DeerFlow 2.0 怎么跑：字节开源长任务 SuperAgent 本地部署入门

bytedance/deer-flow 是字节开源的 long-horizon SuperAgent harness。它面向的不是短问答，而是需要研究、写代码、调用工具、使用 sandbox、记忆和子 Agent 的长任务。

项目地址：

官网：

克隆项目

README 给出的基础步骤：

1
2


git clone https://github.com/bytedance/deer-flow.git
cd deer-flow

本地开发可以先跑：

1

make setup

配置模型

DeerFlow 支持不同模型 provider。README 里给了 OpenAI / OpenRouter 类配置示例：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12


models:
  - name: gpt-4o
    display_name: GPT-4o
    use: langchain_openai:ChatOpenAI
    model: gpt-4o
    api_key: $OPENAI_API_KEY
  - name: openrouter-gemini-2.5-flash
    display_name: Gemini 2.5 Flash (OpenRouter)
    use: langchain_openai:ChatOpenAI
    model: google/gemini-2.5-flash-preview
    api_key: $OPENROUTER_API_KEY
    base_url: https://openrouter.ai/api/v1

如果使用 Claude Code OAuth，可以先导出环境：

1

eval "$(python3 scripts/export_claude_code_oauth.py --print-export)"

常见 API Key：

1
2


OPENAI_API_KEY=your-openai-api-key
TAVILY_API_KEY=your-tavily-api-key

Docker 启动

README 推荐 Docker 方式。先初始化 sandbox 镜像：

1

make docker-init

启动服务：

1

make docker-start

生产部署可以按 README 的 Docker production 部分执行 build/start/stop。

适合什么任务

DeerFlow 更适合：

研究型任务，需要搜索、整理、引用资料。
长时间代码任务，需要 sandbox 和多工具配合。
多步骤内容产出，比如调研、计划、生成、验证。
需要子 Agent 或技能组合的工作流。

使用建议

第一次不要直接给“做一个完整产品”这种大任务。可以先给它一个可验证的小任务，例如“调研某个开源库并生成使用示例”。确认模型、搜索、sandbox、工具调用都正常后，再把任务时间拉长。