字节跳动DeerFlow 2.0官网地址是多少

DeerFlow 2.0 目前并没有一个独立的、以 “2.0” 命名的官网域名，它的官方入口就是字节跳动开源项目在 GitHub 上的主仓库，以及配套的演示站点。项目主页地址是 https://github.com/bytedance/deer-flow，官方在线体验入口是 https://deerflow.tech。如果你在搜索引擎里看到一堆 “deerflow2.0.com” 之类的域名，基本都是第三方搬运或仿冒站，别在上面填 API Key。

DeerFlow 到底是什么

DeerFlow 是字节跳动开源的一个多智能体（Multi-Agent）深度研究框架，全称 Deep Exploration and Efficient Research Flow。它最早在 2025 年 5 月开源，基于 LangGraph 构建，定位是“把一个大任务拆给一群分工明确的智能体去跑”。你可以把它理解成一个开源的 Deep Research 类产品，但比单纯的“搜索+总结”更重，因为它内置了规划、执行、反思、报告生成的完整链路。

所谓 “2.0”，其实是社区和媒体对它有较大版本迭代后的俗称。官方在 GitHub 上是以 release 和 commit 的形式推进的，并没有单独做一个 “DeerFlow 2.0” 的官网。所以问“2.0 官网地址”，准确答案就是上面那个 GitHub 仓库。

核心功能与特点

• 多智能体协作：Coordinator（协调者）、Planner（规划者）、Researcher（研究员）、Coder（编码者）、Reporter（报告撰写者）等角色分工，像一个小型研究团队。
• 深度研究流程：先拆解问题、再分头检索、然后交叉验证、最后输出结构化报告，而不是一次性让模型硬答。
• 人在回路（Human-in-the-loop）：关键步骤可以暂停，让你修改计划或补充要求，再继续跑。
• 多种搜索与工具集成：支持 Tavily、Brave Search、DuckDuckGo 等搜索后端，也能接 Python 执行、爬虫等工具。
• MCP 支持：可以挂载 Model Context Protocol 服务，扩展外部能力。
• 报告与播客生成：除了输出 Markdown/网页报告，还能把研究结果转成音频播客，这是它比较出圈的一个点。
• 本地部署友好：提供 Docker 和 uv 两种部署方式，模型可接 OpenAI、DeepSeek、Qwen 等兼容接口。

关键信息一览

怎么用起来

1. 打开 GitHub 仓库，看 README 的 Quick Start。
2. 克隆仓库，配置 .env，填入大模型 API Key（如 DeepSeek、OpenAI）和搜索 API Key（如 Tavily）。
3. 用 Docker Compose 或 uv 启动服务，浏览器访问本地端口即可。
4. 如果只是想先体验，可以直接去 deerflow.tech 试官方 Demo。

几个容易踩的坑

• 别把 “2.0” 当独立产品找：官方没有 “DeerFlow 2.0 官网” 这个说法，认准 GitHub 和 deerflow.tech 就行。
• API Key 成本要算清楚：深度研究会跑很多轮检索和推理，Token 消耗比普通对话高不少，建议先用便宜模型试。
• 搜索后端要单独申请：Tavily 有免费额度，Brave 需要申请，DuckDuckGo 免费但稳定性一般。
• 和同类产品区分：如果你只是想快速做一次联网问答，可能用 Perplexity 或 秘塔搜索 更省事；DeerFlow 的价值在于可自部署、可改流程、可接自己的模型和工具。

相关问题

DeerFlow 和 Manus 有什么区别？
DeerFlow 是开源框架，你得自己部署和配 Key；Manus 是闭源托管产品，开箱即用但不可控。前者适合折腾和二次开发，后者适合直接干活。

DeerFlow 支持中文吗？
支持。它的提示词和界面都有中文适配，接 DeepSeek、Qwen 这类中文模型效果更自然。

跑一次深度研究大概要多少钱？
取决于模型和搜索次数。用 DeepSeek 这类低价模型，一次复杂研究通常在几毛到几块钱人民币；用 GPT-4 级别模型会明显更贵。

没有编程基础能用吗？
可以先用 deerflow.tech 的在线 Demo 体验，但完整功能还是需要本地部署，建议至少会基本的命令行操作。

DeerFlow 会更新 2.0 正式版吗？
官方以仓库 release 形式持续迭代，关注 GitHub 的 Releases 和 Star 动态即可，不必等一个叫 “2.0” 的独立官网。