🦌 DeerFlow翻译站点

DeerFlow是由字节跳动（ByteDance）开源推出的多代理（multi-agent）深度研究与自动化框架，旨在将大型语言模型与网络搜索、爬虫、代码执行等工具有机结合，为用户提供一个端到端的研究编排与执行平台。其核心定位是“Deep Exploration and Efficient Research Flow”，即深度探索与高效研究流程，兼顾研究流程的可视化、可复用与社区贡献。以下内容将从产品概览、技术架构、核心功能、典型应用场景及社区生态等方面进行介绍。

产品概览

DeerFlow 是一个社区驱动的研究框架，支持通过自然语言指令触发多阶段任务，包括信息检索、数据抓取、代码执行与报告生成等全过程。
其官方演示平台展示了如何利用 DeerFlow 完成从网页搜索、深度爬取到可视化报告与播客音频生成的一整套流程。
与传统的 LLM 封装工具不同，DeerFlow 提供了可视化的 LangGraph Studio，允许用户在画布上构建、调试并管理多个互相协作的代理（agents）。

技术架构

• 多代理协作：采用 Supervisor + Handoffs 设计模式，包含 Coordinator、Planner、Researcher、Coder、Reporter 等角色，各司其职并通过标准接口交互。

• 集成 LangChain 与 LangGraph：在 LangChain 基础上扩展，利用 LangGraph 构建研究流程图并支持可视化调试。

• 工具链支持：内置网络搜索、爬虫模块（如 Tavily、Brave Search）、Python REPL 执行环境，以及播客音频合成与文档编辑等扩展能力。

• 前后端分离：后端使用 Python 实现核心逻辑，前端基于 Node.js/React 提供 Web UI，支持本地与云端部署。

核心功能

自然语言驱动研究

用户可输入“调查全球主要城市空气污染数据并生成可视化报告”之类的英文指令，DeerFlow 自动拆解任务并调度相应代理执行。

动态网页爬取与数据抓取

通过集成专业爬虫组件，支持对动态加载页面的深度抓取，并自动提取结构化信息。

Python 代码执行与验证

内置 Python REPL，Researcher 或 Coder 代理可直接运行数据分析与可视化脚本，并将结果返回给 Reporter。

可视化流程管理

LangGraph Studio 以画布方式展现整个研究流程，用户可拖拽节点、调整参数并实时预览中间结果。

多模态报告输出

最终报告支持 HTML、Markdown、音频播客、Notion 风格文档等多种格式，适用于不同场景传播。

典型应用场景

• 学术文献综述：自动检索、汇总并生成带视觉图表的文献综述报告。

• 市场调研：爬取竞品信息、分析用户评价并形成可交互的仪表盘。

• 技术白皮书：结合代码执行与自然语言生成，快速产出技术方案与示例。

• 内容创作：基于研究结果自动撰写博客文章、脚本或生成播客音频。

社区与贡献

DeerFlow 在 GitHub 上拥有 8.5k+ 星标、700+ 分支，积极接受社区 PR，欢迎贡献新的代理、工具链集成与示例 。
官方文档与示例代码覆盖中、英、德、日多语言版本，便于全球开发者快速上手。
团队定期举办线上 Hackathon，鼓励社区在科研、教育、工程等领域的创新应用。

快速开始

1. 克隆仓库并安装依赖：

   git clone https://github.com/bytedance/deer-flow.git
cd deer-flow
uv bootstrap && pnpm install


2. 启动后端服务与前端 UI：

   uv start
pnpm dev --filter web


3. 在浏览器访问 http://localhost:3000，选择示例项目或自定义流程即可。

凭借模块化多代理设计、深度工具链集成与可视化流程管理，DeerFlow 为科研人员、数据分析师和技术作家提供了一个高效、灵活且社区友好的深度研究平台，让自动化研究变得更简单、更可靠。