引言
字节跳动近期开源了一款名为DeerFlow的深度研究框架，该框架结合了大语言模型和各类专业工具，能够显著提高研究效率和内容生成质量。DeerFlow建立在LangChain和LangGraph等优秀开源项目的基础上，通过多智能体协作和灵活的工具集成，为研究人员、内容创作者和数据分析师提供了一个强大的研究助手平台。本视频将介绍如何在本地部署DeerFlow，并通过一个实例展示其研报生成效果。
关于DeerFlow
DeerFlow是字节跳动最近开源的一个深度研究框架，它结合了大语言模型和各种专业工具，旨在提高研究效率和内容生成质量。以下是关于DeerFlow的主要信息：
核心特点
- 多智能体协作：建立在LangChain和LangGraph等开源项目基础上，通过多个AI智能体的协作完成复杂研究任务
- 灵活的工具集成：可以集成各种专业工具，扩展研究能力
- 模型兼容性：支持多种大语言模型，包括豆包1.5 Pro、GPT-4o、Qwen Max、Gemini 2.0 Flash等
- MCP服务器支持：通过PageMCP服务器可以使DeerFlow拥有更强大的工具和更丰富的数据来源
主要用途
DeerFlow主要面向以下用户群体：
- 研究人员
- 内容创作者
- 数据分析师
它可以帮助这些用户高效地进行深度研究，生成高质量的研究报告，减少繁琐的数据收集和整理工作。
工作流程
- 用户提出研究需求
- DeerFlow生成研究执行计划
- 用户可以调整计划
- DeerFlow执行研究任务，包括搜索网络、读取内容、分析数据等
- 最终生成完整研究报告
技术架构
DeerFlow建立在多个开源项目之上，主要包括：
- LangChain：提供大语言模型应用开发框架
- LangGraph：提供智能体编排能力
通过这些技术，DeerFlow实现了复杂研究任务的自动化和智能化处理。
如果您有兴趣了解更多或想要尝试DeerFlow，可以访问其GitHub仓库获取更详细的安装和使用指南。
DeerFlow详细使用示例
以下是DeerFlow的详细使用示例，展示了从安装配置到实际应用的完整流程：
1. 安装与配置
环境准备
首先确保本地环境具备以下工具：
- NVM 和 PNPM
- Python 和 Node.js
安装步骤
# 克隆代码仓库
git clone <https://github.com/bytedance/deerflow.git>
cd deerflow
# 安装Python依赖
uv sync
# 复制并配置环境变量
cp .env.example .env
# 复制并配置模型
cp conf.yaml.example conf.yaml
环境变量配置
在.env文件中需要配置：
- 搜索引擎API（如Tavily或DuckDuckGo）
- 可选的Jina API
- 如需生成播客，配置火山引擎TTS
模型配置
在conf.yaml文件中配置基础模型：
# 使用OpenAI的GPT-4o
base_url: "<https://api.openai.com/v1>"
model: "gpt-4o"
# 添加您的API密钥
api_key: "your-api-key"
Web UI安装（可选）
cd web
pnpm install
2. 启动DeerFlow
控制台方式
uv run main.py
Web UI方式（以macOS为例）
./bootstrap.sh -d
启动后，DeerFlow会运行在本地的3000端口，可通过浏览器访问http://localhost:3000。
3. 实际应用示例：GitHub热门项目分析
使用步骤
- 提出研究需求 输入问题：”找找今天在GitHub上最流行的项目”
- 查看并确认执行计划 DeerFlow会提供一个执行计划，包括:
- 搜索GitHub热门项目
- 分析项目特点
- 整理研究报告
此时可以点击”Edit Plan”进行调整，或直接点击”Start Research”开始研究
- 研究过程观察 在右侧的Activity标签中，可以看到DeerFlow执行的具体步骤：
- 使用搜索引擎进行多次搜索，调整关键词以获取更准确的信息
- 读取搜索结果网页内容
- 对获取的信息进行整理和分析
- 生成最终报告
- 研究结果 研究完成后，在Report标签中会显示一个完整的研究报告，包括：
- 报告日期
- 热门项目列表及其关键信息（项目名称、作者、编程语言、项目目的等）
- 项目链接
- 参考资料链接
实际输出示例
以下是一个实际的研究报告示例：
# GitHub热门项目分析报告
日期: 2025年5月9日
## 关键发现
今天GitHub上最热门的项目是:
1. Money Printer Turbo - 一个前沿的AI应用框架
2. Void Editor - 类似VSCode的开源编辑器替代品
## 详细信息
### Money Printer Turbo
- 作者: sshh12
- 编程语言: JavaScript
- 项目目的: 提供快速构建、部署和扩展AI产品的框架
- 项目链接: <https://github.com/sshh12/money-printer-turbo>
### Void Editor
- 作者: void-main-project
- 编程语言: TypeScript
- 项目目的: 提供一个开源的VSCode替代品
