DeerFlow 深度研究上手指南3 步从克隆到跑通避开 2 个常见卡点【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flow想让智能体不只陪你聊天而是自己上网查资料、跑代码、连续干上几个小时DeerFlow 是个合适的选择——它把语言模型、联网搜索和代码执行组合在一起接住从几分钟到几小时不等的深度研究任务。为什么拿它来做深度研究和只会聊天的通用模型不同它会真的去网上检索资料、在沙箱一次性的隔离代码执行环境里跑代码验证结论长任务会自动拆给子智能体分头执行。你丢给它一个研究问题回来的是带图表和引用的报告而不是我不确定。从克隆到跑通最少要做的三件事第 1 步拿到代码git clone https://gitcode.com/GitHub_Trending/de/deer-flow cd deer-flow克隆下来后所有命令都在项目根目录执行。第 2 步跑一遍配置向导生成配置文件make setup向导大约 2 分钟会引导你选一个 LLM 提供商、填密钥自动写进 .env还可以顺手配一个联网搜索源跑完会在项目根目录生成一份精简的 config.yaml。想手动改配置的话可以改用make config拿到完整模板再对照 config.example.yaml 逐项调整。⚠️ config.yaml 必须放在项目根目录不是 backend/ 里——放错目录是最常见的配了却没生效原因。第 3 步装依赖启动服务make install make dev起完服务后浏览器打开 http://localhost:2026 就能用了。⚠️ 密钥只放 .env已被 Git 忽略别把明文写进配置文件提交到仓库。拿不准时先跑make doctor检查配置与环境它会给出可直接照做的修复建议。一个真实场景一次不用写爬虫的深度研究以泰坦尼克号数据集为例上传一份 CSV问它分析性别与舱位等级对生还率的影响。DeerFlow 会在沙箱里自己写 Python 清洗数据、做统计然后输出一整套可视化图表和结论。这件事你不需要自己写爬虫、搭数据库也不用手写一行画图代码。可选进阶与常见卡点下面两项不配也能用配了更顺滑预拉沙箱镜像DeerFlow 沙箱设置现象第一次触发沙箱执行代码时卡住等待很久。原因Docker 版沙箱首次使用要拉取容器镜像体积不小。解决在项目根目录先跑make setup-sandbox预拉一次。环境依赖缺失现象make dev起服务时直接报错。原因Node.js 22、pnpm、uv、nginx 中有没装齐的。解决先跑make check看缺什么再make install补全。延伸阅读后端文档总览各子系统与运行机制说明配置说明config.yaml 完整字段参考安装说明更完整的安装与 Docker 部署流程部署和使用中遇到新问题欢迎在 Issue 区分享你的研究场景与踩坑记录。【免费下载链接】deer-flowAn open-source long-horizon SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.项目地址: https://gitcode.com/GitHub_Trending/de/deer-flow创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考