1天1个项目｜字节DeerFlow

上周字节跳动的 DeerFlow v2.0 在 GitHub 热榜霸了一周，49K+ Star，MIT 开源。说白了就是一个 AI Agent 操作系统——你定义多个子智能体，它帮你调度、记忆、安全执行。

今天带大家 从零跑通，不讲原理废话，直接上手。

这个项目能干嘛？

举个例子：你让 DeerFlow "帮我调研 AI Agent 赛道的融资情况，生成一份报告"，它会：

1. 规划拆解 → 主智能体把任务拆成子任务
2. 研究智能体 → 调用搜索工具收集信息
3. 编码智能体 → 在沙箱里跑数据分析脚本
4. 写作智能体 → 把结果整理成结构化报告
5. 记忆系统 → 下次你再问相关问题，它记得上次的结论

一句话：多个 AI Agent 协作完成复杂任务的框架。

环境准备（10 分钟）

你需要准备：

没有 pnpm？一行装好：

npm install -g pnpm

没有 Docker？去 docker.com 下载 Docker Desktop。

你还需要一个 API Key（以下任选一个）：

• OpenAI API Key（推荐，兼容性最好）
• DeepSeek API Key（便宜，国内直连）
• 豆包/火山引擎 API Key（字节自家，适配最好）

Step 1：克隆 + 初始化配置（2 分钟）

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

make config 会从模板生成两个文件：

• config.yaml — 模型配置
• .env — API 密钥

Step 2：配置模型（3 分钟）

编辑 config.yaml，最简配置只需要一个模型。

方案 A：用 OpenAI（海外推荐）

models:
  default:
    display_name: "GPT-4o"
    model: "gpt-4o"
    api_key: ${OPENAI_API_KEY}

方案 B：用 DeepSeek（国内推荐，便宜）

models:
  default:
    display_name: "DeepSeek V3"
    model: "deepseek-chat"
    base_url: "https://api.deepseek.com/v1"
    api_key: ${DEEPSEEK_API_KEY}

方案 C：用豆包（字节自家）

models:
  default:
    display_name: "Doubao"
    model: "doubao-seed-2.0-code"
    base_url: "https://ark.cn-beijing.volces.com/api/v3"
    api_key: ${ARK_API_KEY}

然后在 .env 文件里填入你的 Key：

# 三选一，填你用的那个
OPENAI_API_KEY=sk-xxx
DEEPSEEK_API_KEY=sk-xxx
ARK_API_KEY=xxx

# 搜索工具（可选但推荐，让 Agent 能联网搜索）
TAVILY_API_KEY=tvly-xxx

Tavily 搜索 Key 在 tavily.com 免费注册获取，每月 1000 次免费调用。

Step 3：一键启动（3 分钟）

Docker 方式（推荐，最省心）：

make docker-init    # 首次运行，拉取沙箱镜像
make docker-start   # 启动服务

本地方式（不想装 Docker）：

make install   # 安装依赖
make dev       # 启动全部服务

启动成功后，打开浏览器访问：

http://localhost:2026

看到聊天界面就说明成功了！

Step 4：跑第一个任务（5 分钟）

在对话框里输入：

帮我调研一下 2026 年 AI Agent 赛道有哪些热门开源项目，
列出 Top 5，包括 Star 数、核心功能、适合什么场景。

你会看到 DeerFlow 自动：

1. 拆解任务 → 制定研究计划
2. 调用搜索 → 收集 GitHub、博客等信息
3. 分析整理 → 生成结构化对比表
4. 输出报告 → Markdown 格式，直接可用

其他可以试的任务：

# 代码分析
分析一个 GitHub 项目的架构，画出模块关系图

# 竞品研究
对比 LangChain、CrewAI、AutoGen 三个框架的优劣势

# 数据分析（需要沙箱）
用 Python 分析这份 CSV 数据的趋势

Step 5（进阶）：接入飞书/Telegram，随时随地调用

DeerFlow 支持把 Agent 接到即时通讯里，在聊天窗口就能用。

接入 Telegram（最简单，5 分钟）

1. 在 Telegram 搜索 @BotFather，发送 /newbot，按提示创建机器人
2. 拿到 Bot Token，填入 .env：

TELEGRAM_BOT_TOKEN=123456:ABC-xxx

3. 编辑 config.yaml：

channels:
  telegram:
    enabled: true
    bot_token: ${TELEGRAM_BOT_TOKEN}

4. 重启服务，给你的机器人发消息就能用了

内置命令：

• /new — 开始新对话
• /models — 切换模型
• /memory — 查看 Agent 记住了什么

常见问题

Q：Docker 启动报权限错误？

# Linux 用户执行：
sudo usermod -aG docker $USER
# 然后重新登录终端

Q：访问 localhost:2026 白屏？

• 检查 make docker-start 的终端输出有没有报错
• 确认 config.yaml 里至少配了一个模型
• 确认 .env 里的 API Key 填对了

Q：Agent 不联网搜索？

• 需要配置 TAVILY_API_KEY
• 免费注册 tavily.com 获取

Q：国内网络访问 OpenAI 超时？

• 换用 DeepSeek 或豆包模型
• 或配置 base_url 指向中转服务

项目亮点总结

写在最后

DeerFlow 的价值不只是"又一个 Agent 框架"，而是字节把内部 Agent 编排经验开源了。对于想学 AI Agent 开发的同学，这个项目：

• 架构清晰 — LangGraph 编排 + Skills 技能系统，工程化程度高
• 开箱能用 — 不用从零造轮子，内置搜索、代码执行、报告生成
• 简历加分 — "基于 DeerFlow 搭建了 xxx Agent 系统" 写在项目经历里很有说服力

动手试试，比看十篇文章都有用。