字节开源的这个多Agent框架，已经收获34w star了！

　　字节的DeerFlow 2.0 发布后登顶 GitHub Trending 榜首，目前已获得 34.1k+ Stars

　　做深度研究再也不用自己埋头翻网页、整理零散信息、吭哧吭哧写报告了，全程 AI 多 Agent 分工协作，人类只需要提需求、把方向，从信息搜集到成果输出一条龙搞定，研究效率直接拉满。

　　关键它还是开源免费的，火山引擎还能一键部署，新手也能零门槛上手。

　　先说说，DeerFlow 到底是个啥?

　　简单讲，DeerFlow是字节跳动推出的社区驱动型深度研究框架，基于 LangGraph 打造的模块化多 Agent 系统。

　　核心就是把大模型和网页搜索、爬虫、Python 代码执行这些实用工具揉在一起，还加了人机协同、私有知识库、多格式内容生成的功能，主打一个让 AI 替你做 “脏活累活”，人类聚焦核心思考。

　　官方还给了一个在线体验和demo展示地址，大家可以自行感受下

　　https://deerflow.tech/

　　现在它还正式上架了火山引擎 FaaS 应用中心，能在线体验，也能一键部署，不管是学生做论文调研、职场人做行业分析，还是博主做内容研究，个人用、团队协作都适配。

　　实测体验：上手超简单，零折腾就能跑

　　我最怕那种配置半天还跑不起来的开源项目，但 DeerFlow 完全没这问题，上手难度几乎为 0，和我之前用的那些繁琐的研究工具比，简直是降维打击。

　　它的环境配置做得太贴心了：不用手动装 Python、配虚拟环境，uv一键就能搞定所有依赖;

　　前端用nvm+pnpm管理，也是一行命令的事;

　　实测下来，DeerFlow 的功能不是堆出来的，每一个都精准踩中了深度研究的需求，用起来特别顺手，挑几个我觉得最顶的说说：

　　多工具 + 私有知识库，研究无死角

　　做研究最烦的就是搜不到精准信息，或者只能用公开资料，DeerFlow 直接把这个问题解决了。

　　它支持 Tavily/Brave/Arxiv 等多款搜索引擎，学术研究用 Arxiv 搜论文，通用调研用 Tavily/Brave，还能结合 Jina 爬虫做深度信息提取;

 

　　甚至能对接 RAGFlow/VikingDB 私有知识库，用自己的本地文档、企业资料做研究，还支持多语言跨语言搜索，中英文、日韩西语都能搞。

　　我实测让它写一篇 “南京传统汤包” 的研究文章，它直接整合了历史、做法、门店信息，还做了口味分析，比我自己搜的资料还全面。

　　人机协同定计划，AI 研究不跑偏

　　很多 AI 研究工具的问题是 “自说自话”，跑出来的内容和需求偏差很大，DeerFlow 的Human-in-the-loop 人机协同机制直接解决了这个痛点。

　　AI 会先根据你的问题生成详细的研究计划，你可以用自然语言直接修改 —— 比如让它 “加一步技术实现分析”“删掉无关的背景介绍”，也能一键[ACCEPTED]自动接受计划，完全掌握研究主动权。

　　我实测改了个 “量子计算对密码学的影响” 的研究计划，AI 秒级响应，直接生成新的执行方案，再也不怕 AI 瞎研究了。

　　多 Agent 分工，报告专业度拉满

　　DeerFlow 不是单一大模型在干活，而是多个专业 Agent 分工协作，就像一个专属的研究团队：

　　Coordinator(统筹)：管整个工作流，对接用户需求;

　　Planner(规划)：拆解研究任务，制定执行步骤;

　　Research Team(研究团队)：Researcher 搜资料、Coder 做代码分析 / 数据计算;

　　Reporter(报告)：整合所有信息，写结构化研究报告。

　　各司其职的结果就是，生成的报告逻辑超清晰，重点突出，还能自动插入相关图片，我实测让它分析 OpenAI Sora，生成的报告从功能、局限到伦理考量都讲透了，专业度比我自己写的还高。

　　部署超灵活，本地 / 云端都能玩

　　DeerFlow 的部署方式特别多，完全适配不同的使用场景：

　　本地跑：直接用uv启动，适合个人快速调研;

　　Docker/Compose：一键构建镜像，前后端一起跑，适合团队部署;

　　火山引擎：在线体验 + 一键部署，不用自己搭服务器，小白也能搞。

　　我实测用 Docker Compose 启动，全程没报错，前后端秒级响应，体验感拉满。

　　快速实测，新手也能一键启动

　　git clone https://github.com/bytedance/deer-flow.gitcd deer-flowmake config

　　重点：打开.env和conf.yaml，把里面的 API 密钥、LLM 模型地址改好(比如 Tavily/Brave 的 API，火山引擎 TTS 密钥)，其他默认就行。

　　启动运行

　　uv run main.py

　　它的潜力很大，基于 LangGraph 的架构可以自由扩展插件、对接新工具，社区也在不断贡献新功能，后续只会越来越强。

　　这个比龙虾上手难度高一些，但是自由度更好，适合有一定基础的。

　　实测过的小伙伴可以在评论区说说你的感受，也欢迎分享更多好用的小技巧～

　　项目地址：

　　https://github.com/bytedance/deer-flow