DeerFlow：编排子代理、沙箱和记忆的长时任务框架
一分钟看懂
DeerFlow 2.0 是一个开源超级 Agent 框架，通过子代理、长期记忆、沙箱、技能、工具和消息网关处理从数分钟到数小时的研究、编码与内容创作任务。2.0 为完全重写，旧版深度研究框架保留在独立分支。
你可以用它做什么
- 执行多步骤网页研究并生成报告。
- 在隔离沙箱中编写和运行代码。
- 拆分长任务给多个子代理协作。
- 通过技能和 MCP 扩展工具能力。
- 保存长期记忆并接入消息渠道或定时任务。
主要能力
- 子代理编排、会话目标和上下文压缩。
- 沙箱文件系统与多模型提供商支持。
- 长期记忆、技能、工具和消息网关。
- Web 界面、终端工作台及嵌入式 Python 客户端。
适合哪些人
适合搭建长时研究、开发或内容自动化的 Agent 工程团队。它比单轮助手复杂，需要配置模型、沙箱、网络和部署安全。
怎么开始使用
准备 Python 3.12+、Node.js 22+ 与 Docker，按官方 Quick Start 克隆仓库、运行配置向导并选择模型。先在本地沙箱完成小任务验证，再开放外部工具、文件或消息入口。
使用前需要知道
Agent 可访问网络、文件和代码执行环境，错误部署可能暴露凭据或形成远程执行风险。生产环境应启用强认证、隔离沙箱、最小权限和日志审计。不同模型与外部搜索服务可能产生费用。2.0 与 1.x 不兼容，迁移前需核对架构。项目采用 MIT 许可证。