【教程】用GitHub Trending项目DeerFlow搭建AI超级Agent：从零部署到实战

前言

最近GitHub Trending上出现了一个非常火爆的开源项目——DeerFlow（bytedance/deer-flow），这是一个字节跳动开源的长时程超级Agent框架，支持研究、编码、创作等多种任务，通过沙盒、记忆、工具、技能和子Agent协同工作，能处理从几分钟到数小时的复杂任务。

今天手把手教大家从零部署DeerFlow，打造一个属于自己的AI超级Agent。

------

一、前置条件

• 一台Linux服务器（推荐Ubuntu 22.04+，内存≥8G）
  
• Python 3.10+ 环境
  
• Docker（可选，用于沙盒环境）
  
• OpenAI API Key 或其他LLM API
  
• Git已安装
  

------

二、部署步骤

步骤1：克隆项目

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

复制代码

步骤2：安装依赖

2. # 创建虚拟环境
3. python -m venv venv
4. source venv/bin/activate
6. # 安装依赖
7. pip install -r requirements.txt

复制代码

步骤3：配置环境变量

2. # 复制配置文件
3. cp .env.example .env
5. # 编辑 .env 文件，填入你的API Key
6. vi .env

复制代码

配置内容示例：

2. OPENAI_API_KEY=sk-your-api-key-here
3. OPENAI_BASE_URL=https://api.openai.com/v1
4. MODEL_NAME=gpt-4o
6. # 可选：配置其他LLM
7. # ANTHROPIC_API_KEY=your-claude-key
8. # DEEPSEEK_API_KEY=your-deepseek-key

复制代码

步骤4：启动服务

2. # 方式一：直接启动
3. python -m deerflow
5. # 方式二：使用Docker Compose（推荐）
6. docker-compose up -d

复制代码

步骤5：验证安装

2. # 检查服务状态
3. curl http://localhost:8000/health
5. # 预期返回：{"status":"ok"}

复制代码

------

三、实战：让DeerFlow完成一个复杂任务

DeerFlow的核心优势是长时程任务处理。下面演示如何让它完成"研究某个技术话题并生成报告"的任务。

1. 创建任务

2. curl -X POST http://localhost:8000/api/tasks \
3.   -H "Content-Type: application/json" \
4.   -d '{
5.     "type": "research",
6.     "query": "分析2025年AI Agent发展趋势，生成一份详细报告",
7.     "tools": ["web_search", "web_browse", "code_execution"],
8.     "max_duration": "2h"
9.   }'

复制代码

2. 查看任务进度

2. # 获取任务ID后查询状态
3. curl http://localhost:8000/api/tasks/{task_id}/status

复制代码

3. 获取结果

2. curl http://localhost:8000/api/tasks/{task_id}/result

复制代码

------

四、核心概念解析

• Sandboxes（沙盒）：隔离的执行环境，Agent可以安全地运行代码、访问网络
  
• Memory（记忆）：持久化存储，Agent可以记住之前的交互和结果
  
• Tools（工具）：可扩展的工具集，如搜索、浏览、代码执行等
  
• Skills（技能）：预定义的任务模板，快速启动常见工作流
  
• Sub-agents（子Agent）：主Agent可以委派任务给专门的子Agent
  

------

五、常见问题

Q1：启动时报错ModuleNotFoundError？
A：确保虚拟环境已激活，且依赖安装完整。尝试：

1. pip install --upgrade -r requirements.txt

复制代码

Q2：API Key配置后仍提示认证失败？
A：检查.env文件路径是否正确，或尝试直接设置环境变量：

1. export OPENAI_API_KEY=sk-your-key

复制代码

Q3：任务执行时间过长怎么办？
A：DeerFlow设计就是处理长时程任务，可以通过设置max_duration控制超时。如果任务卡住，检查日志：

1. docker logs deer-flow

复制代码

Q4：如何添加自定义工具？
A：在tools/目录下创建新的Python文件，继承BaseTool类，实现run方法即可。

------

六、总结

DeerFlow是目前GitHub上最热门的Agent框架之一，它的核心优势在于：

• 真正的长时程任务处理能力（分钟到小时级）
  
• 完善的沙盒机制，安全执行代码
  
• 模块化设计，易于扩展
  
• 字节跳动背书，持续更新
  

部署完成后，你可以用它来自动化各种复杂工作流：技术调研、数据分析、代码生成、内容创作等。建议先从简单的任务开始，逐步探索更复杂的场景。

有问题欢迎在楼下交流！