8.1万 Stars 的字节开源超级 Agent 框架：DeerFlow 2.0 把子 Agent、记忆和沙箱编排在一起

DeerFlow（Deep Exploration and Efficient Research Flow）是字节跳动开源的超级 Agent 框架，81K Stars，曾在 2026 年 2 月拿下 GitHub Trending #1。2.0 版本从零重构，用子 Agent 编排 + 记忆系统 + 可扩展 Skills 做”几乎任何事”。

DeerFlow（bytedance/deer-flow，⭐ 81,178，Python，MIT）是字节跳动开源的超级 Agent 框架，核心理念：用可组合的子 Agent、记忆系统和 Skills 编排出复杂的工作流——不是单个 Agent，而是一个 Agent 编排引擎。

核心数据

它解决什么问题

单个 Agent 能力有限，复杂任务需要多步协作。DeerFlow 的解法：

• 子 Agent 编排：复杂任务拆解给多个专业子 Agent 并行 / 串行执行
• 记忆系统：Agent 之间共享上下文，长期记忆跨会话保留
• 沙箱隔离：工具执行在沙箱里，安全可控
• 可扩展 Skills：类似 LangChain Tools，但更灵活的 Skill 扩展机制

技术亮点

1. 子 Agent 编排

用户目标
   ↓
主 Agent 规划 → 拆解为子任务
   ↓
子 Agent A（搜索）→ 子 Agent B（代码）→ 子 Agent C（写作）
   ↓
结果聚合 → 输出

每个子 Agent 可以是专门的 LLM Agent，带自己的工具集和记忆。

2. 记忆系统

# 记忆可以在子 Agent 之间共享
memory = Memory(context_window="large")

agent_a.write_memory("用户偏好：喜欢 Python")
agent_b.read_memory()  # → 获取上下文

跨 Agent 共享工作记忆，不需要每次从头构建上下文。

3. 可扩展 Skills

类似 LangChain Tools，但更松耦合：

# 注册 Skill
@skill(name="web_search")
def web_search(query: str) -> str:
    ...

# Agent 自动发现并调用 Skills
agent = Agent(skills=[web_search, ...])

4. 沙箱执行

工具调用在沙箱里执行，不污染主进程，适合执行可疑代码或外部工具。

5. 2026 年 2 月 Trending #1

曾登顶 GitHub Trending，说明发布时社区热度极高，口碑传播强劲。

安装使用

# pip 安装
pip install deer-flow

# 启动
deer-flow run

# 或使用 Docker
docker run -p 8000:8000 bytedance/deer-flow

和 LangChain Agent 的区别

项目地址：github.com/bytedance/deer-flow