产品亮点
开源且遵循 MIT 许可，可自行托管和修改。
技能按需加载，也能用自有技能文件扩展功能。
在 Docker 安全沙箱中执行命令和运行长任务。
支持 Doubao、DeepSeek、OpenAI、Gemini 等多种模型。
能处理长任务规划和子任务划分，按顺序或并行执行。
你能用它做什么
- 生成带网页的技术趋势深度研究报告。
- 根据小说特定场景生成视频和参考图像。
- 对数据集做探索性数据分析并可视化关键因素。
怎么用
- 1 获取开源代码，完成环境部署，可用推荐的 All in One Sandbox 组合环境。
- 2 根据需求选择模型，如 Doubao、DeepSeek、OpenAI、Gemini。
- 3 确定任务目标，例如生成播客、视频或数据分析。
- 4 内置技能不够用时，编写自己的技能文件扩展功能。
- 5 向智能体下达任务指令，等待处理并输出结果。
- 6 检查输出，按需细化任务要求后重新执行。
适合谁使用
科研人员：做数据分析和文献调研、趋势预测。内容创作者：生成播客、视频等创作素材。技术创业者：多模型支持，便于项目开发和技术研究。
优点
- MIT 开源，免费部署，数据与流程自己掌控。
- 沙箱环境隔离，运行命令和长任务更安心。
- 多模型可选，能按任务切换合适模型。
- 技能可扩展，内置不足时可自行补齐。
局限
- 需要自行部署和维护，有技术门槛和学习成本。
- 运行长任务和视频生成依赖所接模型的服务稳定性。
- 复杂任务的输出质量取决于提示词和技能配置。
- 开源项目功能更新节奏由社区决定。
DeerFlow 是什么
DeerFlow 是一个基于 LangChain 的开源框架，遵循 MIT 许可，可自行部署托管。它用沙箱、记忆、工具、技能和子智能体来处理不同级别的任务，具备上下文工程、长短期记忆和长任务规划能力。技能按需加载，支持 Doubao、DeepSeek、OpenAI、Gemini 等多种模型，项目免费开放。
你能用它做什么
- 生成播客、视频，撰写深度研究报告。
- 对数据集做探索性分析并输出可视化网页。
- 预测技术趋势与机会，输出结构化结论。
- 用自有技能文件扩展功能，按需搭建工作流。
适合谁使用
- 科研人员：处理数据、做文献调研和趋势预测。
- 内容创作者：获得播客、视频等创作素材和灵感。
- 技术创业者：多模型支持，便于项目开发与研究。
需要留意什么
需要自行完成环境部署，涉及 Docker 和模型配置，有学习成本。运行长任务和视频生成依赖所接模型的服务稳定性。输出质量取决于任务描述和技能配置，复杂任务需要多轮调整。开源项目的更新节奏由社区决定，生产使用建议自行评估风险。
常见问题
DeerFlow 收费吗？
项目开源并遵循 MIT 许可，可免费自行托管使用。
支持哪些模型？
支持 Doubao、DeepSeek、OpenAI、Gemini 等多种模型，可按任务灵活选择。
不会编程能用吗？
框架面向构建智能体的技术场景，需要完成环境部署，更适合有开发能力的用户。
任务执行安全吗？
命令和文件操作在基于 Docker 的安全沙箱中执行，与宿主环境隔离。
为什么说它免费
官网写明的免费方式： 免费
免费额度、试用天数与功能范围由官网决定，随时可能调整，请以官网为准。
产品截图
截图归档自收录页面，仅供预览参考。