🦌 DeerFlow 项目分享

一个由社区驱动的深度研究框架，结合语言模型与工具，如网页搜索、爬虫和 Python 执行，致力于回馈开源社区。(GitHub)

📌 项目简介

DeerFlow（Deep Exploration and Efficient Research Flow）是由字节跳动开源的多智能体研究自动化框架，旨在通过协调多个专用智能体（如搜索、编码、内容生成等）来增强复杂研究工作流程。该框架集成了 Python 执行、网页爬虫和 ByteDance 的 MCP 平台等工具，强调人机协作，使其在实际研究和企业应用中高度适应。 (Reddit)

✨ 核心特性

多智能体架构：每个智能体负责特定任务，如任务规划、知识检索、代码执行或报告合成，通过 LangGraph 构建的有向图进行交互，实现任务的稳健编排和数据流控制。 (Learnopoly)
LangChain 与 LangGraph 集成：利用 LangChain 进行语言模型推理和记忆处理，LangGraph 实现多智能体的编排，支持复杂的研究流程。(Learnopoly)
工具集成：
- 网页搜索与爬虫：实时获取知识，聚合外部数据源。
- Python 执行与可视化：支持数据处理、统计分析和代码生成，提供执行验证。
- MCP 集成：兼容 ByteDance 的内部模型控制平台，支持更深入的自动化流程。
- 多模态输出生成：不仅限于文本摘要，还可协同生成幻灯片、播客脚本或视觉内容。 (Learnopoly)
人机协作：强调人类在研究流程中的参与，确保结果的透明性和可控性。(Learnopoly)

🚀 快速开始

环境要求

Python：版本 3.12+
Node.js：版本 22+(GitHub)

安装步骤

# 克隆仓库
git clone https://github.com/bytedance/deer-flow.git
cd deer-flow

# 安装依赖，uv 将自动创建虚拟环境并安装所需的包
uv sync

# 配置 .env 文件，添加您的 API 密钥
cp .env.example .env

请根据需要配置 .env 文件中的 API 密钥，例如 Tavily、Brave_SEARCH 和 volcengine TTS。(GitHub)