配图说明DeerFlow Harness马具概念图——给躁动的大模型套上缰绳和鞍具让它能稳定拉车。你有没有这种感觉跟 ChatGPT、Claude 聊得很爽可真到要写一份行业研报、整理一周周报、或者跑一组数据处理脚本时还是得自己打开三四个工具复制粘贴到半夜大模型会聊不等于会干。聊天框里再聪明它也只是秒回一段话不会替你上网查资料、不会跑代码、不会记住你上周的偏好、更不可能自己跑进飞书群里汇报进度。直到我翻了一下字节跳动开源的DeerFlow才发现这帮人是真的在解决让 AI 干活这件事。先上数据这个项目现在什么体量我直接去 GitHub 拉了一下最新数据指标数值GitHub Stars83.5kForks11.6kLicenseMIT仓库创建时间2025-05最新 Releasev2.1.0最近更新2026-10-09光看 Star 数其实说明不了什么。真正有意思的是它的定位——它不是又一个 Deep Research 工具而是想做成一套Super Agent Harness超级智能体马具。什么叫马具先讲清楚这个比喻你可以把大模型想象成一匹很有力气但有点野的马。单匹马再壮也拉不了车因为它没有缰绳、没有鞍、没有车架。DeerFlow 就是那个马具它给大模型配上文件系统、代码执行环境、长期记忆、多 Agent 协作流程和 IM 消息通道让它能稳稳地跑完一个需要几分钟甚至几小时的长程任务。Harness [马具/鞍具]把大模型套进一个能安全执行复杂任务的完整框架而不是只让它在聊天框里回答问题。它到底能干什么我列了四个我用得上的场景场景它能做的事以前我怎么做深度行业调研全网检索、筛选、汇总输出万字报告自己开 30 个网页复制粘贴自动化内容创作根据研究结果生成 PPT、技术文档、静态网站手动写大纲 找模板数据流水线在隔离环境里写 Python 脚本处理数据本地开 Jupyter怕把环境搞坏企业/团队助理接入飞书、Slack、微信做周报、竞品监控自己维护一堆脚本和机器人最打动我的是最后一条。很多企业想做AI 员工但大模型一来没有手不能操作工具二来没有脑子记不住事三来没有笼子跑代码可能搞坏服务器。DeerFlow 这三个问题都在试图解决。上手有多简单三行 Python 就能跑DeerFlow 可以直接当成一个 Python 库嵌入用不用先起 Gateway、不用 Docker。官方 README 里给了这个最小示例from deerflow.client import DeerFlowClient # 初始化客户端 client DeerFlowClient() # 1. 启动一个简单的研究任务 response client.chat( 调研 2026 年固态电池的最新商业化进展, thread_idresearch-01 ) print(response[content]) # 2. 流式获取长任务进度 for event in client.stream(分析当前生成式 AI 视频领域的竞争格局): if event.type messages-tuple and event.data.get(type) ai: print(event.data[content], end, flushTrue)代码说明thread_id可以自定义官方要求是 1–64 位的字母、数字、下划线或横线。上面这个research-01是合法的。也就是说你可以在自己的 Python 脚本里直接调一个研究员 Agent跟调一个普通函数差不多。复杂任务它会自己拆、自己搜、自己跑代码、自己汇总。架构它不是单一大脑而是一整条流水线配图说明DeerFlow 多 Agent 编排流程概念图。任务像流水一样经过规划、搜索、执行、审核、报告多个节点。我翻了下源码和官方架构文档它的核心是用LangGraph做状态机编排。LangGraph [LangChain 团队出的状态机编排库]把 Agent 的各个步骤像地铁换乘一样串成图每个站只干一件事结果往下传。典型流程大概是规划层——把用户的大任务拆成小任务搜索层——派子代理去全网或私有知识库查资料执行层——在沙箱里写代码、处理文件审核层——检查结果有没有漏、有没有错报告层——把结果整理成文章、PPT 或图表。每个节点都是一个sub-agent子代理专门负责一小块。不是让一个大模型同时处理规划搜索写代码那样很容易崩。配图说明DeerFlow 网页端聊天界面输入框下方可以唤起不同 Skill比如 research、writing。图源项目官方仓库。Skill 机制用 Markdown 就能给 AI 加技能DeerFlow 里很多业务逻辑被封装成Skill。它的设计思路是AI 只有在需要时才加载相关技能的上下文。这带来什么好处省 token、指令更干净。想象你请一个厨师你不会进门就把整本菜谱背给他听而是到了做川菜那一桌才把川菜菜单递过去。Skill 也是可扩展的。我看到官方已经支持 Claude Code、飞书 Lark、浏览器控制等能力社区也有人做自己的插件。沙箱隔离AI 写的代码跑在玻璃房里配图说明沙箱隔离概念图——AI 生成的代码在透明容器里执行跑飞了也伤不到宿主机。