DeerFlow 2.0:位元組跳動開源的“超級智慧體執行框架”,把子智慧體、記憶和沙箱裝進一個執行時

Published · AI Daily — AI-assisted deep research, methodology & disclosure

bytedance/deer-flow 的 2.0 版從零重寫,與 1.x 不共享程式碼:它不再是深度研究框架,而是編排子智慧體、記憶和沙箱的“超級智慧體執行框架”,基於 LangGraph 與 LangChain,透過可擴充套件技能完成多步驟任務。倉庫約 8.4 萬星標,MIT 許可。README 反覆提醒,它預設只適合部署在本地可信環境,閘道器管理員許可權等同於主機上的程式碼執行許可權。

DeerFlow 的全名是 Deep Exploration and Efficient Research Flow,最初是位元組跳動開源的深度研究框架。README 講了這個專案後來的變化:社群把它用到了資料管道、生成幻燈片、搭建儀表盤和自動化內容流程上,這些都是團隊沒有預想到的用法。團隊因此認識到,DeerFlow 不只是一個研究工具,而是一個“執行框架”(harness),為智慧體提供真正完成工作所需的基礎設施,於是決定從頭重寫。2.0 與 1.x 不共享任何程式碼,原來的深度研究框架保留在 1.x 分支,活躍開發已經轉到 2.0。官方還寫道,2.0 釋出後,DeerFlow 在 2026 年 2 月 28 日登上了 GitHub Trending 第一名。截至 2026 年 10 月 13 日,倉庫約有 83,766 個星標、11,654 個派生,MIT 許可,用 Python 編寫,建立於 2025 年 5 月 7 日,最近一次推送就在 10 月 13 日。

按 README 的定義,DeerFlow 2.0 不再是一個需要自己拼裝的框架,而是“開箱即用、可完全擴充套件”的超級智慧體執行框架:基於 LangGraph 和 LangChain,自帶檔案系統、記憶、技能、能感知沙箱的執行,以及規劃並派生子智慧體處理多步驟複雜任務的能力。它是模型無關的,只要實現了相容 OpenAI 的介面就可以使用,官方更推薦有長上下文(10 萬詞元以上)、推理能力、多模態輸入和可靠工具呼叫的模型,並明確建議使用 Doubao-Seed-2.0-Code、DeepSeek v3.2 和 Kimi 2.5 來執行。搜尋與抓取方面,它整合了位元組跳動 BytePlus 自研的 InfoQuest 工具集,支援免費線上體驗。

核心特性可以歸為幾塊。技能與工具:工作區側欄裡的“能力中心”(Capability Center)可以管理外掛(MCP 伺服器與飛書整合)和技能,內建技能與使用者建立或匯入的技能分開列出,社群頁支援匯入 .skill 壓縮包。子智慧體:每個子智慧體預設執行在獨立上下文中,看不到主智慧體或其他子智慧體的內容,這樣能讓它專注於手頭任務;task 呼叫支援 isolated(預設)和 snapshot 兩種模式,snapshot 會把父智慧體保留的對話和壓縮摘要作為歷史背景交給子智慧體,代價是更多輸入詞元。上下文工程:會話內主動做摘要,把已完成子任務的結果解除安裝到檔案系統,壓縮不再需要的內容,使它能在多步驟長任務裡不撐爆視窗;對工具輸出還有預覽預算和結構化摘要。長期記憶由名為 DeerMem 的元件負責,按對話、使用者和智慧體分別做去抖,預設安靜期 30 秒,最長等待 300 秒。另外還有會話目標、手動上下文壓縮、聊天歸檔、專案與文件架、定時任務(可預覽 cron 觸發時間,並有生命週期與安全上限),以及嵌入式 Python 客戶端和終端工作臺。

