企业官网建设流程全解析

DeerFlow 新手完全指南：5 分钟跑通能调研、能写代码的开源 AI 智能体

【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

DeerFlow 是一个开源的 AI 深度研究框架，也可以理解成一张现成的智能体工作台。你只说目标，它负责搜索、阅读、跑代码、出报告。适合想把重复性工作交给智能体、又不想自己写编排代码的人。

🎯 它能解决什么问题

调研报告不再手写。以前做一个课题调研，要翻几十篇网页、交叉核对、再逐段整理成文。交给 DeerFlow，只需一句"调研某领域的市场格局"，它会自己检索、读原文、比对，最后交回一份结构化报告。

让数据直接开口说话。丢一个 CSV 文件进去，它会自己写分析代码，产出图表和结论。下面这张乘客等级与性别存活率对比图，就是它从泰坦尼克号数据集里跑出来的：

内容生产变成一键任务。产品图、幻灯片、网页，描述清楚需求就行，成品会自动放进交付目录。这套护肤品视觉图就是在一次会话里生成的：

⚙️ 它是怎么干活的

先看"技能"。一个技能就是一页用 Markdown 写的"岗位说明书"，规定某类任务怎么做、注意什么、该引用哪些资料。说明书不会一次性全塞给智能体，任务需要时才翻开。上下文因此保持干净，对不太耐长文的模型也很友好。你可以自己写说明书，也可以把现有的拼成更大的工作流。

遇到大任务，主导智能体就变成"组长"：把工作拆开，分派给子智能体。每个"专员"有自己的职责范围、工具和完成标准，彼此互不干扰，还能并行干活。结果回来之后，组长再把它们合成一份完整交付物。几个小时的活，就是被这样切成并行进度跑完的。

接着是沙箱。可以把它想成一间独立的"洁净室"：每个任务都会开一个全新的 Docker 容器，里面有完整的文件系统和命令行。容器里固定放着三个目录——你丢进去的素材、干活的工作区、最后的交付物——智能体在里面读、写、执行代码。干完活，房间拆掉，下一次任务不会沾到上一次的任何东西，所有操作也都留了痕迹可查。

两件事让它能扛住长任务。一是上下文管理，类似定期收拾桌面：做完的子任务被总结，中间结果挪到磁盘，过时的内容清走，长时间工作也不会撑爆窗口。二是长期记忆：你的偏好、写作风格、常用技术栈会被记下来，存在本地，由你自己掌控。用得越久它越懂你，数据也不出你的机器。

底层编排基于 LangGraph 搭建，工具链上还能通过 MCP 服务器和 Python 函数接入自己的东西。

🚀 五分钟跑起来

先拿到代码：git clone https://gitcode.com/GitHub_Trending/de/deer-flow，然后进入目录cd deer-flow。

路径一：Docker（推荐）

1. 运行make config，它会照着模板生成本地配置，模板见 config.example.yaml。
2. 打开config.yaml，至少写一个模型，几行就够：

models: - name: gpt-4 display_name: GPT-4 use: langchain_openai:ChatOpenAI model: gpt-4 api_key: $OPENAI_API_KEY max_tokens: 4096

3. 把对应的 API 密钥放进项目根目录的.env文件，或直接导出环境变量。
4. make docker-init拉取沙箱镜像，一次即可。
5. make docker-start启动全部服务。
6. 浏览器打开 http://localhost:2026，开始用。

路径二：本地开发

1. make check确认 Node.js 22+、pnpm、uv、nginx 都齐了。
2. make install装好前后端依赖。
3. 用容器化沙箱的话，先跑make setup-sandbox预拉镜像。
4. make dev以开发模式启动，带热重载。
5. 同样访问 http://localhost:2026。

👥 它适合谁

• 常做调研和数据分析的人：报告、图表这类活可以省下大半整理时间。
• 想搭自己工作流的开发者：技能和工具都能扩展，新能力用 Python 函数或 MCP 服务器写就行。
• 需要可审计执行环境的团队：智能体的每个动作都在沙箱里，事后可查。
• 两种情况要留心：跑几小时的任务会实打实消耗 API 费用，先算好成本；只是问一句话级别的聊天，用它有点杀鸡用牛刀。

想先上手，走 Docker 这条线，五分钟就能跑起来。具体字段和选项，查 配置指南；想看内部结构，从 架构文档 读起。DeerFlow 把"能干活几个小时的智能体"做成了开箱即用的工具，剩下的就是拿真实任务试它了。

【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