字节跳动开源了一款 Deep Research 项目

字节跳动技术团队 · 公众号 · 架构 · 2025-05-10 08:30

正文

请到「今天看啥」查看全文

Write an article about Nanjing's traditional dishes

https://deerflow.tech/chat?replay=nanjing-traditional-dishes

How to decorate a rental apartment?

https://deerflow.tech/chat?replay=rental-apartment-decoration

How tall is Eiffel Tower compared to tallest building?

https://deerflow.tech/chat?replay=rental-apartment-decoration

访问我们的官网，观看更多 Replay

https://deerflow.tech/#case-studies

3. 项目特色

全新的 Multi-Agent 架构设计

独家设计的 Research Team 机制，支持多轮对话、多轮决策和多轮任务执行。与 LangChain 原版 Supervisor ( https://langchain-ai.github.io/langgraph/tutorials/multi_agent/agent_supervisor/) 相比，显著减少 Tokens 消耗和 API 调用次数，从而提升了执行效率。同时，Re-planning 机制赋予系统更高的灵活性，能够动态迭代任务计划以适应复杂场景。

基于 LangStack 的开源框架

DeerFlow 采用 Multi-Agent 架构设计，构建于 LangChain (https://github.com/langchain-ai/langchain) 和 LangGraph ( https://github.com/langchain-ai/langgraph ) 的开源框架之上，代码结构清晰、逻辑简洁，极大地降低了学习门槛，非常适合初学者快速深入理解多智能体系统的工作原理，轻松探索多智能体协作的潜力，同时体验 LangStack 的强大功能。

支持 MCP 无缝集成

与 Cursor、Claude Desktop 一样，DeerFlow 也是一个 MCP Host，这意味着你可以通过 MCP 来拓展 DeerFlow 的 Researcher Agent 能力，从而实现类似私域搜索、域内知识库访问、Computer / Phone / Browser Use 等功能。

AI 生成的 Prompt

DeerFlow 采用了 Meta Prompt 的模式，所有 Prompts 都由 OpenAI 的官方 Meta Prompt (https://github.com/openai/openai-cookbook/blob/main/examples/Enhance_your_prompts_with_meta_prompting.ipynb) 生成，即让大模型来生成自己的 Prompt，从而确保了 Prompt 的高质量，同时也极大的降低了 Prompt 工程的门槛。

Human-in-the-loop

不满意 AI 生成的计划或报告？DeerFlow 支持用户通过自然语言对生成的内容进行实时修改和优化。无论是调整细节、补充信息，还是重新定义方向，用户都可以轻松地与 AI协作，确保最终结果完全符合预期。

支持生成播客及 PPT

DeerFlow 支持从报告生成双人主持的播客，借助火山引擎的语音技术 (https://www.volcengine.com/docs/6561/79820) ，以及丰富的音色 (https://www.volcengine.com/product/tts#%E8%83%BD%E5%8A%9B%E4%BD%93%E9%AA%8C) ，可以生成非常自然的播客音频内容。同时，DeerFlow 支持从报告生成 PPT，并且支持生成文字版的 PPT。

4. 核心揭秘