DeerFlow 深度研究4 层工具怎么搭配 3 个文件就够【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-flowDeerFlow 是一个开源的长程任务 SuperAgent它会检索资料、写代码、产出交付物能跑从几分钟到几小时不等的研究任务。你肯定碰到过这种场景——AI 会聊天但你想让它搜全网、读你的内部文档、再顺手算个数验证一下它只会建议你自己去算。这篇文章不拆类图带你走一遍真实研究流程找信息、喂知识、插工具、跑代码。每一层只讲决策逻辑和最小配置读完你就知道改哪个文件、填什么值。第一层找信息搜索引擎怎么选场景你问XX 技术 2026 年的现状是什么Agent 第一步就得上网搜。DeerFlow 的搜索工具在config.yaml里声明换引擎只改一行use。它像个万能插座插头引擎随便换线路Agent 调用逻辑不动。默认用 DuckDuckGo不用申请任何 API keytools: - name: web_search group: web # 默认 DuckDuckGo零配置 use: deerflow.community.ddg_search.tools:web_search_tool # 换成 Tavily 就把上一行注释放开这行需 TAVILY_API_KEY # use: deerflow.community.tavily.tools:web_search_tool max_results: 5真实用例做三家 LLM 厂商 API 限流策略对比时Agent 用 web_search 找到官方定价页再逐个抓正文摘录。产出的报告里甚至会带上它搜到的配图⚠️ 两个坑API key 别以明文写进config.yaml用$TAVILY_API_KEY这种环境变量引用形式DuckDuckGo 免费但高并发容易被限流正式跑批量研究任务时建议换 Tavily 或 Brave按任务选引擎对着这张表决定就行引擎适合场景需要配什么DuckDuckGo默认一般网络搜索、先跑通流程什么都不用Tavily想要网页原始内容、AI 风格的结果TAVILY_API_KEYBrave Search独立索引、高质量结果BRAVE_SEARCH_API_KEY第二层喂知识让 Agent 读你的内部文档场景公司有 200 页产品手册你不想让 Agent 拿公网信息瞎猜而想让它引用内部版本最好带上出处。RAGFlow 就是干这事的知识库引擎文档先丢进 RAGFlow 建成知识库DeerFlow 通过knowledge_search工具调它的检索接口。必填的就三样——地址、key、知识库 IDtools: - name: knowledge_search group: knowledge use: deerflow.community.ragflow.tools:knowledge_search_tool base_url: http://localhost:9380 api_key: $RAGFLOW_API_KEY datasets: - 0123456789abcdef0123456789abcdef真实用例问专业版套餐的退款窗口是几天Agent 从内部条款里检索出答案并标注来源文档 ID检索不到时它会明说没查到而不是编一个数字。这比一本正经地胡说值钱得多。⚠️ 两个坑datasets不写工具会搜索该 key 能看到的全部知识库。明确列出 ID 能收窄范围也避免越权base_url要填网关进程能访问到的地址。RAGFlow 跑在 Docker 网络里时用服务名别用localhost第三层插工具MCP 接入只改一行场景你希望 Agent 直接查 Postgres 数据库或者调用某个内部系统的接口而不是让它口算。MCP 就是 USB 接口工具服务只要会说 MCP 协议插上就能用。DeerFlow 支持 3 种传输方式——stdio启动本地进程走标准输入输出最常用sse适合需要实时推送的 Web 服务streamable_http适合标准 HTTP 流式端点。多数人用 stdio 就够了{ mcpServers: { postgres: { enabled: true, type: stdio, command: npx, args: [-y, modelcontextprotocol/server-postgres, postgresql://localhost/mydb] } } }真实用例接上 Postgres MCP 服务器后问本周订单量多少Agent 直接跑 SELECT返回的是数字不是猜测。你还可以给工具配 routing 关键词用户消息里出现orders时优先提示用它。⚠️ 两个坑command必须是网关运行环境里能执行到的命令npx/uvx找不到时服务器根本起不来工具可以按 Agent 授权配置里限定只对 researcher 之类的 Agent 可见别把查库工具发给每个子 Agent第四层跑代码REPL 为什么默认关着场景研究结论里有数字比如年化收益率。让大模型心算不可靠不如直接让 Python 算。这个能力默认是关的原因很直白能执行任意代码 能执行任意代码。默认打开的话一次提示词注入就可能让 Agent 跑掉不该跑的东西。所以用环境变量显式开启export ENABLE_PYTHON_REPLtrue✅ 一个真实计算场景——Agent 检索到某标的近 10 年收益后会执行import numpy as np returns [0.12, -0.03, 0.21, 0.08, -0.05, 0.15, 0.02, -0.01, 0.18, 0.09] cagr (np.prod([1 r for r in returns])) ** (1 / len(returns)) - 1 print(fCAGR: {cagr:.2%})跑数据时它还能直接出图下面是 Agent 对一份航班数据集做分析生成的相关性热力图⚠️ 安全提醒只在可信环境里开 REPL并留意 Agent 准备执行的代码。生产环境宁可关掉。快速上手 checklist把代码拉下来git clone https://gitcode.com/GitHub_Trending/de/deer-flow在 config.example.yaml 基础上建好config.yaml确认web_search工具项已启用不要 key 就留默认 DuckDuckGo要更稳就配TAVILY_API_KEY并换一行use有内部文档时部署 RAGFlow给knowledge_search填上base_url、api_key、datasets在 MCP 配置里加一个 stdio 服务器手动执行一遍command确认能启动只在可信环境执行export ENABLE_PYTHON_REPLtrue提一个完整研究问题检查搜索、检索、MCP、REPL 四类工具调用都有日志【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 DeerFlow 深度研究：4 层工具怎么搭，配 3 个文件就够
