首页 / 开源热榜 / deer-flow / 使用教程

DeerFlow 2.0 教程：先固定版本，再给 Agent 权限

更新于 2026-09-23 · NGJOO AI 实验室 · 约 12 分钟

DeerFlow 2.0 是一个长任务 Agent harness。它把主 Agent、子 Agent、skills、memory、sandbox、Web/TUI 和消息渠道放进同一运行时，用来处理研究、编码、报告和内容生成。它不是旧版 Deep Research 的小升级：官方说明 2.x 是完全重写，与 1.x 不共享代码。

最新正式 release 是 v2.0.0，发布于 2026-06-25。当前 main 分支的后端包已经标成 2.1.0-rc0。需要复现的环境应固定 release tag 或具体 commit。

1. 2.x 的运行结构

Gateway API 内含 LangGraph agent runtime，负责 thread、run、认证和工具调用；Next.js 前端通过 nginx 访问 Gateway。沙箱可用本机进程、Docker AIO 或外部 provisioner，状态可放 SQLite 或 PostgreSQL，Redis checkpoint cache 只是可选性能层。

模型与搜索服务写在 config.yaml，密钥由 .env 提供。Web、TUI 和 Slack、Telegram、Discord、飞书、钉钉、微信、企业微信等渠道最终调用同一后端。

2. 先判断机器是否够用

Docker 路径要求 Compose 2.24+。本地开发还要 Node.js 22+、pnpm、uv 和 nginx，后端要求 Python 3.12+。官方给出的本地评估起点是 4 vCPU、8 GB RAM、20 GB SSD；Docker 开发需要约 25 GB；长驻服务起点是 8 vCPU、16 GB RAM、40 GB SSD。

这些数字不包含本地大模型。若同机运行模型，要把显存、权重磁盘和推理内存单独计算。

3. 配置与启动

克隆并固定版本后先运行向导：

make setup
make doctor

向导选择 LLM provider、可选搜索服务以及 sandbox、bash 和 file-write 权限，生成最小 config.yaml，把密钥写到 .env。先看 doctor 的结果，再启动 Docker 开发环境：

make docker-init
make docker-start
make docker-logs

浏览器默认访问 http://localhost:2026。生产自建使用 make up，它会等待 Gateway 的 /health；启动成功不代表权限和公网配置已经安全。

4. 第一次任务如何验收

先只监听 127.0.0.1，关闭不需要的 bash、文件写入、浏览器和消息渠道。用一个无敏感数据、五分钟内能人工核对的任务测试：查看模型选择、子 Agent 数量、工具调用、产物路径、token 用量和中断行为。

确认最小流程后再逐项开放权限。消息渠道、定时任务和长期记忆都会扩大输入面；第三方 skill 或 MCP 也应当作代码依赖审查。

5. Gateway 管理权等同代码执行

官方安全说明指出，Gateway 管理员可以注册 stdio MCP。即使默认只允许 npx、uvx 等命令，这些启动器仍能下载并执行包，所以 admin 不是普通内容管理权限，而是主机代码执行权限。

公开部署还要配置强 BETTER_AUTH_SECRET、正确的外部 URL、TLS、可信反向代理、精确 CORS/CSRF origin、持久卷和备份。不要把临时公网地址或裸 2026 端口直接给不受信任用户。

6. 商业化与验证边界

README 推荐字节系模型方案并链接 BytePlus/火山引擎，也集成 InfoQuest，但模型和搜索 provider 可以替换，仓库没有直接销售订阅、充值额度或返佣入口。本轮不按严重商业漏斗隔离；部署者仍要自行承担所选模型、搜索和沙箱服务费用。

验证边界：本轮只核对官方 README、Install.md、部署文档、backend/pyproject.toml、MIT LICENSE 与 v2.0.0 release。没有克隆仓库，没有执行 setup、doctor 或 up，也没有启动模型、沙箱、Gateway、数据库和消息渠道；本文属于 docs-only。

7. 与 OpenHands Agent Canvas 对比

OpenHands Agent Canvas是面向编码 Agent 与工程自动化的自托管控制中心，可调度 OpenHands、Claude Code、Codex 等 ACP Agent。DeerFlow 覆盖研究、内容生成、多消息渠道和通用长任务。

目标是软件工程团队的代码任务与 webhook 自动化时先评估 OpenHands；需要把研究、内容和多渠道入口也放进一个 harness 时，DeerFlow 的范围更贴近需求。

这里仅补原教程没有展开的事实和边界。安装命令与操作步骤仍以前文为准。

先判断这个项目是否适合你

适合谁用

适合需要把研究、代码、报告或多媒体生成拆成子任务，并保留 thread、memory、skill 与沙箱记录的团队。先在仅回环地址运行一个不开放 bash/file-write 的短任务，核对模型成本与产物；确认权限后再增加写文件、定时任务、消息渠道或公网入口。

采用建议

DeerFlow 2.0 适合确有长任务、多入口和沙箱需求的团队。先固定 v2.0.0，在本地回环地址用最小权限跑通一条短任务；公开服务前再处理管理员权限、认证、代理头、沙箱和持久化。

原教程未展开的系统信息

核心功能

长任务与子 Agent
主 Agent 可按任务拆分子 Agent，并用 session goal、context compaction 和运行状态维持较长流程。
技能、工具与沙箱
技能提供可复用工作流，工具负责搜索、代码和文件操作；setup wizard 可配置 sandbox、bash 与 file-write 权限。

常见问题

DeerFlow 2.0 能直接使用 1.x 的配置和教程吗？

不能直接套用。官方说明 2.0 是完全重写，与 1.x 不共享代码；旧版在单独分支维护。

DeerFlow 当前版本到底是 2.0.0 还是 2.1.0-rc0？

最新正式 release 是 v2.0.0；当前 main 分支的后端包已标为 2.1.0-rc0。生产评估应固定 tag 或具体 commit。

2 核 4 GB 能跑 DeerFlow 2.0 吗？

官方写明通常不够。本地评估起点是 4 vCPU、8 GB RAM、20 GB SSD，长驻服务起点是 8 vCPU、16 GB RAM、40 GB SSD。

DeerFlow 的 Gateway 管理员只是普通管理权限吗？

不是。管理员可注册并启动 stdio MCP，官方要求将 Gateway admin 视为主机代码执行权限。