DeerFlow 快速上手三步在本机搭好深度研究 Agent 环境【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flowDeerFlow 是一个开源的 SuperAgent 运行框架把大模型与网页搜索、Python 沙箱执行、子代理、长期记忆组合起来能独立完成从调研、写代码到出图的整条任务链。这篇文章面向第一次接触它的你覆盖拿代码、生成配置、验证运行三个环节。照做完你本机就能跑起一个可执行研究的环境并亲眼看到它产出的数据图表。先弄清 DeerFlow 能替你做什么普通聊天机器人只还你一段文字答案DeerFlow 干的是把活干完你丢给它一个问题它自己去搜资料、在沙箱里跑 Python 验证、把中间结论写进记忆最后交付报告或图表。它适合两类场景——需要多轮检索加计算的研究型任务以及一次跑起来要几十分钟到几小时的长流程任务项目定位就是分钟到小时级的长时任务。框架本身免费开源模型费用走你自己的 API Key。三分钟拿到项目代码为什么执行DeerFlow 以仓库源码方式运行环境和依赖都由仓库自带的make命令管理必须先拿到代码。git clone https://gitcode.com/GitHub_Trending/de/deer-flow # 拉取完整仓库 cd deer-flow # 进入项目根目录后续所有命令都在这里执行仓库里含前后端两套代码但不需要你现在手动装依赖——下一步的向导会处理。用一条命令生成必做配置为什么执行DeerFlow 启动前必须知道用哪个模型、Key 在哪缺少config.yaml后端直接起不来。make setup # 交互式向导选模型提供商自动生成 config.yaml 并把 Key 写入 .env向导约 2 分钟生成的是一份最小化配置不用手写 YAML。容器沙箱镜像预热、搜索服务商这些可选项都可以先跳过想调更多参数再对照 config.example.yaml 补即可。⚠️config.yaml必须位于项目根目录deer-flow/放错位置后端找不到配置会直接失败。该文件已被 Git 忽略你的 Key 不会随代码提交泄露。验证配置并看到第一个产出为什么执行启动前先体检比服务起在半路报错好排查得多。make doctor # 检查配置与系统依赖输出可执行的修复建议 make dev # 体检通过后启动全部服务然后浏览器打开http://localhost:2026进入工作台发起一个数据分析任务。跑完你会得到类似这样的可视化产出这是仓库内置 demo 线程里的一次真实分析取数、计算、绘图全部由 DeerFlow 在沙箱里自动完成你一行代码没写。常见坑与进阶方向⚠️ 配置里写了$OPENAI_API_KEY之类的变量占位符但.env里没填真实值服务能启动第一次真正调用模型时才报错这种问题排查起来最费劲填完 Key 再跑一次make doctor确认。⚠️ 计划用容器沙箱执行代码时先执行make setup-sandbox预热镜像否则首个任务会卡在拉镜像上很久。⚠️ 项目升级后旧的config.yaml会缺新字段用make config-upgrade合并差异别直接删掉重抄否则自定义项全丢。细节查官方文档入口 backend/docs/README.md完整配置字段说明在 backend/docs/CONFIGURATION.md模型接入示例OpenRouter、vLLM 等都写在 config.example.yaml 的注释里。配置跑通只是起点——下一步可以去skills/目录看内置技能照着给 DeerFlow 加一个你自己的让它多一项专属手艺。【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flow创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 DeerFlow 快速上手：三步在本机搭好深度研究 Agent 环境
DeerFlow 快速上手三步在本机搭好深度研究 Agent 环境【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flowDeerFlow 是一个开源的 SuperAgent 运行框架把大模型与网页搜索、Python 沙箱执行、子代理、长期记忆组合起来能独立完成从调研、写代码到出图的整条任务链。这篇文章面向第一次接触它的你覆盖拿代码、生成配置、验证运行三个环节。照做完你本机就能跑起一个可执行研究的环境并亲眼看到它产出的数据图表。先弄清 DeerFlow 能替你做什么普通聊天机器人只还你一段文字答案DeerFlow 干的是把活干完你丢给它一个问题它自己去搜资料、在沙箱里跑 Python 验证、把中间结论写进记忆最后交付报告或图表。它适合两类场景——需要多轮检索加计算的研究型任务以及一次跑起来要几十分钟到几小时的长流程任务项目定位就是分钟到小时级的长时任务。框架本身免费开源模型费用走你自己的 API Key。三分钟拿到项目代码为什么执行DeerFlow 以仓库源码方式运行环境和依赖都由仓库自带的make命令管理必须先拿到代码。git clone https://gitcode.com/GitHub_Trending/de/deer-flow # 拉取完整仓库 cd deer-flow # 进入项目根目录后续所有命令都在这里执行仓库里含前后端两套代码但不需要你现在手动装依赖——下一步的向导会处理。用一条命令生成必做配置为什么执行DeerFlow 启动前必须知道用哪个模型、Key 在哪缺少config.yaml后端直接起不来。make setup # 交互式向导选模型提供商自动生成 config.yaml 并把 Key 写入 .env向导约 2 分钟生成的是一份最小化配置不用手写 YAML。容器沙箱镜像预热、搜索服务商这些可选项都可以先跳过想调更多参数再对照 config.example.yaml 补即可。⚠️config.yaml必须位于项目根目录deer-flow/放错位置后端找不到配置会直接失败。该文件已被 Git 忽略你的 Key 不会随代码提交泄露。验证配置并看到第一个产出为什么执行启动前先体检比服务起在半路报错好排查得多。make doctor # 检查配置与系统依赖输出可执行的修复建议 make dev # 体检通过后启动全部服务然后浏览器打开http://localhost:2026进入工作台发起一个数据分析任务。跑完你会得到类似这样的可视化产出这是仓库内置 demo 线程里的一次真实分析取数、计算、绘图全部由 DeerFlow 在沙箱里自动完成你一行代码没写。常见坑与进阶方向⚠️ 配置里写了$OPENAI_API_KEY之类的变量占位符但.env里没填真实值服务能启动第一次真正调用模型时才报错这种问题排查起来最费劲填完 Key 再跑一次make doctor确认。⚠️ 计划用容器沙箱执行代码时先执行make setup-sandbox预热镜像否则首个任务会卡在拉镜像上很久。⚠️ 项目升级后旧的config.yaml会缺新字段用make config-upgrade合并差异别直接删掉重抄否则自定义项全丢。细节查官方文档入口 backend/docs/README.md完整配置字段说明在 backend/docs/CONFIGURATION.md模型接入示例OpenRouter、vLLM 等都写在 config.example.yaml 的注释里。配置跑通只是起点——下一步可以去skills/目录看内置技能照着给 DeerFlow 加一个你自己的让它多一项专属手艺。【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flow创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 RELATED READING
延伸阅读
更多一线实战笔记与深度复盘，助您持续精进
![[光学原理与应用-521]：对光的错误理解与纠偏](http://pic.xiahunao.cn/yaotu/[光学原理与应用-521]：对光的错误理解与纠偏)
