字节跳动开源DeerFlow 2.0，能自己组队干活

字节跳动开源 AI 超级员工 近 8 万 GitHub Stars，能研究、写代码、做网页、生成 PPT，还会自己组建 AI 团队，DeerFlow 2.0 部署教程。

字节跳动开源了一个真正能“干活”的 AI：DeerFlow 2.0 🦌 它不只是陪你聊天。给它一个目标，它会：拆解任务 → 调用工具 → 分配子智能体 → 执行代码 → 检查结果 → 交付文件 GitHub 已接近 8 万 Stars，下面教你 5 分钟部署👇

DeerFlow 可以理解成：一个运行在自己电脑上的 AI 工作团队。

普通 AI：你问一句，它回答一句。
DeerFlow：你提出目标，它可以连续工作几十分钟甚至数小时，最后交付： • 调研报告 • 网页 • PPT • 数据分析 • 图片和视频 • 可运行的代码

它最强的地方，是给 AI 配齐了“工作环境”： • Sub-agents：多个 AI 分工协作 • Sandbox：隔离执行代码和命令 • Memory：记住你的偏好和工作方式 • Skills：安装或编写专属工作流 • MCP：连接外部工具 • Scheduler：定时自动执行任务

不只是模型，而是一套 Agent 操作系统。

部署前准备： • Git • Docker Desktop • 一个可用的大模型配置 • 至少 4 核 CPU、8GB 内存 • 推荐 8 核 CPU、16GB 内存

先下载项目： git clone cd deer-flow 教程基于 DeerFlow 2.0 主分支，运行官方配置向导：make setup。

它会引导你配置： • 使用哪个大模型 • API Key 或模型认证 • 是否启用联网搜索 • 是否允许 Bash • 文件写入权限 • 沙箱运行模式

配置完成后，检查环境：make doctor 推荐使用 Docker 启动：
make docker-init
make docker-start

第一次运行需要拉取并构建镜像。

启动成功后打开： http://localhost:2026 到这里，你已经拥有一个本地 AI Agent 工作台。

第一个实战：自动生成行业研究报告。

直接复制这段提示词：
研究 2026 年全球 AI Agent 市场。 将任务拆分给多个子智能体，分别分析：
1. 主要公司和开源项目
2. 商业模式
3. 市场规模与增长趋势
4. 潜在机会
5. 主要风险
最终生成一份结构清晰、带来源链接的中文研究报告。

第二个实战：一键制作内容网站。

研究最近一周最值得关注的 10 个开源 AI 项目。
总结每个项目的用途、核心亮点、适用人群和使用门槛。
完成研究后，创建一个现代、响应式的中文导航网站，并将网页文件保存到输出目录。

它不只是告诉你怎么做。
它会直接交付网页文件。

另外几个非常适合 DeerFlow 的任务：
① 阅读整个 GitHub 仓库并输出重构方案
② 分析 CSV，生成图表和商业报告
③ 根据资料制作 PPT
④ 自动收集竞品更新
⑤ 把固定流程封装成自定义 Skill
⑥ 通过飞书、Slack、Telegram 或微信提交任务

真正的价值，是把重复工作变成自动流程。

最后提醒：
DeerFlow 可以执行系统命令、访问资源和读写文件，权限非常高。不要在没有认证和网络隔离的情况下直接暴露到公网。

建议： • 优先使用 Docker 沙箱 • 默认只在本机运行 • API Key 保存在 .env • 重要文件提前备份 • 高风险操作保留人工确认

收藏起来，周末给自己部署一支 AI 团队。

项目地址：