DeerFlow
免费
DeerFlow 是 ByteDance 开源的 AI智能体 框架，官网将其描述为 “A LangChain-based framework for building super agents.”，GitHub 仓库则强调其面向长任务执行，具备 sandbox、memory、tools、skills、subagents 与 message gateway 等能力。
核心参数与统计
DeerFlow 是 ByteDance 开源的长程任务 SuperAgent 框架，官网描述为 “A LangChain-based framework for building super agents.”，GitHub 仓库强调它面向长任务执行，内置 sandbox、memory、tools、skills、subagents 与 message gateway 等能力。
| 项目 | 公开信息 |
|---|---|
| 官方定位 | LangChain-based framework for building super agents |
| 任务形态 | long-horizon SuperAgent harness（长程任务） |
| 核心构件 | sandbox、memory、tools、skills、subagents、message gateway |
| 开源归属 | ByteDance 开源团队公开项目 |
| 社区规模 | 约 70,648 stars、9,564 forks |
| 最新版本 | v2.0-m1-rc1（2026-05-18） |
| 支持平台 | Web、API |
框架定位：DeerFlow 把“长程任务执行”拆成一组可治理的框架能力，面向研发与平台团队构建 SuperAgent，而非给终端用户的轻量助手。
构件组合：sandbox、memory、tools、skills、subagents、message gateway 的组合，说明它不是单一 Agent，而是可承载复杂任务编排的框架骨架。
官方背书：由 ByteDance 开源团队发布，市场对其持续演进有较高预期，但治理模式仍需观察。
用户与市场认可
DeerFlow 在开发者生态中已获得较高关注，但企业落地案例与商业数据官方未公开。
社区热度：GitHub API 显示约 70,648 stars、9,564 forks，对一个较新的 Agent 框架来说，关注度已属较高。
官方预期：由 ByteDance 开源团队发布，使其在持续投入与生态扩展上更具想象空间。
评估前提：关注度只说明“值得看”，是否可上生产取决于团队是否真有长程任务需求、是否需要 memory/subagents/sandbox 这类复合能力，以及是否有工程资源处理框架集成与调优。
成本优势：开源框架 + 自托管控制力
DeerFlow 的成本优势主要来自开源框架属性与自托管控制力，官网当前可见 Free、Open Source、Self-host 与 Pro 等词。
社区与自托管：Free、Open Source、Self-host 路径公开可见，已有模型与工具栈的团队可自托管以控制数据边界。
商业扩展：Pro 词条体现商业层，但具体商用条款未在公开页面完整确认，以官方实时页面为准。
真实成本结构：长任务 Agent 的真正成本不在软件本体，而在工程实施——它往往消耗更多模型 token、更多执行时间和更复杂的调试人力。评估时应关注单任务总时长、模型调用成本与失败恢复时间。
DeerFlow 的主要功能
DeerFlow 的核心功能围绕长程任务编排展开，构成一套框架骨架：
- Sandbox 沙箱：为长任务提供隔离的执行环境。
- Memory 记忆：在跨阶段任务中保持上下文。
- Tools 与 Skills：组合外部工具与可复用技能。
- Subagents 子代理：把复杂任务委派给多个协作 Agent。
- Message Gateway：统一消息与协作通道。
这套组合适合研究、编码和创作这类需要多步推理、多工具调用和跨阶段上下文保存的任务。验收时应关注三点：各构件是否易替换、上下文记忆是否可控、subagents 之间的协作开销是否可接受。
DeerFlow 的版本演进
