字节跳动开源“AI超级员工”

门先生

字节跳动开源“AI超级员工”

GitHub Star 数近 8 万，它能进行研究、编写代码、搭建网站、制作 PPT，甚至组建自己的 AI 团队。DeerFlow 2.0 部署教程。

字节跳动开源了一款真正具备“生产力”的 AI：DeerFlow 2.0 🦌

它不仅仅是陪你聊天。只要设定一个目标，它就会：拆解任务 → 调用工具 → 指派子智能体（sub-agents） → 执行代码 → 检查结果 → 交付文件。

GitHub Star 数已接近 8 万。以下是 5 分钟部署指南 👇

可以将 DeerFlow 视为：一个运行在你本地电脑上的 AI 工作团队。

普通 AI：你提问，它回答。

DeerFlow：你设定目标，它能持续工作数十分钟甚至数小时，最终交付：

• 研究报告
• 网站
• PPT
• 数据分析
• 图像与视频
• 可运行的代码

它最大的优势在于为 AI 配备了完整的“工作环境”：

• 子智能体（Sub-agents）：多个 AI 协作分工
• 沙箱（Sandbox）：隔离执行代码和命令
• 记忆（Memory）：记住你的偏好和工作风格
• 技能（Skills）：安装或编写自定义工作流
• MCP：连接外部工具
• 调度器（Scheduler）：安排自动执行任务
它不仅仅是模型，更是一个完整的 Agent 操作系统。

部署前准备：

• Git
• Docker Desktop
• 可用的大模型配置
• 至少 4 核 CPU、8GB 内存
• 推荐配置：8 核 CPU、16GB 内存

首先，下载项目：

git clone https://github.com/bytedance/deer-flow.git
cd deer-flow

本教程基于 DeerFlow 2.0 主分支。运行官方设置向导：make setup。它将引导您完成以下配置：

• 选择使用哪种大模型
• API Key 或模型认证信息
• 是否启用网络搜索
• 是否允许执行 Bash 命令
• 文件写入权限
• 沙箱运行模式

配置完成后，请检查环境：`make doctor`

推荐使用 Docker 启动：

`make docker-init`
`make docker-start`
首次运行时需要拉取并构建镜像。

启动成功后，访问：

http://localhost:2026

此时，您已拥有一个本地 AI Agent 工作台。

首次实操：自动生成一份行业研究报告。
只需复制以下提示词（Prompt）：
研究 2026 年全球 AI Agent 市场。

将任务拆解为多个子 Agent 分别进行分析：

1. 主要公司与开源项目
2. 商业模式
3. 市场规模与增长趋势
4. 潜在机遇
5. 关键风险

最后，生成一份结构清晰、包含来源链接的中文研究报告。

第二次实操：一键创建内容类网站。

调研过去一周内最值得关注的 10 个开源 AI 项目。

总结每个项目的用途、核心亮点、目标用户及使用门槛。

完成调研后，创建一个现代化的响应式中文导航网站，并将网页文件保存至输出目录。

它不仅仅是告诉您如何操作，
而是直接交付最终的网页文件。

其他非常适合 DeerFlow 处理的任务：

① 读取整个 GitHub 仓库并输出重构方案
② 分析 CSV 数据，生成图表与业务报告
③ 基于资料制作 PPT
④ 自动收集竞争对手动态
⑤ 将固定工作流封装为自定义技能（Skills）
⑥ 通过飞书（Feishu）、Slack、Telegram 或微信提交任务

其真正的价值在于将重复性工作转化为自动化流程。

最后提醒：
DeerFlow 拥有极高的权限，能够执行系统命令、访问资源以及读写文件。请勿在未进行身份验证和网络隔离的情况下将其直接暴露在公网上。建议：

• 优先使用 Docker 沙箱环境
• 默认仅在本地（localhost）运行
• 将 API 密钥存储在 .env 文件中
• 提前备份重要文件
• 针对高风险操作保留人工确认环节

建议收藏备用——本周末即可部署属于你自己的 AI 团队。

项目地址：https://x.com/daweifs/status/2083713029741683133/video/1