DeerFlow

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

  • C 端/个人:通常提供免费版体验核心功能,高频使用需订阅付费套餐。
  • API/开发者:按调用量计费,适合灵活集成到自有系统中的开发团队。
  • 企业/私有化:需联系商务获取定制化报价和部署方案。具体价格以官方实时定价页面为准。

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有境。
  • 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。

模型与版本演进

持续迭代更新,最新版本引入了性能优化和新功能。历史版本信息可通过官方发布页查看。 暂无完整公开的版本演进时间线,建议关注官方公告了解功能更新节奏。

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 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。

产品定价

定价模式以官方实时页面为准。通常采用免费增值(Freemium)或订阅制,基础功能可免费使用。 高级功能或高频使用需付费订阅,建议用户根据实际用量评估最优方案。

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。

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。

相关工具:、

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。