源的超级智能体框架，采用”主智能体+11层中间件链+动态子智能体”架构，通过LangGraph实现多智能体协同。框架内置深度研究、数据分析、音视频创作等10+种可插拔技能，支持Docker/K8s隔离沙箱执行。原生适配飞书、Telegram、Slack，无需公网IP即可运行。2.0版本从单一研究工具升级为通用智能体运行时，支持分钟到小时的复杂任务处理，可一键生成网站、PPT、漫画等内容。
DeerFlow 2.0 的主要功能
- 智能体架构：采用主智能体统筹规划与动态子智能体并行执行的协作模式，实现复杂任务的高效分解与协同处理。
- 可插拔技能体系：内置深度研究、数据分析、PPT生成、网页设计等10余种技能模块，支持用户通过MCP接口和Python函数自定义扩展新能力。
- 隔离沙箱执行：提供本地、Docker和Kubernetes三种运行模式，基于字节AIO Sandbox为每个任务创建独立容器环境，确保执行安全与资源隔离。
- 上下文工程：通过自动摘要压缩、中间结果外部存储和子任务限流等机制，系统性解决长时任务中的上下文窗口不足问题。
- 长期记忆：支持跨会话持久化存储用户画像、偏好设置和累积知识，且所有数据均保存在本地由用户完全掌控。
- IM渠道集成：原生适配飞书、Telegram和Slack三大即时通讯平台，无需公网IP即可通过命令指令与智能体交互。
- 多模型兼容：支持OpenAI、Gemini、DeepSeek、豆包Seed等主流大模型，通过统一配置接口灵活切换不同底层能力。
DeerFlow 2.0 的关键信息和使用要求
- 项目背景：字节跳动开源的超级智能体框架，采用MIT许可证。
- 发布时间：2026年2月28日正式发布2.0版本，发布当日即登顶GitHub Trending榜首。
- 核心定位：从1.0版本的深度研究工具全面升级为通用智能体运行时（Super Agent Harness）。
- 任务能力：支持处理从分钟到小时不等的复杂多步骤任务，涵盖研究、编码、创作等多种场景。
- Python版本：要求系统安装Python 3.12或更高版本。
- Node.js版本：要求系统安装Node.js 22或更高版本。
- 包管理器：需要安装pnpm和uv作为前后端包管理工具。
如何使用DeerFlow 2.0
- 克隆仓库：执行
git clone https://github.com/bytedance/deer-flow.git克隆项目到本地，进入项目目录cd deer-flow。 - 生成配置：运行
make config自动生成config.yaml和.env配置文件。 - 配置模型：编辑
config.yaml文件，添加所需模型（如GPT-4、Gemini、DeepSeek、豆包等），设置模型名称、API类型、密钥变量等参数。 - 设置密钥：在
.env文件中填入各服务商的API密钥，如OPENAI_API_KEY=your-key。 - 选择部署方式
- Docker方式：执行
make docker-init拉取沙箱镜像，再执行make docker-start启动服务。 - 本地方式：执行
make check检查依赖，再执行make install安装依赖，最后执行make dev启动服务。
- Docker方式：执行
- 访问使用：打开浏览器访问 http://localhost:2026 进入Web界面，输入任务指令开始使用。
- IM渠道接入：在
config.yaml中开启飞书、Telegram或Slack配置，设置对应平台的App ID、密钥等参数，可在聊天软件中通过命令与DeerFlow交互。
DeerFlow 2.0的项目地址
- 项目官网：https://deerflow.tech
- GitHub仓库：https://github.com/bytedance/deer-flow
DeerFlow 2.0的同类竞品对比
| 对比维度 | DeerFlow 2.0 | JVS Claw (阿里) | QClaw (腾讯) |
|---|---|---|---|
| 开发方 | 字节跳动 | 阿里云 | 腾讯 |
| 开源协议 | MIT（完全开源） | 闭源 | 闭源 |
| 核心架构 | 主智能体+11层中间件链+动态子智能体 | 基于OpenClaw封装 | 基于OpenClaw极简封装 |
| 部署方式 | Docker/本地/K8s，支持私有化 | 需申请邀请码，云端使用 | 需通过腾讯渠道申请 |
| 沙箱机制 | 字节AIO Sandbox，三级隔离 | 继承OpenClaw沙箱 | 继承OpenClaw沙箱 |
| 技能扩展 | 可插拔Skill体系，支持自定义 | 预置技能+自定义扩展 | 预置技能+灵感广场 |
| IM集成 | 飞书、Telegram、Slack原生支持 | 暂无原生IM支持 | 微信小程序「QClaw管家」 |
| 记忆能力 | 长期记忆，本地存储 | 继承OpenClaw记忆机制 | 继承OpenClaw记忆机制 |
DeerFlow 2.0的应用场景
- 深度研究：自动收集多源信息、生成研究报告，适用于学术研究、竞品分析、行业调研等复杂信息处理任务。
- 网页开发：一键生成完整可交付的网站页面，从UI设计到前端代码全流程自动化，如足球联赛官网、3D交互天气界面等。
- 内容创作：将复杂概念转化为儿童友好的教育漫画，或自动生成PPT、播客脚本、视频内容等多媒体素材。
- 数据分析：自动执行数据清洗、可视化图表生成、商业智能报告撰写等数据驱动型任务。