企业官网建设流程全解析

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