这一步对企业太关键了。如果你让大模型在本地直接跑rm -rf /那真的是作死。DeerFlow 的做法是每个任务动态创建一个隔离执行环境支持 Docker、K8s、E2B 等容器后端。Sandbox [沙箱]一个即使代码发疯也不会伤到主系统的隔离运行环境。官方文档里有一句话我特别赞同DeerFlow doesnt just talk about doing things. It has its own computer. 翻译过来就是它不只是嘴上说说它有自己的电脑可以用。配图说明DeerFlow 终端界面 TUI适合习惯命令行的开发者直接跑任务。图源项目官方仓库。长期记忆它不是金鱼能记你的偏好和事实配图说明DeerFlow 网页端的 My bookmarks 页面用来保存对话中值得回访的结果。图源项目官方仓库。普通聊天机器人最大的问题是聊完就忘。DeerFlow 除了存对话记录还会自动从对话里提取知识和习惯存进长期记忆库。比如我跟它说以后给我写周报都按技术中心的八列模板下次它就能自动按这个格式来。它还有个 bookmarks 功能可以把某次特别好的回答存下来像浏览器书签一样回头查。Long-term Memory [长期记忆]让 Agent 跨会话记住用户偏好、项目背景、常用格式而不是每次从零开始。多渠道适配把 AI 研究员塞进飞书、Slack、微信群配图说明多 IM 渠道接入概念图。DeerFlow 可以把同一个 Agent 同时挂到多个聊天平台里。DeerFlow 内置了 Telegram、Slack、Feishu/Lark、微信、企业微信、钉钉、QQ、Buzz 等通道。配置好之后你可以在群里 它它就在后台开一条线程慢慢跑跑完把结果发回群里。官方给了一张表我直接搬过来通道接入方式难度TelegramBot API长轮询简单SlackSocket Mode中等飞书 / LarkWebSocket中等微信腾讯 iLink长轮询中等企业微信WebSocket中等钉钉Stream PushWebSocket中等QQWebSocket中等不用公网 IP、不用复杂回调这是它比其他方案友好的地方。我自己最心动的是可以让它在飞书群里默默跑一份竞品监控报告早上直接丢结果出来。跟普通 Chatbot / RAG 比它强在哪维度DeerFlow普通 Chatbot / RAG任务时长分钟到小时级的长程任务秒级即时对话能力边界能读文件、写代码、跑脚本、发消息只能生成文字安全性强制沙箱隔离通常无隔离或本地裸跑记忆深度跨会话长期记忆沉淀只有当次对话上下文部署形态Python 嵌入 / Web / IM / TUImostly 网页对话当然它不是没有代价部署比单聊天框重配置也比调 OpenAI API 麻烦。但问题是要解决复杂任务本来就需要更多基础设施。适合什么人用AI 开发者想搭一个能跑代码、能协作的 Super Agent行业分析师需要自动化深度研究 output 万字报告企业数字化/IT 团队想在内部安全可控地落地 AI 助手个人效率党想自动整理周报、监控信息、生成内容。我的上手建议踩坑前先看最快体验用 Dockergit clone之后make setupmake dev然后开http://localhost:2026不想起服务直接用 Python embedded client上面那段代码就能跑沙箱别开本地 bash要跑代码的话建议用 Docker/K8s/E2B provider别图省事开本地 shellIM 通道先拿 Telegram/Slack 练手飞书配置略复杂要申请应用和权限Memory 可以导示例数据官方给了backend/docs/memory-settings-sample.json方便本地体验长期记忆效果。名词速查表名词一句话解释Super Agent Harness把大模型套进一个能安全执行复杂任务的完整框架LangGraphLangChain 团队出的状态机编排库把 Agent 节点像地铁换乘一样串起来RAG检索增强生成大模型先查资料再回答Sub-agent子代理专门负责一个小任务的迷你 AgentSandbox沙箱隔离运行环境跑飞了也伤不到主机TUI终端用户界面命令行里的交互界面MCP模型上下文协议让 AI 调用外部工具的一套标准接口Long-horizon task长程任务能跑几分钟到几小时不是秒回写在最后DeerFlow 给我的感觉不是又一个开源大模型玩具而是真的在回答一个问题如果大模型要进企业、要进工作流它还需要哪些配套设施它需要编排LangGraph、需要记忆 DeerMem 、需要安全的执行环境Sandbox、需要工具接口Skill/MCP、需要跟现有协作工具打通IM 通道。DeerFlow 把这些都包在了一起。它不一定适合所有人。如果你只是偶尔问两个问题ChatGPT 网页版就够了。但如果你想让 AI 真正承担研究员助理自动化脚本的角色DeerFlow 是目前为数不多把整套马具都准备好了的开源方案。我已经把环境拉起来了接下来准备写一个自动整理技术周报的 Skill。如果你也在用 DeerFlow欢迎交流踩坑经验。