字節跳動（ByteDance）的開源專案 DeerFlow 於 2026 年 6 月推出 2.0 版本，將原本的深度研究框架改寫為一套長程代理執行環境（harness）。這個專案在 GitHub 累積 83,455 顆星與 11,592 次複製，採用 MIT 授權，核心語言為 Python，並以 LangGraph 與 LangChain 作為底層框架。它的定位是把代理完成任務所需的基礎設施一次備齊，包括檔案系統、長期記憶、技能模組、沙箱執行環境與子代理調度。
DeerFlow 2.0 是字節跳動開源的長程代理執行環境，累積 83,455 顆星，採 MIT 授權並以 LangGraph 建構，內建檔案系統、記憶、技能與沙箱。
這套系統的名稱取自 Deep Exploration and Efficient Research Flow，第一版在 2025 年 5 月建立，原本聚焦於自動化深度研究。社群後續把它用在資料管線、簡報產生、儀表板與內容工作流程等場景，開發團隊因此判斷它不只是研究工具，而是一個能支撐各類任務的執行環境，最終決定從零重寫。
DeerFlow 2.0 是什麼？
DeerFlow 2.0 是一套開源代理執行環境，把子代理、記憶與沙箱整合在同一個系統中，讓代理能自主完成需要數分鐘至數小時的長程任務。
專案在說明文件中把自身定義為「超級代理執行環境」，強調的不是單一模型能力，而是代理運作所需的周邊條件。它提供可讀寫的檔案系統、可累積的長期記憶、可擴充的技能模組、具隔離性的沙箱，以及能分工的子代理機制。這些元件組合起來，讓一個任務可以被拆解、執行、驗證，並在中途保存進度。
與多數代理框架的差異在於整合程度。市場上不少工具需要開發者自行串接記憶體、工具呼叫與執行沙箱，DeerFlow 則將這些能力視為標準配備，開箱即可運作，同時保留拆解與替換的空間。開發團隊在文件中明言，使用者可以照原樣使用，也可以將其解構後重新組裝為自己的系統。
DeerFlow 從深度研究框架演進到什麼形態？
DeerFlow 由自動化深度研究工具演進為通用代理執行環境，第二版與第一版不共用程式碼，舊版深度研究框架仍保留在 1.x 分支持續維護。
這個轉變的線索來自社群實際用法。開發團隊在說明文件中提到，使用者把第一版拿去建置資料管線、產生簡報、架設儀表板，甚至自動化內容工作流程，範圍遠超出原本設計。團隊由此得出結論：真正被需要的是執行環境，而不是特定用途的研究工具。
2.0 因此成為一次徹底重寫。官方說明指出，新版本與第一版不共用任何程式碼，若使用者仍需要原本的深度研究框架，可改用 1.x 分支，該分支仍接受社群貢獻，但主要開發已轉向 2.0。專案於 2026 年 2 月 28 日在 GitHub Trending 拿下單日第一名，官方在說明文件中把這個成績歸因於社群支持。
DeerFlow 2.0 有哪些核心技術亮點？
其亮點在於以 LangGraph 為基礎的長程任務編排、可切換的沙箱供應器、漸進式技能載入，以及名為 DeerMem 的長期記憶機制，並具備子代理脈絡交接能力。
長程任務的關鍵在於狀態保存與脈絡管理。DeerFlow 的記憶機制包含手動脈絡壓縮、工作筆記與長期記憶，其中 DeerMem 負責抽取事實並跨對話保留。系統同時支援子代理在接手任務時，選擇只接收委派指令，或連同父層保留的對話與壓縮摘要一併承接，藉此在脈絡完整度與輸入成本之間取捨。
