超级智能体工作流
首页将 DeerFlow 描述为一个基于 LangChain 的框架，用于构建可处理从几分钟到数小时任务的超级智能体。
DeerFlow
认领DeerFlow 是基于 LangChain 的开源框架，用于构建可研究、编码和创作的超级智能体，支持沙盒、记忆、工具和子智能体，适合深度研究、分析与内容生成等长期多步骤任务。
DeerFlow什么是 DeerFlow
DeerFlow 是一个基于 LangChain 的开源框架，用于构建超级智能体。首页将其描述为一个系统，可在沙盒、记忆、工具、技能和子智能体的帮助下进行研究、编码和创作。
其核心目标是支持可能持续数分钟到数小时的长期多步骤工作。网站将 DeerFlow 定位于深度研究和任务执行，并给出了若干示例工作流，包括趋势预测、数据分析、从叙事到视频的生成，以及解释性内容创作。
核心能力
智能体组件
产品强调沙盒、记忆、工具、技能和子智能体作为让智能体处理不同任务层级的构建模块。
上下文工程
网站强调长短期记忆，使智能体能够在多步骤工作中保留上下文。
规划与子任务拆解
它将规划和子任务拆解呈现为内置行为，让智能体在执行前先推理复杂性，然后按顺序或并行执行。
可扩展工具栈
首页称 DeerFlow 支持可扩展的技能和工具，允许内置工具被接入或替换。
多模型支持
来源还提到了多模型支持，列出了豆包、DeepSeek、OpenAI、Gemini 等。
示例工作流
深度研究与综合
使用 DeerFlow 研究一个广泛主题，综合来源，并生成结构化输出，例如报告或文章。首页关于预测 2026 年趋势的示例展示了这种以研究为先的工作流。
基于源材料的内容生成
使用智能体将源材料转化为创意成果，例如网页、视频或视觉化说明。首页示例包括从小说场景生成视频，以及用漫画条解释 MOE。
探索性数据分析
当你希望智能体检查数据集、识别关键因素，并以洞察总结发现时，可将 DeerFlow 用于数据探索。Titanic 数据集示例指向了这类分析任务。
长时间运行的智能体任务
当任务需要多个步骤、规划以及在较长时间跨度内执行，而不是单次提示-响应交互时使用。网站明确将 DeerFlow 定位于长任务运行和子任务拆解。
工具辅助的构建与迭代
适用于受益于持久沙盒和文件访问的工作流，例如编写代码、保存产物或迭代输出。产品强调了可挂载文件系统，以及浏览器、Shell、文件、MCP 和 VSCode 的组合环境。
Pros and Cons
Pros
- 开源且采用 MIT 许可，首页明确提到了自托管和完全控制。
- 专为长期运行工作设计，具备规划、记忆、工具、技能和子智能体。
- 支持持久化沙盒和可挂载文件系统，适合需要状态和文件访问的工作流。
- 强调多模型支持，而不是将产品绑定到单一模型提供商。
- 展示了具体示例任务，使预期用例更易理解。
Cons
- 价格页面不可用，因此来源无法确认商业条款或订阅选项。
- 可获得的证据主要来自首页文案和示例工作区，因此在所提供来源中未记录设置细节和更广泛的集成情况。
FAQ
什么是 DeerFlow？
DeerFlow 被定位为一个基于 LangChain 的超级智能体构建框架。首页将其描述为一个开源系统，可在沙盒、记忆、工具、技能和子智能体的帮助下进行研究、编码和创作。
DeerFlow 展示了哪些类型的任务？
源站展示了多个示例工作流，例如预测 2026 年趋势、将小说场景生成视频、向青少年解释 MOE，以及分析 Titanic 数据集。这些示例表明，DeerFlow 适用于以研究为主的多步骤智能体任务。
沙盒设置强调了什么？
首页将其描述为一个开源 AIO Sandbox，并称其在一个 Docker 容器中集成了 Browser、Shell、File、MCP 和 VSCode Server。页面还强调了持久性、隔离执行以及可挂载文件系统支持。
网站上有价格信息吗？
价格页面当前返回 404，因此来源未提供实时定价或套餐详情。
Quick Facts
- 类别
- AI 智能体框架
- 平台
- Web 应用和沙盒化智能体工作流
- 主要用户
- 构建或使用研究和任务运行智能体的团队
- 许可证
- MIT 许可证
- 来源域名
- deerflow.tech
- 价格页面
- 404 / 不可用