DeerFlow（Deep Exploration and Efficient Research Flow）是字节跳动开源的一款多步骤 Super Agent 框架，能够编排子代理、记忆系统和沙箱环境来完成复杂的长时间任务。GitHub 77K+ Stars，2026 年 2 月曾登顶 GitHub Trending 第一。
它解决什么问题
传统的 AI Agent 适合单轮问答或简单任务，但遇到需要多步骤推理、调用不同工具、持续数十分钟甚至数小时的任务时，很容易丢失上下文或卡在中间步骤。DeerFlow 的设计目标就是处理这种「长时间跨度的复杂任务」。
比如：让它研究一个技术方向，它需要搜索资料、阅读文档、写代码验证、生成报告——整个流程可能涉及几十个子步骤。DeerFlow 可以自主完成这个链条。
核心架构
子代理编排
DeerFlow 不只有一个 Agent，而是有一个 Agent 管理团队。主代理负责拆解任务、规划步骤，然后把每个步骤交给专门的子代理去执行。子代理可以并行工作，也可以串行接力。
记忆系统
长时间任务中最怕的就是「做到后面忘了前面」。DeerFlow 内置记忆系统，在任务执行过程中不断保存中间结果和决策信息，后续步骤可以随时回溯。
沙箱环境
代码执行在隔离的沙箱中进行，不会影响宿主系统。支持 Docker 沙箱，跑完自动清理。
可扩展技能
通过技能（Skills）扩展能力，社区可以贡献新的技能模块。支持安装第三方技能。
核心功能
深度研究（Deep Research）
DeerFlow 最初就是为深度研究场景设计的。给定一个研究主题，它会：
- 拆解成多个子问题
- 搜索相关资料
- 阅读和分析信息
- 交叉验证
- 生成结构化的研究报告
编码执行
支持编写和运行代码，可以在沙箱中执行 Python、Shell 等语言，并获取执行结果用于下一步决策。
网页浏览
可以自主浏览网页、提取内容、填写表单，用于信息收集和在线操作。
文件操作
支持读写文件、整理数据，适合数据处理和文档生成场景。
IM 集成
支持接入即时通讯工具，任务执行过程中可以推送进度通知。
Docker 部署
提供 Docker 一键部署方案，也支持本地开发模式。
2.0 版本的升级
DeerFlow 2.0 是从头重写的版本，跟 1.x 不共享代码。主要改进：
- 更稳定的子代理编排
- 更高效的记忆管理
- 更好的沙箱隔离
- 更丰富的技能生态
安装使用
Docker（推荐）
git clone https://github.com/bytedance/deer-flow.git
cd deer-flow
docker compose up
本地开发
需要 Python 3.12+ 和 Node.js 22+，具体配置参考项目文档。
| 项目 | 内容 |
|---|---|
| GitHub Stars | 77.1K+ |
| 语言 | Python |
| 协议 | MIT |
| 仓库 | GitHub - bytedance/deer-flow: An open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours. · GitHub |
| 官网 | https://deerflow.tech |
| 推荐模型 | DeepSeek V3.2、豆包 Seed 2.0、Kimi 2.5 |
| 部署 | Docker（推荐）/ 本地开发 |