技能體系採用漸進式載入。技能是以 Markdown 撰寫的能力模組，定義工作流程、最佳實務與相關資源，系統只在任務需要時載入對應技能，避免一次佔滿脈絡視窗。這項設計讓 DeerFlow 在處理長任務時，仍能與對脈絡敏感的模型搭配運作。此外，沙箱層支援本機、Docker、Kubernetes 與 E2B 等供應器，讓檔案邊界與隔離強度可依部署環境調整。
DeerFlow 2.0 的技能與工具生態如何運作？
系統內建研究、報告產生、簡報製作、網頁與圖像產生等技能，並可透過能力中心管理自訂與匯入技能，同時支援 MCP 伺服器與飛書整合。
內建技能涵蓋研究、報告產生、簡報製作、網頁產生與圖像產生等常見需求。使用者可在工作區側邊欄的能力中心管理外掛與技能，兩份目錄皆支援搜尋，社群分頁則可匯入技能壓縮檔。技能也可透過斜線指令在單一回合中明確啟用，此時系統會將該技能的說明文件載入為當回合的隱藏脈絡。
整合層面同時納入 MCP 伺服器與飛書（Lark/Feishu）工具鏈。飛書整合以共享且唯讀的技能包形式安裝，由管理者一次性安裝官方套件，每位使用者再各自完成授權與設定，憑證檔案受到權限限制並拒絕符號連結，避免跨帳號洩漏。這種「共用程式、隔離憑證」的設計，反映專案在企業環境下的實際考量。
DeerFlow 2.0 的部署需求與模型支援如何？
官方建議本機評估使用 4 核心、8GB 記憶體，長期伺服器建議 8 核心、16GB；系統不綁定模型，任何相容 OpenAI 介面的模型皆可使用。
官方在說明文件中提供分級建議：本機評估與開發建議 4 核心處理器、8GB 記憶體與 20GB 可用空間，並直言 2 核心、4GB 的規格通常不足；長期運作的伺服器建議提升至 8 核心、16GB 記憶體與 40GB 空間，共用情境則建議 16 核心、32GB。官方也提醒，若同時自行託管大型語言模型，需另外估算該服務的資源。
模型支援維持開放策略。系統可搭配任何實作 OpenAI 相容介面的模型，官方建議選擇支援長脈絡、具推理能力、可處理多模態輸入且工具呼叫穩定的模型。針對特定模型，官方推薦以豆包、DeepSeek 與 Kimi 系列搭配運作，並提供請求節流設定，協助使用者控制在供應商每分鐘請求上限之內。
DeerFlow 2.0 的數據與社群規模如何？
專案累積 83,455 顆星、11,592 次複製與 341 位關注者，提交次數約 3,887 次，貢獻者約 520 位，未結議題 886 個，採 MIT 授權。
- 83,455GitHub 星標
- 11,592複製次數
- 341關注人數
- 886未結議題
- 3,887提交次數
- MIT開源授權
統計顯示專案星標 83,455、複製 11,592 次、關注 341 人，提交約 3,887 次，貢獻者約 520 位，未結議題 886 個，主要語言為 Python。
專案於 2025 年 5 月建立，截至 2026 年 10 月上旬仍在高頻更新，最新一次提交與檔案推送均落在查詢當日。已發布的正式版本共有兩個，分別是 2026 年 6 月 25 日的 2.0.0 與 2026 年 9 月 24 日的 v2.1.0，版本節奏與活躍開發狀態相符。
貢獻者規模反映專案已進入多人協作階段。約 520 位貢獻者與近 3,900 次提交意味著平均每人貢獻不到八次，符合大型開源專案的分工模式。886 個未結議題是另一個觀察指標，其中部分為部署與模型相容性問題，顯示專案在快速擴充功能的同時，也承受著相應的技術負債。
DeerFlow 2.0 與其他代理框架有何不同？
差異在於定位：多數框架提供組裝零件，DeerFlow 則直接提供完整執行環境，並以技能模組與沙箱隔離作為擴充與安全的雙主軸。
