§01 DeerFlow 到底是什么
DeerFlow 是一个开源的「超级代理框架」（super agent harness）。它能编排子代理、记忆和沙箱，去完成几乎任何任务，而驱动这一切的是一套可扩展的技能（Skills）。
名字拆开看：Deep Exploration and Efficient Research Flow。它从「深度研究」起家，2.0 已经长成一个通用代理底座。
2.0 是一次彻底重写。它和 v1 没有任何代码共享。原来的 Deep Research 框架留在 1.x 分支维护。所以你看到的老文章，很多对 2.0 不适用——别拿 v1 的经验套 2.0。
几个关键事实，先钉死：
- 2026 年 2 月 28 日，v2 发布后登上 GitHub Trending 榜首。
- 官方站点
deerflow.tech有真实演示。 - 它集成了字节跳动火山引擎的智能搜索抓取工具集 InfoQuest。
- 官方推荐搭配 Doubao-Seed-2.0-Code、DeepSeek v3.2、Kimi 2.5 使用。
DeerFlow 和你见过的框架不一样在哪
很多人第一反应是：「这不就是又一个 Agent 库？」不是。DeerFlow 的定位是产品级 harness，它交付的是一整套可运行的服务，而不只是一个 import 就能用的类。
| 维度 | 纯 Agent 库（如 deepagents） | DeerFlow 2.0 |
|---|---|---|
| 交付形态 | Python 包，代码里调用 | 服务栈：Gateway + Frontend + 沙箱 + 可选 Provisioner |
| 运行界面 | 你自己在代码里接 | 自带 Web UI、终端 TUI、IM 接入 |
| 编排内核 | 各家不同 | 基于 LangGraph（图、checkpointer、store） |
| 调度能力 | 一般没有 | 内置定时任务（§15） |
| 模型绑定 | 看库 | 模型中立，OpenAI/OpenRouter/vLLM/Codex/Claude/MiniMax 通吃 |
标叔的结论：如果你只想在代码里嵌一个会调工具的 Agent，DeerFlow 重了；如果你想要一个「开箱即用的研究/自动化工作台」，DeerFlow 正中靶心。
下一章，我们不讲道理，先把服务跑起来。