- 项目链接: <https://github.com/void-main-project/void>
## 参考资料
- GitHub Trending页面: <https://github.com/trending>
- Money Printer Turbo项目页: <https://github.com/sshh12/money-printer-turbo>
- Void Editor项目页: <https://github.com/void-main-project/void>
4. 增强功能：配置MCP服务器
配置步骤
- 点击DeerFlow界面右上角的配置按钮
- 点击MCP添加新服务器
- 添加GitHub Trending MCP配置:
{
"name": "GitHub Trending MCP","base_url": "<https://example-mcp-server.com/api>",
"tools": [
{
"name": "GitHub Trending Repositories",
"description": "获取GitHub上当前最流行的代码仓库"
},{
"name": "GitHub Trending Developers",
"description": "获取GitHub上当前最受欢迎的开发者"
}
]} - 点击Add完成配置
MCP增强效果
配置MCP服务器后，使用同样的问题”找找今天在GitHub上最流行的项目”，DeerFlow会：
- 直接调用GitHub Trending Repositories工具获取准确数据
- 减少搜索引擎使用次数
- 提供更高质量、更准确的研究报告
MCP版本的输出示例
# GitHub热门项目分析报告
日期: 2025年5月9日
## 关键发现
通过GitHub Trending API直接获取的数据显示，今天最热门的项目是:
1. Void Editor - 今日新增星标1,889个
2. Money Printer Turbo - 今日新增星标1,542个
3. Ladybird Browser - 今日新增星标990个
## 详细信息
(项目详情内容)
## 数据来源
- GitHub Trending API
- 项目官方页面
通过这个详细示例，您可以看到DeerFlow如何帮助用户快速获取、整理和分析信息，生成高质量的研究报告，以及如何通过配置MCP服务器进一步增强其功能。
关于DeerFlow视频:
视频内容摘要
DeerFlow项目简介
DeerFlow是字节跳动推出的开源深度研究框架，主要特点包括：
- 结合大语言模型和专业工具，显著提高研究效率和内容生成质量
- 建立在LangChain和LangGraph等开源项目之上
- 通过多智能体协作和灵活的工具集成，为不同用户提供研究助手平台
本地部署步骤
- 克隆GitHub代码仓库
- 运行uv sync安装必要的Python包
- 复制.env.example生成.env文件，配置必要的环境变量
- 配置搜索引擎API（如Tavily或DuckDuckGo）
- 可选配置Jina API
- 如需生成播客，可配置火山引擎TTS
- 复制conf.yaml.example生成conf.yaml，配置基础模型
- 支持多种模型如豆包1.5 Pro、GPT-4o、Qwen Max等
- 可选安装Marp CLI支持PPT生成功能
- 可选安装Web UI依赖，进入项目的web子目录运行pnpm install
运行方式
DeerFlow提供两种运行方式：
- 控制台UI：直接运行uv run main.py
- Web UI：以macOS为例，运行根目录下的bootstrap.sh，并提供-d参数同时启动前后端
实际使用效果
用户可以通过界面与DeerFlow进行交互，提出研究需求后，DeerFlow会提供执行计划，用户可以调整计划后开始研究。
视频展示了一个实例，查询”GitHub上今天最流行的项目”：
- DeerFlow生成详细报告，包括项目名称、作者、编程语言和目的等
- 提供项目链接便于访问
- 研究过程中会多次使用搜索引擎，调整关键词组合获取更准确的信息
MCP服务器配置
DeerFlow支持MCP(Multi-agent Collaboration Protocol)服务器配置，通过PageMCP服务器可以使DeerFlow拥有更强大的工具和更丰富的数据来源。
配置步骤：
- 在DeerFlow界面点击右上角配置按钮
- 点击MCP添加新服务器
- 粘贴配置并点击Add完成
配置后可以使用GitHub Trending Repositories和GitHub Trending Developers等工具
结论
字节跳动开源的DeerFlow深度研究框架是一个强大的研究辅助工具，通过结合大语言模型和专业工具，能够高效生成高质量的研究报告。
五个关键要点
- DeerFlow通过结合大语言模型和专业工具，显著提高研究效率和内容生成质量
- 基于LangChain和LangGraph构建，通过多智能体协作和灵活工具集成为不同用户提供研究助手
- 支持多种大语言模型，如豆包1.5 Pro、GPT-4o、Qwen Max、Gemini 2.0 Flash等
- 提供控制台UI和Web UI两种运行方式，适应不同使用场景
- 支持MCP服务器配置，可扩展工具集和数据来源，提升研究能力
