64,406
// 项目简介
DeerFlow 是一款开源超级智能体框架，旨在编排子智能体、记忆和沙盒以执行复杂任务。该平台在 2.0 版本中进行了彻底重构，通过模块化的技能和工具架构提供了更强的可扩展性。它支持多种部署环境，包括本地开发和基于 Docker 的生产环境，并集成了对多种消息渠道的支持。
// 技术分析
DeerFlow 2.0 是一个从零开始全面重写的开源超级智能体框架，旨在通过子智能体、长期记忆和安全沙箱来编排复杂的工作流。通过集成可扩展的技能和先进的上下文工程，它解决了在统一环境中管理多步骤、自主研究和编码任务的挑战。该项目优先考虑灵活性，提供从本地开发到生产级 Docker/Kubernetes 设置的多种部署模式，同时在强大的自动化功能与必要的安全考量之间取得平衡。
// 核心亮点
01
编排子智能体、记忆和沙箱，以自主执行复杂的多步骤任务。
02
具备强大的沙箱环境，支持本地、基于 Docker 或 Kubernetes 编排的执行方式，以实现安全的代码处理。
03
集成了 InfoQuest（一种专门的搜索和爬取工具集），以增强智能体的数据收集能力。
04
支持广泛的 IM 渠道，包括 Slack、Telegram、Feishu 和 WeChat，允许用户通过移动消息触发并与智能体交互。
05
提供与编码专用模型和工具（如 Claude Code）的深度集成，实现复杂的软件开发工作流。
06
包含灵活的配置系统，支持各种 LLM 提供商，包括兼容 OpenAI 的网关和本地 vLLM 部署。
// 典型使用场景
01
编排子智能体和记忆以进行复杂的科研与任务自动化
02
在具有可配置安全策略的隔离沙盒环境中执行代码
03
与 Slack、Telegram 和飞书等消息平台集成以实现远程智能体交互
// 快速开始
首先，克隆存储库并运行 'make setup' 以启动交互式向导，配置您的 LLM 提供商和环境变量。配置完成后，您可以使用 'make docker-start' 进行容器化开发环境部署，或使用 'make dev' 进行本地执行。您可以随时使用 'make doctor' 来验证安装并排查配置问题。