DeerFlow 快速上手：三步在本机搭好深度研究 Agent 环境

DeerFlow 快速上手：三步在本机搭好深度研究 Agent 环境

【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flow

DeerFlow 是一个开源的 SuperAgent 运行框架，把大模型与网页搜索、Python 沙箱执行、子代理、长期记忆组合起来，能独立完成从调研、写代码到出图的整条任务链。这篇文章面向第一次接触它的你，覆盖拿代码、生成配置、验证运行三个环节。照做完，你本机就能跑起一个可执行研究的环境，并亲眼看到它产出的数据图表。

先弄清 DeerFlow 能替你做什么

普通聊天机器人只还你一段文字答案，DeerFlow 干的是"把活干完"：你丢给它一个问题，它自己去搜资料、在沙箱里跑 Python 验证、把中间结论写进记忆，最后交付报告或图表。它适合两类场景——需要多轮检索加计算的研究型任务，以及一次跑起来要几十分钟到几小时的长流程任务（项目定位就是分钟到小时级的长时任务）。框架本身免费开源，模型费用走你自己的 API Key。

三分钟拿到项目代码

为什么执行：DeerFlow 以仓库源码方式运行，环境和依赖都由仓库自带的make命令管理，必须先拿到代码。

git clone https://gitcode.com/GitHub_Trending/de/deer-flow # 拉取完整仓库 cd deer-flow # 进入项目根目录，后续所有命令都在这里执行

仓库里含前后端两套代码，但不需要你现在手动装依赖——下一步的向导会处理。

用一条命令生成必做配置

为什么执行：DeerFlow 启动前必须知道"用哪个模型、Key 在哪"，缺少config.yaml后端直接起不来。

make setup # 交互式向导：选模型提供商，自动生成 config.yaml 并把 Key 写入 .env

向导约 2 分钟，生成的是一份最小化配置，不用手写 YAML。容器沙箱镜像预热、搜索服务商这些可选项都可以先跳过；想调更多参数，再对照 config.example.yaml 补即可。

⚠️config.yaml必须位于项目根目录（deer-flow/），放错位置后端找不到配置会直接失败。该文件已被 Git 忽略，你的 Key 不会随代码提交泄露。

验证配置并看到第一个产出

为什么执行：启动前先体检，比服务起在半路报错好排查得多。

make doctor # 检查配置与系统依赖，输出可执行的修复建议 make dev # 体检通过后，启动全部服务

然后浏览器打开http://localhost:2026进入工作台，发起一个数据分析任务。跑完你会得到类似这样的可视化产出：

这是仓库内置 demo 线程里的一次真实分析：取数、计算、绘图全部由 DeerFlow 在沙箱里自动完成，你一行代码没写。

常见坑与进阶方向

⚠️ 配置里写了$OPENAI_API_KEY之类的变量占位符，但.env里没填真实值：服务能启动，第一次真正调用模型时才报错，这种问题排查起来最费劲，填完 Key 再跑一次make doctor确认。

⚠️ 计划用容器沙箱执行代码时，先执行make setup-sandbox预热镜像，否则首个任务会卡在拉镜像上很久。

⚠️ 项目升级后旧的config.yaml会缺新字段，用make config-upgrade合并差异，别直接删掉重抄，否则自定义项全丢。

细节查官方文档入口 backend/docs/README.md，完整配置字段说明在 backend/docs/CONFIGURATION.md，模型接入示例（OpenRouter、vLLM 等）都写在 config.example.yaml 的注释里。

配置跑通只是起点——下一步可以去skills/目录看内置技能，照着给 DeerFlow 加一个你自己的，让它多一项专属手艺。

【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flow