DeerFlow 深度研究4 层工具怎么搭配 3 个文件就够【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-flowDeerFlow 是一个开源的长程任务 SuperAgent它会检索资料、写代码、产出交付物能跑从几分钟到几小时不等的研究任务。你肯定碰到过这种场景——AI 会聊天但你想让它搜全网、读你的内部文档、再顺手算个数验证一下它只会建议你自己去算。这篇文章不拆类图带你走一遍真实研究流程找信息、喂知识、插工具、跑代码。每一层只讲决策逻辑和最小配置读完你就知道改哪个文件、填什么值。第一层找信息搜索引擎怎么选场景你问XX 技术 2026 年的现状是什么Agent 第一步就得上网搜。DeerFlow 的搜索工具在config.yaml里声明换引擎只改一行use。它像个万能插座插头引擎随便换线路Agent 调用逻辑不动。默认用 DuckDuckGo不用申请任何 API keytools: - name: web_search group: web # 默认 DuckDuckGo零配置 use: deerflow.community.ddg_search.tools:web_search_tool # 换成 Tavily 就把上一行注释放开这行需 TAVILY_API_KEY # use: deerflow.community.tavily.tools:web_search_tool max_results: 5真实用例做三家 LLM 厂商 API 限流策略对比时Agent 用 web_search 找到官方定价页再逐个抓正文摘录。产出的报告里甚至会带上它搜到的配图⚠️ 两个坑API key 别以明文写进config.yaml用$TAVILY_API_KEY这种环境变量引用形式DuckDuckGo 免费但高并发容易被限流正式跑批量研究任务时建议换 Tavily 或 Brave按任务选引擎对着这张表决定就行引擎适合场景需要配什么DuckDuckGo默认一般网络搜索、先跑通流程什么都不用Tavily想要网页原始内容、AI 风格的结果TAVILY_API_KEYBrave Search独立索引、高质量结果BRAVE_SEARCH_API_KEY第二层喂知识让 Agent 读你的内部文档场景公司有 200 页产品手册你不想让 Agent 拿公网信息瞎猜而想让它引用内部版本最好带上出处。RAGFlow 就是干这事的知识库引擎文档先丢进 RAGFlow 建成知识库DeerFlow 通过knowledge_search工具调它的检索接口。必填的就三样——地址、key、知识库 IDtools: - name: knowledge_search group: knowledge use: deerflow.community.ragflow.tools:knowledge_search_tool base_url: http://localhost:9380 api_key: $RAGFLOW_API_KEY datasets: - 0123456789abcdef0123456789abcdef真实用例问专业版套餐的退款窗口是几天Agent 从内部条款里检索出答案并标注来源文档 ID检索不到时它会明说没查到而不是编一个数字。这比一本正经地胡说值钱得多。⚠️ 两个坑datasets不写工具会搜索该 key 能看到的全部知识库。明确列出 ID 能收窄范围也避免越权base_url要填网关进程能访问到的地址。RAGFlow 跑在 Docker 网络里时用服务名别用localhost第三层插工具MCP 接入只改一行场景你希望 Agent 直接查 Postgres 数据库或者调用某个内部系统的接口而不是让它口算。MCP 就是 USB 接口工具服务只要会说 MCP 协议插上就能用。DeerFlow 支持 3 种传输方式——stdio启动本地进程走标准输入输出最常用sse适合需要实时推送的 Web 服务streamable_http适合标准 HTTP 流式端点。多数人用 stdio 就够了{ mcpServers: { postgres: { enabled: true, type: stdio, command: npx, args: [-y, modelcontextprotocol/server-postgres, postgresql://localhost/mydb] } } }真实用例接上 Postgres MCP 服务器后问本周订单量多少Agent 直接跑 SELECT返回的是数字不是猜测。你还可以给工具配 routing 关键词用户消息里出现orders时优先提示用它。⚠️ 两个坑command必须是网关运行环境里能执行到的命令npx/uvx找不到时服务器根本起不来工具可以按 Agent 授权配置里限定只对 researcher 之类的 Agent 可见别把查库工具发给每个子 Agent第四层跑代码REPL 为什么默认关着场景研究结论里有数字比如年化收益率。让大模型心算不可靠不如直接让 Python 算。这个能力默认是关的原因很直白能执行任意代码 能执行任意代码。默认打开的话一次提示词注入就可能让 Agent 跑掉不该跑的东西。所以用环境变量显式开启export ENABLE_PYTHON_REPLtrue✅ 一个真实计算场景——Agent 检索到某标的近 10 年收益后会执行import numpy as np returns [0.12, -0.03, 0.21, 0.08, -0.05, 0.15, 0.02, -0.01, 0.18, 0.09] cagr (np.prod([1 r for r in returns])) ** (1 / len(returns)) - 1 print(fCAGR: {cagr:.2%})跑数据时它还能直接出图下面是 Agent 对一份航班数据集做分析生成的相关性热力图⚠️ 安全提醒只在可信环境里开 REPL并留意 Agent 准备执行的代码。生产环境宁可关掉。快速上手 checklist把代码拉下来git clone https://gitcode.com/GitHub_Trending/de/deer-flow在 config.example.yaml 基础上建好config.yaml确认web_search工具项已启用不要 key 就留默认 DuckDuckGo要更稳就配TAVILY_API_KEY并换一行use有内部文档时部署 RAGFlow给knowledge_search填上base_url、api_key、datasets在 MCP 配置里加一个 stdio 服务器手动执行一遍command确认能启动只在可信环境执行export ENABLE_PYTHON_REPLtrue提一个完整研究问题检查搜索、检索、MCP、REPL 四类工具调用都有日志【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