RepoRadar DeerFlow: автоматизация сложных задач с помощью субагентов
DeerFlow — это открытый супер агент, который помогает исследовать, создавать и кодировать решения длительных задач с использованием субагентов и песочниц. Проект фокусируется на автоматизации работы с задачами, требующими от минут до нескольких часов.
Отличается от аналогичных инструментов своей расширяемой архитектурой, что позволяет легко добавлять новые навыки и функционал. Это может быть полезно разработчикам и исследователям, ищущим мощное решение для автоматизации сложных процессов. DeerFlow написан на Python (3.12+) и Node.js (22+), запускать его можно, следуя инструкциям в README.
Учти, что DeerFlow 2.0 — это полное переписывание, и код с версии 1.x не совместим. Если ты ищешь старую версию, она все еще доступна на отдельной ветке, но активное развитие сосредоточено на 2.0. Проект становится все более популярным, но у него еще нет официальной поддержки для Windows или MacOS.
DeerFlow — это проект с открытым исходным кодом, представляющий собой мощный инструмент для создания и управления агентами и их взаимодействиями. DeerFlow 2.0 имеет кардинально переписанную архитектуру, не имея ничего общего с предыдущей версией. Этот инструмент предназначен для глубоких исследований, разработки эффективных рабочих процессов и может использоваться для самых разных задач благодаря своей модульной архитектуре.
Особенности проекта
- Архитектура Super Agent Harness: DeerFlow предоставляет инфраструктуру для работы агентов, включая управление памятью, выполнение задач в изолированных средах и возможность создавать задания с использованием подагентов.
- Гибкая система навыков: Каждый навык определяет специфичную функциональность и может быть написан в формате Markdown. Существует возможность подключения собственных навыков или модификации существующих.
- Поддержка многомодальных входов: DeerFlow может работать с текстом, изображениями и другими типами медиаконтента, что расширяет его функциональность.
- Интеграция с чрезмерно высокими пределами контекста: DeerFlow стремится поддерживать многоступенчатые задачи, что особенно полезно при глубоких исследованиях.
- История чатов и память: DeerFlow может запоминать информацию и при необходимости извлекать ее, что делает его адаптивным инструментом.
Установка и запуск
Для начала работы с DeerFlow необходимо выполнить несколько шагов:
git clone https://github.com/bytedance/deer-flow.git
cd deer-flow
make setup
После завершения настройки, можно запустить приложение с помощью Docker или локально. Рекомендуется использовать Docker для развертывания:
make docker-start
Для локальной разработки:
make dev
Все команды можно выполнять из корневого каталога проекта.
Ограничения
Несмотря на мощные возможности, у проекта есть некоторые ограничения и требования:
- Рекомендуемые ресурсы: Для оптимальной работы рекомендуется использовать серверы с как минимум 8 vCPU и 16 ГБ ОЗУ.
- Безопасность: DeerFlow содержит функции, которые могут выполнить команды на уровне системы, поэтому его следует развертывать только в защищенной локальной среде.
- Поддержка некоторых платформ: Платформы, такие как macOS и Windows, лучше использовать для разработки, а продакшн-развертывание рекомендуется проводить на Linux.
Заключение
DeerFlow предлагает мощные возможности для работы с агентами, включая создание веб-приложений, исследовательских инструментов и более сложных рабочих потоков в многопользовательской среде. Это отличный выбор для разработчиков, стремящихся к более расширенной функциональности в области глубокого обучения и обработки естественного языка.
Открыть на GitHub: bytedance/deer-flow →
