一款由字节跳动推出的新型龙虾架构在GitHub上引起了广泛关注，获得了超过35000个Star的热烈反响，这款架构内置了一系列技能工具，特别适用于飞书平台。
闻乐用户可以根据需要灵活扩展各种技能。
闻乐 发自 凹非寺
量子位 | 公众号 QbitAI
原来字节也有龙虾——
Deer-Flow2，一个超级智能体管理框架，已开源发布。
该框架发布不久便迅速攀升至GitHub趋势榜首位，累计获得了35.3k星的关注。
Deer-Flow2采用了模块化的多智能体架构，通过LangGraph技术实现智能体之间的协同作业。
它主打便捷的即插即用特性，内置了多种搜索引擎，如Tavily、Brave Search和DuckDuckGo，以及Jina等爬虫工具，基本涵盖了信息收集所需的所有工具。
扩展性方面，用户可以轻松添加自定义API或模型。
在核心功能上，Deer-Flow2实现了多智能体协作、沙箱安全执行和一键部署等功能，同时兼容主流的大模型技术。
其中，即时通讯渠道的支持尤为贴心。
该框架原生支持飞书、Telegram和Slack等平台，即使在没有公网IP的情况下也能运行。
核心能力与技术亮点
在开发过程中，DeerFlow经历了一次重要的架构升级。
1.0版本采用了固定的五节点多智能体架构，主要针对深度研究场景。
2.0版本则对整体架构进行了全面升级，从底层框架到上层功能都实现了重大革新。
新版本采用了单一主智能体加十一层中间件链的架构，辅以动态子智能体，将核心能力集中于工具集和中间件链中，从而实现了系统的轻量化、灵活性和扩展性。
相比于1.0版本，2.0版本在扩展新功能时无需改动底层架构，只需添加新的技能即可完成。
深度研究功能从原来的单一焦点转变为现在的基础能力之一。
在框架层面，DeerFlow 2.0已经集成了子智能体调度、长期记忆、隔离沙箱执行环境和可扩展技能等关键模块，形成了一个完整且成熟的智能体运行体系。
可插拔Skill体系
为了使智能体能够快速适应不同的使用场景，DeerFlow 2.0构建了一套可插拔的技能体系。
系统自带多种常用技能，如深度研究、数据分析、图表生成和音视频创作等，根据任务需求逐步加载控制token，防止上下文信息过载导致效率下降。
如果内置技能无法满足需求，用户还可以创建自己的专属技能。
利用官方提供的skill-creator工具，几分钟内就能为智能体增添新的能力。
系统还提供了MCP和Python接口，支持深度集成自定义工具，甚至可以接入Claude Code，使用户能够在终端上直接进行工具的下发、查看和管理操作。
隔离沙箱执行环境
DeerFlow 2.0还配备了一套独立隔离的沙箱环境，每个任务在各自的沙箱中运行，具有完整的文件系统和Bash执行权限，支持文件读写、脚本运行和命令操作等功能。
系统支持本地、Docker和Kubernetes三种部署模式。
Docker模式使用字节跳动开源的AIO Sandbox，提供更高的隔离级别和更稳定的运行环境。
系统会自动映射虚拟路径与物理路径，确保开发和部署环境的一致性。
任务调度和上下文管理
对于复杂的长期任务，DeerFlow 2.0通过任务调度和上下文管理机制来应对。
主智能体会先对任务进行结构化拆解，再按需调度最多三个子智能体并行执行，每个子智能体可以使用通用能力或特定的命令行工具。
每个子智能体拥有独立的上下文环境，互不干扰。
通过多层中间件链、上下文摘要压缩、外部文件存储和子任务限流等措施，解决了长时任务中的上下文窗口限制问题。
现在让我们来看看DeerFlow 2.0的实际操作能力。
一键生成完整的足球联赛官方网站页面，涵盖了从设计到代码的全流程自动化。
一句话指令就能将复杂概念转化为简单的哆啦A梦漫画，让小朋友也能轻松理解。
一句话就能生成动态的液态玻璃天气界面，鼠标悬停即可触发3D变形效果。
如何部署
DeerFlow提供了本地和Docker两种主要部署方式。
Docker部署简单快速，只需几个命令即可启动完整的DeerFlow服务。
首先克隆仓库：
git clone https://github.com/bytedance/deer-flow.git
等待仓库下载完成后，进入项目根目录：
cd deer-flow
生成本地配置，输入：
make config
系统会自动生成配置文件config.yaml和.env文件（如果没有make命令，Windows用户可安装MinGW）。
然后在项目目录下的Config.yaml文件中填入模型相关配置。
设置完成后，输入：
make docker-init
系统会自动拉取字节跳动开源的AIO Sandbox沙箱镜像，首次拉取可能需要几分钟。
镜像拉取完成后，启动服务，输入：
docker-start
如果需要进行深度定制或二次开发，可以选择本地部署方式。
本地部署需要满足Python 3.12+、Node.js 22+、pnpm和uv等前置条件。
满足前置条件后，打开终端进入deer-flow根目录，输入：
系统会自动检查并安装所需的Python和Node.js依赖包。
make check
make install
这时候你可以输入：
make install
系统会自动安装python和node相关依赖包。
接下来可以输入make setup-sandbox（按需）预拉取沙箱镜像，避免后续首次使用时等待。
然后启动服务：
make dev
这种方式适合需要修改源码、调试功能或贡献代码的开发者。
DeerFlow能够直接从即时通讯应用接收任务，目前支持Telegram、Slack和飞书/Lark三个渠道，无需公网IP。
△config.yaml文件channels相关配置配置完成后，可以直接在聊天窗口中与DeerFlow交互。
DeerFlow的两位核心开发者分别是北京大学的Tao He和南京大学的Henry Li。
项目地址：https://github.com/bytedance/deer-flow
官方网站：https://deerflow.tech
参考链接：https://x.com/Gorden_Sun/status/2035698488034628003
— 完 —