deer-flow：字节跳动 8.1 万星开源 SuperAgent harness，2.0 从零重写

本文介绍字节跳动开源的 deer-flow（8.1 万 stars，MIT）——一个长时程（long-horizon）SuperAgent harness，用子代理、记忆和沙箱编排来"研究、编码、创作"，靠可扩展的技能体系几乎什么都能干。2.0 版本是从零重写的全新架构，与 1.x 的 Deep Research 框架不共享任何代码。

项目简介

deer-flow 出自字节跳动，2025 年 5 月开源，是目前 star 数第一梯队的 agent 框架。1.x 时代它是经典的"深度研究"工作流；2.0 把它升级成了完整的 SuperAgent harness：主 agent 负责规划与编排，具体执行交给子代理，配合沙箱执行环境、长期记忆和可扩展技能，能跑数小时级别的长任务而不丢上下文。

配套还有一个姊妹项目 LLM Space——桌面工具，可以原型化 agent 想法、逐步检查 harness 执行过程、重放失败、做性能基准，是调试 DeerFlow 应用的利器。

核心特性

• 长时程编排：子代理 + 记忆 + 沙箱的组合，专为大任务、多阶段工作流设计
• 技能与工具可扩展：兼容 Claude Code 技能体系，社区生态直接复用
• 会话目标与上下文工程：Session Goals 锚定任务不跑偏，支持手动上下文压缩（manual compaction）拉长可用会话
• 沙箱与文件系统：可选沙箱模式、bash 访问、文件写入工具，安全策略自己定
• 长期记忆：跨会话记住项目上下文和用户偏好
• 全链路可观测：LangSmith、Langfuse、Monocle 三种 tracing 任选
• 定时任务与 IM 接入：内置调度器，支持 IM 渠道推送
• TUI 工作台：终端交互界面，配合网页端使用

快速开始

官方对 coding agent 用户非常友好，一句话交给 Claude Code/Codex/Cursor 即可完成引导安装：

手动方式：

git clone https://github.com/bytedance/deer-flow.git
cd deer-flow
make setup   # 交互式向导：选模型供应商、搜索服务、沙箱策略，生成 config.yaml 和 .env

make doctor 可随时体检环境；出问题 make support-bundle 生成问题包。部署推荐 Docker，也支持本地开发模式。

模型建议

官方推荐用 Doubao-Seed-2.0-Code、DeepSeek v3.2 和 Kimi 2.5 运行 DeerFlow；多供应商可配，搜索层接入了字节自研的 InfoQuest 工具集（可免费在线体验）。

注意事项

• 2.0 与 1.x 完全不兼容，老用户请留意版本选择；1.x 在 main-1.x 分支继续维护
• 沙箱/文件写入/bash 这些能力默认关闭与否取决于向导配置，公网部署务必按官方安全告示收紧权限
• Python 技术栈，嵌入使用提供 Python Client

项目链接

• GitHub 仓库：https://github.com/bytedance/deer-flow
• 官网与演示：https://deerflow.tech
• 姊妹项目 LLM Space：https://github.com/deer-flow/llm-space