DeerFlow

DeerFlow 是字节跳动开源的一款基于 LangChain 和 LangGraph 框架的智能研究助手。它通过整合语言模型、网络搜索、爬虫工具和 Python 代码执行能力，为用户提供了一站式的研究与内容创作解决方案。无论是动态任务迭代、自动生成研究计划，还是人机协作生成播客、PPT 等多样化内容，DeerFlow 都能快速生成深入且全面的报告。

核心特性

1. 核心能力

• 🤖 LLM 集成
  • 支持多种语言模型，包括开源模型（如 Qwen）和商业模型（如 OpenAI API）。
  • 提供多层 LLM 系统，适配不同复杂度的任务需求。
  • 通过 litellm 实现灵活的模型集成，满足多样化的场景需求。
• 🔍 工具和 MCP 集成
  • 网络搜索与检索：支持通过 Tavily、Brave Search 等工具进行高效网络搜索，并使用 Jina 进行网页爬取和内容提取。
  • MCP 无缝集成：扩展私有域访问、知识图谱和网页浏览能力，促进多样化研究工具和方法的集成。
• 🧠 人机协作
  • 用户可以通过自然语言交互式修改研究计划，或选择自动接受系统生成的计划。
  • 报告后期编辑功能由 tiptap 提供支持，支持类 Notion 的块编辑，允许 AI 辅助润色、句子缩短和扩展。

2. 内容创作

• 🎙️ 播客和演示文稿生成
  • AI 驱动的播客脚本生成和音频合成，快速制作高质量的语音内容。
  • 自动创建简单的 PowerPoint 演示文稿，并支持可定制模板以满足个性化需求。
• 文本转语音 (TTS)
  • 使用火山引擎 TTS API 将研究报告转换为语音，支持自定义速度、音量和音调等参数，生成高质量的音频文件。

架构设计

DeerFlow 实现了一个模块化的多智能体系统架构，专为自动化研究和代码分析而设计。该架构基于 LangGraph 构建，采用灵活的基于状态的工作流，组件之间通过定义良好的消息传递系统进行通信。

主要组件

• 协调器
  • 管理工作流生命周期的入口点。
  • 根据用户输入启动研究过程，并在适当时候将任务委派给规划器，作为用户与系统之间的主要接口。
• 规划器
  • 负责任务分解和规划，分析研究目标并创建结构化执行计划。
  • 判断是否需要更多上下文信息，决定何时生成最终报告。
• 研究团队
  • 研究员：使用网络搜索引擎、爬虫工具和 MCP 服务进行信息收集。
  • 编码员：利用 Python REPL 工具处理代码分析、执行和技术任务。
  • 每个智能体都配备针对其角色优化的特定工具，在 LangGraph 框架内运行。
• 报告员
  • 汇总研究团队的发现，处理和组织收集的信息，生成全面的研究报告。

应用场景

DeerFlow 的多功能性使其适用于多种场景：

• 学术研究：快速生成文献综述、数据分析报告和研究计划。
• 企业决策支持：提供市场调研、竞品分析和技术评估报告。
• 内容创作：生成播客脚本、视频内容和演示文稿，提升内容生产效率。
• 技术开发：辅助代码分析、测试和技术文档撰写。

快速上手

安装与配置

• 克隆 DeerFlow 的 GitHub 仓库并安装依赖项。
• 配置环境变量以连接所需的工具和模型（如 Tavily、Jina、火山引擎 TTS API 等）。

运行流程

1. 输入研究目标
   通过自然语言描述您的研究目标，例如：“分析某行业趋势并生成报告”。
2. 任务分解与规划
   规划器根据目标生成详细的研究计划，并分配任务给研究员和编码员。
3. 信息收集与分析
   研究团队利用网络搜索、爬虫工具和代码执行能力完成任务。
4. 生成报告
   报告员汇总所有发现，生成结构化的研究报告，并支持后期编辑和优化。
5. 内容输出
   根据需求生成播客脚本、PPT 或语音报告，完成最终交付。

未来展望

DeerFlow 的模块化设计和强大的扩展能力为其未来发展提供了广阔空间。以下是部分规划方向：

• 增强 AI 能力：引入更先进的语言模型和思考模型（如 Qwen3、DeepCoder），进一步提升任务处理效率。
• 丰富工具集：增加对更多第三方工具和数据源的支持，扩展应用场景。
• 用户体验优化：改进界面设计，提供更直观的操作体验。
• 跨平台部署：支持本地部署和云端托管，满足不同用户的使用需求。