热榜

DeerFlow 是一个基于 LangGraph 构建的 AI 超级代理（Super Agent）后端系统。它集成了沙箱执行环境、持久化记忆以及可扩展的工具集，旨在让 AI 代理能够在一个隔离且持久的环境中执行复杂任务，例如执行代码、浏览网页、管理文件，甚至将任务委托给子代理并行处理。 架构概览 DeerFlow 的系统架构设计清晰，通过 Nginx 作为统一反向代理，将请求分发至后端的 LangGraph 服务和 FastAPI 网关。 graph TD subgraph 用户请求 A[Nginx 统一反向代理 :2026] end A -- "/api/langgraph/*" --> B[LangGraph 服务 :2024] A -- "/api/* (其他)" --> C[FastAPI 网关 :8001] A -- "/" --> D[前端应用] subgraph B direction LR B1[主代理 Lead Agent] B1 --> B2[中间件链] B1 --> B3[工具集] B1 --> B4[子代理] end subgraph C C1[模型管理] C2[MCP 服务] C3[技能管理] C4[记忆系统接口] C5[文件上传与产物] end 请求路由逻辑： ...

感谢你对DeerFlow项目的关注与贡献意愿！本文将详细指导你如何设置开发环境，并熟悉DeerFlow的开发工作流程。 一、开发环境设置 DeerFlow提供了两种开发环境选项，其中Docker方案因其一致性和便捷性而被强烈推荐。 1. Docker开发环境（推荐） Docker提供了一个一致、隔离的环境，所有依赖项（如Node.js、Python、Nginx）都已预配置，无需在本地机器上单独安装。 前置条件： Docker Desktop 或 Docker Engine pnpm (用于优化缓存) 设置步骤： 配置应用： 首先，复制示例配置文件并设置API密钥。 # 复制示例配置文件 cp config.example.yaml config.yaml # 设置你的API密钥，例如OpenAI API Key export OPENAI_API_KEY="your-key-here" # 或者直接编辑 config.yaml 文件 初始化Docker环境（首次运行）： 执行初始化命令，这将构建Docker镜像、安装前端和后端依赖，并配置pnpm缓存共享。 make docker-init 此命令将完成以下任务： 构建Docker镜像。 安装前端依赖 (使用 pnpm)。 安装后端依赖 (使用 uv)。 将 pnpm 缓存与宿主机共享，以加快后续构建速度。 启动开发服务： 启动所有开发服务，支持热重载。make docker-start 会读取 config.yaml，并仅在 provisioner/Kubernetes 沙盒模式下启动 provisioner 服务。 make docker-start 前端代码修改会自动重新加载。 后端代码修改会触发自动重启。 LangGraph 服务支持热重载。 访问应用： Web界面: ` API网关: ` LangGraph服务: ` 常用Docker命令： ...