DeerFlow

DeerFlow 是字节跳动开源的 SuperAgent harness，基于 LangGraph 和 LangChain 构建，可以完成从几分钟到几小时的长周期研究、编程和创作任务。2026 年 2 月发布的 2.0 版本是一次推倒重写，直接冲上 GitHub Trending 榜首。它通过消息网关编排子智能体、记忆、沙箱、技能和工具，79,000+ 的 GitHub Star 让它成为整个生态中 Star 最多的智能体框架之一。

核心功能

• 子智能体编排：协调者、规划者、研究员和报告者智能体协同完成复杂工作流。
• AIO 沙箱：基于 Docker 的隔离环境，内置浏览器、Shell、文件系统、MCP 服务器和 VSCode Server。
• 长短时记忆：持久上下文跨会话、跨长任务延续。
• 可扩展技能：插件式架构，智能体按需加载 SKILL.md 定义的技能。
• 多模型支持：支持豆包、DeepSeek、OpenAI、Gemini 或本地 Ollama 模型。
• 消息网关：接入 Slack、Telegram、Discord、飞书、微信等 IM 渠道。
• 任务分解：自动规划，子任务可并行也可串行执行。
• Claude Code 集成：可以把 Claude Code 当作 harness 内的编程引擎来使用。

适用场景

谁应该使用这个工具？

• 智能体框架搭建者：想要生产级、可自托管、不锁定单一厂商的 harness 的团队。
• 研究自动化场景：文献综述、数据收集、报告生成这类长周期任务。
• 企业研发：字节跳动背书加 MIT 协议，是做内部智能体平台的安全底座。

解决的问题

1. 长周期脆弱性：记忆加子智能体编排，让数小时的任务不跑偏。
2. 沙箱隔离：AIO 沙箱给智能体浏览器和 Shell，却不碰你的机器。
3. 厂商锁定：多模型支持意味着可以随着价格和质量变化随时换后端。

定价方案

DeerFlow 完全免费且开源。你只需为接入的模型 API 和运行它的基础设施付费。

优势对比

相比竞品的优势：

1. 社区规模：约 8 万 Star，在所有智能体框架中排在最前列。
2. 生产成熟度：1,500+ 次提交、40+ 位贡献者，外加一次推倒重来的 2.0 重写。
3. 沙箱深度：AIO 沙箱把浏览器、Shell、文件和 MCP 打进一个 Docker 镜像。

独特卖点：

• 建立在久经考验的 LangGraph/LangChain 技术栈上，而不是另起炉灶的新运行时。
• IM 渠道消息网关（Slack、Telegram、飞书、微信）在开源 harness 中很少见。
• MIT 协议项目背后是字节跳动的工程实力。

用户评价

DeerFlow 2.0 一发布就登顶 GitHub Trending，社区口碑集中在它的完整性：记忆、沙箱、技能和子智能体全部打包在一起。开发者反复提到的一点是，因为它构建在 LangGraph 之上而不是私有运行时，每一层都可以查看和扩展。最近一个月新增的 4.9K Star 说明，首波高峰之后热度依然延续。

快速开始

快速上手指南

1. 克隆：git clone https://github.com/bytedance/deer-flow，按文档完成初始化。
2. 配置模型：填入豆包、DeepSeek、OpenAI、Gemini 的 API Key，或者指向本地 Ollama。
3. 启动沙箱：拉起带浏览器和 Shell 的 Docker AIO 沙箱。
4. 描述任务：给 harness 一个研究或编程目标，让子智能体自己规划和执行。

集成

• 编排：LangGraph 和 LangChain。
• 模型：豆包、DeepSeek、OpenAI、Gemini、Ollama。
• 渠道：通过消息网关接入 Slack、Telegram、Discord、飞书、微信。

常见问题

DeerFlow 免费吗？

免费。MIT 协议开源，你只需为模型 API 和自己的基础设施付费。

需要 GPU 或特殊硬件吗？

不需要。它编排的是远程模型 API；Docker 沙箱在任何装了 Docker 的机器上都能跑。

能和 Claude Code 一起用吗？

可以。DeerFlow 2.0 内置了 Claude Code 集成，作为它的编程引擎之一。

和 CrewAI 比怎么样？

两者都做智能体编排，但 DeerFlow 多了记忆、沙箱和消息网关，CrewAI 更专注基于角色的团队工作流。

替代方案

如果 DeerFlow 不合适，可以考虑：

• LangGraph：DeerFlow 底层使用的编排框架，想要最大控制力就直接用它。
• OpenAI Agents SDK：OpenAI 的轻量级多智能体框架。
• CrewAI：基于角色的智能体团队，主打简单。

使用技巧

1. 先从沙箱开始：先让智能体在 Docker 沙箱里浏览网页、跑代码，再考虑开放宿主机权限。
2. 尽早接消息网关：连上 Slack 或飞书后，长任务不用盯日志也能掌握进展。
3. 组合技能：把反复用到的能力打包成 SKILL.md 文件，让智能体按需加载。

总结

DeerFlow 把字节跳动级别的工程能力带进了开源智能体 harness 领域：记忆、沙箱、技能和子智能体编排，打包在一个 MIT 协议、约 8 万 Star 的项目里。对于想在 LangGraph 之上构建生产级智能体系统、又不想被厂商锁定的团队，它是头号候选之一。