目前主流代理框架大致分為兩類，一類提供元件與抽象層，要求開發者自行組合；另一類提供完整應用，但擴充空間有限。DeerFlow 選擇在中間落點，把執行環境視為產品，同時以技能模組保留擴充性，並允許使用者替換內建技能或重新組合流程。
安全模型是另一項區別。專案在說明文件開頭即以相當篇幅說明部署風險，包括不當部署可能引入的安全問題、管理權限等同程式執行權限，以及外部聊天訊息的角色處理。這種把風險前置揭露的做法，在開源專案中並不常見，也反映團隊對自行部署情境的預期。
如何開始使用 DeerFlow 2.0？
使用者可先複製儲存庫並執行設定精靈，Docker 部署為官方建議方式；若使用程式開發代理，也可直接交付一行提示詞讓其自動完成初始化。
入門路徑有兩種。傳統做法是先複製儲存庫，於專案根目錄執行設定精靈，再依官方建議選擇 Docker 部署或本機開發模式，並在設定檔中填入模型供應商資訊。整個流程不需要自行撰寫代理邏輯，設定完成後即可透過介面提交任務。
另一種做法針對已使用程式開發代理的使用者。官方提供一段提示詞，只要交給 Claude Code、Codex、Cursor 等工具，代理便會自行複製儲存庫、優先採用 Docker 完成初始化，並在缺少設定時回報確切的下一步指令。這種「由代理安裝代理框架」的方式，本身就展示了專案設計的目標使用情境。
出處連結有哪些？
本文數據取自 DeerFlow 的 GitHub 儲存庫，統計數字為 2026 年 10 月上旬查詢結果，架構描述依官方說明文件整理。
完整的說明文件與原始碼，可於下列來源查閱：
常見問題有哪些？
以下整理五個常見疑問，涵蓋授權、費用、模型選擇、硬體需求與舊版關係，答案依儲存庫說明文件與實際結構整理而成。
DeerFlow 2.0 需要付費嗎？
不需要。專案以 MIT 授權開源，程式碼可自由使用與修改；實際運作成本來自所選的模型 API 與伺服器資源。
DeerFlow 2.0 支援哪些模型？
任何實作 OpenAI 相容介面的模型皆可使用，官方建議挑選具備長脈絡、推理能力與穩定工具呼叫的模型，並以豆包、DeepSeek 與 Kimi 系列為推薦選項。
DeerFlow 2.0 的硬體需求為何？
本機評估建議 4 核心處理器與 8GB 記憶體，長期運作的伺服器建議 8 核心與 16GB 記憶體；官方明確指出 2 核心、4GB 的規格通常不足。
DeerFlow 第一版還能使用嗎？
可以。原有的深度研究框架保留在 1.x 分支並持續接受貢獻，但主要開發已轉向 2.0，兩者不共用程式碼。
DeerFlow 2.0 適合企業自架嗎？
可以，但需注意安全設定。官方文件提醒管理權限等同程式執行權限，建議搭配沙箱隔離與嚴格的存取控制後再上線。
總結：DeerFlow 2.0 適合什麼團隊？
DeerFlow 2.0 適合需要長程自主任務、願意自行部署與維運的開發團隊；若只需單次問答或輕量自動化，導入成本可能高於收益。
這套框架的價值在於把長程任務所需的基礎設施標準化。83,455 顆星與約 520 位貢獻者說明它已越過早期專案的門檻，MIT 授權也讓商業採用沒有額外法律負擔。對於需要代理連續工作數小時、且必須自行掌握資料與執行環境的團隊，它提供了一條相對完整的路徑。
選擇時仍應回到實際需求。若任務以單次問答、簡單流程自動化為主，輕量工具的效率更高；若情境涉及多步驟研究、程式撰寫、檔案產出與長時間執行，DeerFlow 內建的記憶、沙箱與子代理機制才會顯現價值。導入前先確認伺服器規格與模型供應商設定，是減少後續調校成本最實際的一步。