DeerFlow安装配置及使用案例

type

status

date

slug

summary

简介

DeerFlow项目由字节跳动技术团队发起和主导开发，作为一个开源深度研究框架，于2025年年初正式开源。该项目基于LangStack生态，构建于LangChain与LangGraph的开源技术栈之上，充分利用语言模型和专业的工具集成，目标是推动深度研究工作自动化。其设计思想和技术实现产生于字节跳动内部对高效研究流程的需求，强调社区驱动与贡献回馈。

项目目标

DeerFlow旨在提供一个多智能体（Multi-Agent）系统框架，自动化处理复杂的研究任务。通过整合语言模型与网页搜索、爬虫、Python代码执行等多种专用工具，实现端到端自动化的信息采集、分析与报告生成。目标用户包括科研人员、开发者及学生，适合学术研究、市场分析和代码分析等多场景应用。项目力求减少人工干预，提高研究效率，支持动态规划和人机协作。

核心功能

多智能体架构：包括协调器、规划器、研究团队和报告员等模块，分工明确，协作完成复杂任务。

语言模型集成：支持多种大型语言模型接入，包括开源模型与OpenAI API接口，借助litellm库进行统一管理。

网络搜索与爬虫：支持多搜索引擎（如Tavily、DuckDuckGo、Brave Search）以丰富信息源，具备网页爬取能力。

Python代码执行环境：可运行代码完成数据处理和分析。

人机协作：允许用户用自然语言实时修改研究计划和生成内容，支持AI辅助的报告编辑和润色。

内容生成：自动生成研究报告，可进一步转化为播客音频和文字版PPT，支持文本到语音（TTS）功能，生成高质量语音内容，借助火山引擎的音色技术。

开发与调试工具：配备LangGraph Studio可视化调试 workflow，Replay系统支持多轮对话快速回放。

跨平台界面：具备Web UI和控制台UI，提升用户体验。

架构

DeerFlow 实现了一个模块化的多智能体系统架构，专为自动化研究和代码分析而设计。该系统基于 LangGraph 构建，实现了灵活的基于状态的工作流，其中组件通过定义良好的消息传递系统进行通信。

安装DeerFlow

可选，通过pnpm安装 Web UI 依赖：

配置

配置.env中的搜索引擎API Key

配置conf.yaml中的模型配置

conf.yaml

安装 Web UI 依赖

启动

控制台 UI

Web UI

访问

示例

询问

DeerFlow是什么项目？

Start research

开始搜索

总结内容

接入MCP

接一个高德地图的MCP Server

demo1：

demo2:

LangGraph Studio

使用下面命令安装依赖并启动一个基于 LangGraph 的开发服务器

PPT生成

生成的PPT只有文字

Docker

确保.env和.conf.yaml文件已准备就绪。

并且web目录下的存在.env文件

构建镜像

启动

⚠️ 注意：部署到公网时需要在构建前端的时候要在构建参数上填写后端server地址：
比如：docker buildx build --platform linux/amd64 --build-arg NEXT_PUBLIC_API_URL=http://xxxxxx/api -f Dockerfile -t deer-flow:frontend-latest .

简介