DeerFlow 当前没有传统 Releases 列表，但官方 tag 清晰给出了 2.0 里程碑主线。
2.0 里程碑
- v2.0-m1-rc1（2026-05-18）：当前最新候选版本，说明 2.0 正在收敛。
- v2.0-m1-rc0（2026-05-04）：2.0 第一批候选节点。
- v2.0-m0（2026-04-12）：2.0 里程碑早期版本，可作为演进起点。
由于主线仍是 milestone/RC 形式，进入生产前最好固定 tag 做内部封版，并做二次封装，而不是让框架跟随远端持续变化。
DeerFlow 的技术优势
DeerFlow 的技术优势在于对长任务 Agent 结构的完整建模，可拆为两点：
结构完整：它不只提供 prompt 和工具调用，而是把 sandbox、memory、skills 与 subagents 放在统一框架里，使复杂任务可以被拆分、委派、记忆与恢复。
工程化可维护：研发团队可以把复杂 Agent 系统做成可维护工程，而非一次性实验脚本。
代价也同样明确：框架能力越完整，初始集成复杂度越高，因此更适合有平台化诉求的团队，而非只追求最快出 demo 的场景。
如何使用 DeerFlow
DeerFlow 以开源框架自托管为主要路径，落地方式如下：
| 使用方式 | 适合人群 | 特点 | 成本 |
|---|---|---|---|
| 开源自托管 | 研发与平台团队 | 完整框架，可深度二次开发 | 模型 + 基础设施 + 工程人力 |
| 社区试用 | 评估期团队 | 验证长任务执行链路 | 免费 |
| Pro/商业支持 | 需企业支持的团队 | 条款未完整公开 | 需商务确认 |
使用时第一轮不要追求“功能全开”，更稳妥的方式是先锁住一条长任务链路，把 memory 和 tools 路径跑通，再决定是否引入 subagents，以此判断框架复杂度是否值得其能力上限。
DeerFlow 的产品定价
站点公开出现 Free、Open Source、Self-host 与 Pro，但完整价格表未在公开页面稳定展示，具体以官方实时页面为准。
- C 端/试点：Free 与开源路径可验证长任务执行链路。
- 开发者/自托管：Self-host 无订阅费，成本在模型、基础设施与工程人力。
- 企业：Pro 的企业支持、托管选项与安全条款需商务确认。
DeerFlow 的应用场景
DeerFlow 适合需要长时间保持目标与上下文的任务：
- 长周期研究：持续调研、信息整合、多来源分析。
- 复杂编码：需要拆分步骤、调用工具与持续上下文的工程助手。
- 创作型任务：多阶段生成、修改与交付。
若任务只是一轮问答或单一 API 调用，框架化优势就很难体现。
DeerFlow 的适用人群
DeerFlow 适合三类角色：
- Agent 平台研发团队：做复杂任务编排与长程执行。
- 技术组织：构建长期运行的研究或编码助手。
- 追求可塑性的团队：愿意接受框架级集成成本以换取更高自由度。
不太适合的情况是：没有二次开发能力、业务只需要轻量问答，或项目无法接受 RC/milestone 版本节奏。这些情况下框架的上限能力不足以抵消工程复杂度。
总结与展望
DeerFlow 的价值在于把长程任务 Agent 所需的关键构件系统化，适合希望把 Agent 从实验带到平台级工程的团队。它的优势不是低门槛，而是结构完整与可扩展性，加上 ByteDance 开源背书与活跃社区，使其在 SuperAgent 框架方向具备演进潜力。
如果要落地，建议先固定一个 2.0 候选 tag 做内部封版，在一条长任务链路上跑通 memory 与 tools，再决定是否引入 subagents 与扩展规模；正式采用前，仍需确认商业支持条款、RC 版本稳定性，以及各构件在生产负载下的运营成本。
版本信息
- DeerFlow v2.0 milestone 1 RC1 ：当前最新公开 tag，对应 2.0 里程碑的候选版本，显示项目仍在快速推进主线能力。
- DeerFlow v2.0 milestone 1 RC0 ：2.0 里程碑的前一候选版本，可用于观察候选版间修正节奏。
- DeerFlow v2.0 milestone 0 ：2.0 里程碑更早节点，用于回看主线能力演进和稳定化过程。
用户评价