DeerFlow 2.0 怎麼跑：字節開源長任務 SuperAgent 本機部署入門

bytedance/deer-flow 是字節開源的 long-horizon SuperAgent harness。它面向的不是短問答，而是需要研究、寫程式、呼叫工具、使用 sandbox、記憶和子 Agent 的長任務。

專案地址：

官網：

克隆專案

README 給出的基礎步驟：

1
2


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

本機開發可以先跑：

1

make setup

設定模型

DeerFlow 支援不同模型 provider。README 裡給了 OpenAI / OpenRouter 類設定範例：

 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，可以先匯出環境：

1

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

常見 API Key：

1
2


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

Docker 啟動

README 推薦 Docker 方式。先初始化 sandbox 映像：

1

make docker-init

啟動服務：

1

make docker-start

生產部署可以按 README 的 Docker production 部分執行 build/start/stop。

適合什麼任務

DeerFlow 更適合：

研究型任務，需要搜尋、整理、引用資料。
長時間程式任務，需要 sandbox 和多工具配合。
多步驟內容產出，例如調研、計畫、生成、驗證。
需要子 Agent 或技能組合的工作流。

使用建議

第一次不要直接給「做一個完整產品」這種大任務。可以先給它一個可驗證的小任務，例如「調研某個開源庫並生成使用範例」。確認模型、搜尋、sandbox、工具呼叫都正常後，再把任務時間拉長。