介绍

​DeerFlow​​（Deep Exploration and Efficient Research Flow）是字节跳动于2025年5月开源的深度研究框架，旨在通过多智能体协作和AI技术简化复杂研究任务与内容创作流程。

# Github地址
https://github.com/bytedance/deer-flow/tree/main

核心功能

• 自动化研究：集成网络搜索（如Tavily、Brave Search）、爬虫、Python代码执行等工具，支持从数据收集到报告生成的端到端流程。
• 多模态输出​​：可生成包含图像的综合报告、PPT演示文稿、播客脚本及语音合成（借助火山引擎TTS技术）。
• 人机协作​​：支持自然语言交互修改研究计划，提供“人在回路”（Human-in-the-loop）的实时调整能力。
• ​​动态任务规划​​：基于多Agent架构自动分解任务并优化研究路径，支持迭代式改进。
• 无缝集成MCP服务。

技术架构

• ​​多Agent系统​​：包含协调器（管理流程）、规划器（任务分解）、研究团队（信息收集与代码分析）、报告生成器等模块，基于LangGraph构建工作流。
• 工具集成​​：支持多种语言模型（如Qwen、OpenAI兼容接口），并扩展私有域访问和知识图谱能力。
• 分布式设计​​：高效处理大规模数据，具备容错机制。

前端

• Next.js：用于 Web UI 的 React 框架
• Shadcn UI：极简 UI 组件
• Zustand： 状态管理
• Framer Motion：动画库
• React Markdown：Markdown 渲染

后端

• FastAPI：API 端点的服务器框架
• LangGraph：工作流编排
• LangChain：LLM 交互框架

系统架构

• 前端：next.js web应用
• 后端：FastAPI python应用
  

工作流架构

• 协调器：管理工作流生命周期的入口点
  • 根据用户输入启动研究流程
  • 在适当的时候将任务委派给规划者
• Planner：任务分解的战略组件
  • 创建结构化执行计划
  • 确定是否需要更多研究
• 研究团队：执行计划的专业代理
  • 研究员：进行网络搜索和信息收集
  • 编码员：处理代码分析和技术任务
• Reporter：研究成果的最终阶段处理器
  • 汇总研究团队的发现
  • 生成全面的研究报告

应用场景

• 学术/市场研究​​：快速生成文献综述或行业分析报告。
• ​内容创作​​：自动化生成播客、PPT及技术文档。
• ​​企业决策​​：辅助技术评估与战略规划。

部署

DeerFlow 使用 Python 开发，并配有用 Node.js 编写的 Web UI。

• ubuntu服务器部署

# 克隆仓库
git clone https://github.com/bytedance/deer-flow.git
cd deer-flow

# uv：Python 项目管理和包管理工具
curl -LsSf https://astral.sh/uv/install.sh | sh
source ~/.bashrc
# 安装依赖，uv将负责Python解释器和虚拟环境的创建，并安装所需的包
uv sync

# 配置各API
cp .env.example .env
vim .env
# 去Tavily：https://app.tavily.com/home 官网注册账号并拿到API Keys填上
TAVILY_API_KEY=XXX

# 配置LLM模型和API秘钥
cp conf.yaml.example conf.yaml
vim conf.yaml
# 注意DeerFlow目前仅支持非推理模型，目前还不支持 OpenAI 的 o1/o3 或 DeepSeek 的 R1 等模型
# 支持doubao-1.5-pro-32k-250115、 以及理论上实现 OpenAI API 规范的任何其他非推理聊天模型。gpt-4oqwen-max-latestgemini-2.0-flashdeepseek-v3
# 注册豆包账号并开通模型权限获得API Key
base_url: https://ark.cn-beijing.volces.com/api/v3
model: "doubao-1-5-pro-32k-250115"
api_key: XXX

# 此时应该就可以运行main.py服务进行命令行提问了
uv run main.py

# 项目中还提供了node.js开发的Web UI界面使用。
# 先安装nvm（管理Node.js版本）并安装node.js
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash
source ~/.bashrc
nvm install --lts

# 再安装pnpm（管理 Node.js 项目的依赖。）
curl -fsSL https://get.pnpm.io/install.sh | sh -
# 安装Web UI依赖
cd deer-flow/web
pnpm install

# 运行前后端服务
cd deer-flow
./bootstrap.sh -d
# 此时在浏览器访问服务IP:3000即可，如果是在本地电脑上部署的，那应该没有问题。
# 如果是在服务器上部署的，会报错：An error occurred while generating the response.Please try again.
# 需要将server.py中的localhost改为0.0.0.0，让所有ip都可访问。
vim deer-flow/server.py
# 前端deer-flow/web/src/core/api/resolve-service-url.ts中的localhost需要改成服务器ip。
vim deer-flow/web/src/core/api/resolve-service-url.ts

# 根据报告增加生成语音博客
# 注册火山引擎账号，然后搜索语音技术，进入控制台，点击创建应用
# 填写应用名称，应用简介，选择大模型语音合成，选择默认项目，点击确定。
# 左侧栏选择音频生成-语音合成，在最下面复制APP ID和Access Token填入项目的.env文件中。
# Optional, volcengine TTS for generating podcast
VOLCENGINE_TTS_APPID=8436084360
VOLCENGINE_TTS_ACCESS_TOKEN=VuENEXyVuENEXyVuENEXyVuENEXy
#VOLCENGINE_TTS_CLUSTER=volcano_tts # Optional, default is volcano_tts
#VOLCENGINE_TTS_VOICE_TYPE=BV700_V2_streaming # Optional, default is BV700_V2_streaming

# Web页面右上角点击生成音频即可

# 该项目支持MCP工具，如Github排名
# https://github.com/hetaoBackend/mcp-github-trending
# 找到Published Servers Configuration中的配置，复制到右上角配置的MCP中即可。
{
  "mcpServers": {
    "mcp-github-trending": {
      "command": "uvx",
      "args": [
        "mcp-github-trending"
      ]
    }
  }
}

# 高德地图MCP
# https://lbs.amap.com/api/mcp-server/gettingstarted#s2
{
  "mcpServers": {
    "amap-amap-sse": {
      "url": "https://mcp.amap.com/sse?key=您在高德官网上申请的key"
    }
  }
}

# 前端端口是默认的3000，想更换端口可以
cd web
# 这是开发环境
pnpm dev --port 1030
# 下面是生产环境
pnpm build
pnpm start --port 1030

# 后端想换端口，将文件中的8000可以直接换
vim deer-flow/server.py

• docker部署