您是否在进行深度研究时，被繁琐的信息搜集、数据处理和代码验证工作所束缚？现代研究需要跨越多领域，手动执行这些流程效率低下且容易出错。 DeerFlow (Deep Exploration and Efficient Research Flow) 正是为此而生。它是一个社区驱动的、建立在开源社区卓越成果之上的深度研究框架，旨在将强大的语言模型（LLM）与一系列专业工具相结合，为您组建一个不知疲倦的 AI 研究团队。 ## 核心特性 - 多智能体协同工作: DeerFlow 的核心是其多智能体架构。您可以定义不同的 AI 智能体（Agent）角色，如“首席研究员”、“网络爬虫专家”、“Python 程序员”和“数据分析师”，让它们分工协作，共同完成一个复杂的研究任务。 - 强大的内置工具集: 为智能体配备了完成研究所需的关键工具，包括： - 网页搜索与爬取: 能够自主上网，深入抓取和分析网页内容。 - Python 代码执行: 可以在安全的环境中编写和执行 Python 代码，用于数据分析、模型验证或功能测试。 - 智能化与模块化: 框架设计高度模块化，您可以轻松替换或自定义其中的组件，无论是语言模型、使用的工具，还是智能体的工作流程，都能根据您的具体研究需求进行调整。 - 现代化技术栈: 基于现代化的技术栈构建，确保了框架的高性能、高可扩展性，对熟悉 AI 和 Python 的开发者非常友好。 ## 适用场景 - 学术研究: 自动化进行文献综述、数据收集和实验分析。 - 技术调研: 深度分析竞品技术、追踪前沿科技趋势。 - 内容创作: 为深度文章或技术报告自动收集和整理素材与论据。 - 量化分析: 结合代码执行能力，进行金融数据分析或科学计算。 ## 使用文档 安装完成后需要把 API Key 更换成自己的，首先需要更换搜索引擎Key，可以访问 https://www.tavily.com，配置文件中主要是配置 Deerflow 所需要的 AI 模型 Key，在配置文件中都有注释，去配置相应的 Key 即可，配置完成后需要更新组件才会生效。  ## 模型支持 在 DeerFlow 中，目前只支持非推理模型，这意味着目前还不支持 OpenAI 的 o1/o3 或 DeepSeek 的 R1 等模型。`doubao-1.5-pro-32k-250115`、`gpt-4o`、`qwen-max-latest`、`gemini-2.0-flash`、`deepseek-v3`，以及理论上实现 OpenAI API 规范的任何其他非推理聊天模型。 ## 如何使用 OpenAI 兼容模型 DeerFlow 支持与 OpenAI 兼容模型集成，这些模型是实现 OpenAI API 规范的模型。这包括各种开源和商业模式，这些模型提供与 OpenAI 格式兼容的 API 端点。详细文档可参考 [litellm OpenAI-Compatible](https://docs.litellm.ai/docs/providers/openai_compatible)。以下是使用 OpenAI 兼容模型的 conf.yaml 配置示例： ``` language # An example of Doubao models served by VolcEngine BASIC_MODEL: base_url: "https://ark.cn-beijing.volces.com/api/v3" model: "doubao-1.5-pro-32k-250115" api_key: YOUR_API_KEY # An example of Aliyun models BASIC_MODEL: base_url: "https://dashscope.aliyuncs.com/compatible-mode/v1" model: "qwen-max-latest" api_key: YOUR_API_KEY # An example of deepseek official models BASIC_MODEL: base_url: "https://api.deepseek.com" model: "deepseek-chat" api_key: YOUR_API_KEY # An example of Google Gemini models using OpenAI-Compatible interface BASIC_MODEL: base_url: "https://generativelanguage.googleapis.com/v1beta/openai/" model: "gemini-2.0-flash" api_key: YOUR_API_KEY ``` ## 如何使用 Ollama 模型 DeerFlow 支持 Ollama 模型的集成。可以参考 [litellm Ollama](https://docs.litellm.ai/docs/providers/ollama)。 以下是使用 Ollama 模型的 conf.yaml 配置示例（需要先运行 'ollama serve'）： ``` language BASIC_MODEL: model: "model-name" # Model name, which supports the completions API(important), such as: qwen3:8b, mistral-small3.1:24b, qwen2.5:3b base_url: "http://localhost:11434/v1" # Local service address of Ollama, which can be started/viewed via ollama serve api_key: "whatever" # Mandatory, fake api_key with a random string you like :-) ``` ## 如何使用 OpenRouter 模型 DeerFlow 支持 OpenRouter 模型的集成。您可以参考 [litellm OpenRouter](https://docs.litellm.ai/docs/providers/openrouter)。要使用 OpenRouter 模型，您需要： 1、从 OpenRouter （https://openrouter.ai/） 获取 OPENROUTER_API_KEY 并在环境变量中设置。 2、在模型名称之前添加 openrouter/ 前缀。 3、配置正确的 OpenRouter 基 URL。 ## 如何使用 Azure 模型 DeerFlow 支持 Azure 模型的集成。您可以参考 [litellm Azure](https://docs.litellm.ai/docs/providers/azure)。conf.yaml 的配置示例： ``` language BASIC_MODEL: model: "azure/gpt-4o-2024-08-06" api_base: $AZURE_API_BASE api_version: $AZURE_API_VERSION api_key: $AZURE_API_KEY ``` ## 效果图