執行方式在 README 裡分得很細。快速開始部分先配置模型,再選擇執行方式,推薦 Docker,也可以本地開發,並可選用 LangGraph Studio 除錯;對已有檢出的升級、多模型提供方、已存在執行的流式操作、個人訪問令牌等都有專門章節。沙箱部分尤其值得看:AIO 沙箱在不確定的隱式 shell 結果或會話建立之後會被回收,回收前閘道器會把容器 ID 或 Pod UID 記錄到隔離目錄,這些記錄在停止失敗和閘道器重啟後仍然保留;只有在後端確認沒有殘留容器或 Pod 之後,才會清除舊記錄,不能把“刪除確認”或“健康檢查失敗”當作充分證據。這種對失敗路徑的保守處理,說明它是為了長時間無人值守的使用場景寫的。

最該提前讀的是安全章節。README 說,DeerFlow 具有系統命令執行、資源操作和業務邏輯呼叫等高許可權能力,預設設計為部署在本地可信環境中,也就是隻透過 127.0.0.1 迴環地址訪問。如果把它放在區域網、公有云伺服器等多終端可訪問的環境裡而沒有嚴格措施,會有未授權呼叫、被網際網路掃描器發現後批次觸發高風險操作,以及合規和法律風險。Docker 棧預設只在 127.0.0.1 釋出入口埠,本地的 make dev 和 make start 也只繫結迴環;要從別的機器訪問,需要在 .env 裡設定 BIND_HOST,並且應當先做好措施:用 iptables 或硬體防火牆做 IP 白名單,用 nginx 之類的反向代理開啟強認證,把智慧體和可信裝置放進專用 VLAN。全新例項沒有賬號,任何不是僅迴環的部署都應在啟動後立即透過 /setup 建立管理員賬號。README 還特別說明:閘道器管理員可以註冊 stdio MCP 伺服器,這些會在閘道器容器裡執行命令;介面只允許預設的 npx、uvx 等白名單命令,並拒絕能求值任意程式碼的引數,但這只是縱深防禦而不是邊界,必須把閘道器管理員視為等同於主機上的程式碼執行許可權。

我們的判斷是,DeerFlow 2.0 值得讀的是它的工程取捨,而不是星標數。它把子智慧體隔離、上下文摘要、檔案系統解除安裝、沙箱回收這些通常藏在內部的細節寫進了文件,對想自己搭智慧體基礎設施的人是一份難得的參照。需要保留的有三點:其一,README 篇幅很大,功能迭代很快,很多章節描述的是當前原始碼的行為,部署前應對照具體版本;其二,它的威力和風險來自同一件事,也就是能執行命令和讀寫檔案,所以預設的本地迴環繫結不應被隨手改掉;其三,模型推薦裡有明顯的廠商傾向,實際效果仍取決於你接入的模型與任務。建議先在隔離的容器裡、用只含測試資料的目錄執行,再決定是否接入真實資料和外部渠道。

Sources

FAQ

DeerFlow 2.0 和 1.x 是什麼關係?

README 明確寫道,2.0 是徹底重寫,與 1.x 不共享任何程式碼。原先的深度研究框架保留在 1.x 分支,仍歡迎貢獻,但主要開發已轉到 2.0。官方還說,2.0 釋出後於 2026 年 2 月 28 日登上了 GitHub Trending 第一名。

子智慧體之間如何共享上下文?

預設情況下,每個子智慧體執行在自己獨立的上下文裡,看不到主智慧體或其他子智慧體的上下文。普通 task 呼叫支援 context_mode="isolated"(預設)或 "snapshot":後者會把父智慧體保留的對話和壓縮摘要作為歷史背景交給子智慧體,代價是多消耗輸入詞元。

部署時最該注意的安全問題是什麼?

DeerFlow 預設設計為只在本地可信環境(127.0.0.1)使用,因為它能執行系統命令、操作資源。Docker 棧預設只在 127.0.0.1 釋出埠,要讓其他機器訪問必須設定 BIND_HOST,並先做好 IP 白名單、前置認證閘道器和網路隔離。閘道器管理員可以註冊 stdio MCP 伺服器,因此等同於主機上的程式碼執行許可權。