1
Voquill
Shares tags: ai
AI Tool
deer-flow Bewertung
DeerFlow 2.0 ist ein Open-Source SuperAgent Harness, das Sub-Agents, Speicher und Sandboxes orchestriert, um komplexe, langfristige Aufgaben, einschließlich Forschung, Codierung und Inhaltserstellung, autonom zu erledigen.
1Am 27. Februar 2026 von ByteDance als DeerFlow 2.0 quelloffen veröffentlicht.
2Erhielt innerhalb von 24 Stunden nach seiner Veröffentlichung über 35.300 GitHub-Sterne.
3Version 2.0 ist eine von Grund auf neu geschriebene Version, die auf LangGraph und LangChain basiert und keinen Code mit ihrem v1-Vorgänger teilt.
4Entwickelt, um komplexe Aufgaben zu bewältigen, deren Erledigung Minuten bis Stunden dauern kann.
Connect
</>Embed "Featured on Stork" Badge▼
<a href="https://www.stork.ai/en/deer-flow" target="_blank" rel="noopener noreferrer"><img src="https://www.stork.ai/api/badge/deer-flow?style=dark" alt="deer-flow - Featured on Stork.ai" height="36" /></a>
[](https://www.stork.ai/en/deer-flow)
overview
Was ist deer-flow?
deer-flow ist ein von ByteDance entwickeltes SuperAgent Harness-Tool, das Entwicklern, Ingenieuren, Forschern, Akademikern, Content-Teams, Marketingfachleuten, MLOps-Praktikern und Studenten ermöglicht, komplexe, langfristige Aufgaben autonom zu erledigen. Es orchestriert Sub-Agents, Speicher und Sandboxes, um tiefgehende Forschung, Codierung und Inhaltserstellung zu erleichtern. DeerFlow 2.0 fungiert als AI Agent Runtime-Umgebung, die es Agents ermöglicht, zu planen, Aufgaben in Unteraufgaben zu zerlegen, Tools aufzurufen, Code zu generieren und auszuführen, Dateien zu verwalten und fertige Ausgaben zu produzieren. Im Gegensatz zu vielen AI-Tools, die eine Chat-Oberfläche mit angehängten Tools bieten, bietet DeerFlow eine vollständige Ausführungsumgebung, die persistente Dateisysteme und strukturierte Skill-Systeme unterstützt. Seine Architektur ist auf Zuverlässigkeit und Kostenkontrolle in komplexen, mehrstufigen Workflows ausgelegt.
quick facts
Kurzfakten
| Attribut | Wert |
|---|---|
| Entwickler | ByteDance |
| Geschäftsmodell | Freemium (Open-Source-Kern) |
| Preisgestaltung | Open-Source-Kern, keine direkten Lizenzgebühren; Kosten im Zusammenhang mit Infrastruktur und LLM API-Nutzung |
| Plattformen | API, Befehlszeilenschnittstelle (erfordert Docker, Python 3.12, Node 22) |
| API Verfügbar | Ja (Python Client API) |
| Integrationen | LangGraph, LangChain |
| Training mit Benutzerdaten | Niemals |
| Datenschutzrichtlinie URL | https://deerflow.tech/privacy-policy |
features
Hauptmerkmale von deer-flow
DeerFlow 2.0 umfasst eine Reihe technischer Funktionen, die eine robuste, autonome Aufgabenausführung für langfristige Workflows ermöglichen sollen.
- 1Open-Source SuperAgent Harness für flexible Bereitstellung und Anpassung.
- 2Verwendet isolierte Docker-Sandboxes für sichere und reproduzierbare Codegenerierung und -ausführung.
- 3Verwendet eine hierarchische Speicherarchitektur, um den Kontext über längere Aufgabenlaufzeiten hinweg aufrechtzuerhalten.
- 4Integriert ein strukturiertes Tool-Aufrufsystem, das es Agents ermöglicht, mit externen Diensten und APIs zu interagieren.
- 5Nutzt Subagents für effiziente Aufgabenzerlegung, Delegation und Orchestrierung.
- 6Verfügt über ein Message Gateway, um eine kontrollierte und kohärente Inter-Agent-Kommunikation zu ermöglichen.
- 7Entwickelt, um komplexe, langfristige Aufgaben zu bewältigen, die Minuten bis Stunden dauern können.
- 8Bietet eine Python Client API für programmatischen Zugriff und Integration in bestehende Systeme.
- 9Die Roadmap für Q2 2026 umfasst Sicherheitsverbesserungen wie Role-Based Access Control (RBAC) und verbesserte Sandbox-Sicherheit.
- 10Die laufende Entwicklung konzentriert sich auf Leistungsoptimierung, um gleichzeitige Benutzeranfragen und selbstverbessernde Agent-Fähigkeiten zu unterstützen.
use cases
Wer sollte deer-flow verwenden?
DeerFlow 2.0 wurde für technische Fachkräfte und Teams entwickelt, die fortschrittliche Automatisierung und autonome Agent-Fähigkeiten für komplexe, mehrstufige Prozesse benötigen.
- 1Entwickler und Ingenieure: Für autonome Codegenerierung, Debugging in Sandboxed-Umgebungen und die Erstellung interaktiver Dashboards aus übergeordneten Briefings.
- 2Forscher und Akademiker: Für tiefgehende Forschung, explorative Datenanalyse mit Visualisierungen und die Erstellung umfassender Berichte mit Zitaten.
- 3Content-Teams und Marketingfachleute: Für die Automatisierung von Content-Workflows, einschließlich der Erstellung von Präsentationen, Dokumentengenerierung und AI-gestützter Podcast-Skriptproduktion.
- 4MLOps-Praktiker: Für die Orchestrierung komplexer, mehrstufiger Software- oder Forschungs-Workflows, die persistente Ausführungsumgebungen und Agent-Koordination erfordern.
- 5Studenten: Zum Lernen und Experimentieren mit fortschrittlichen AI-Agent-Architekturen, autonomer Aufgabenbearbeitung und Open-Source-Agent-Entwicklung.
pricing
deer-flow Preise & Pläne
DeerFlow 2.0 basiert auf einem Freemium-Modell, wobei sein Kern-SuperAgent Harness Open-Source ist. Dies ermöglicht es Benutzern, das System auf ihrer eigenen Infrastruktur ohne direkte Lizenzkosten bereitzustellen und zu betreiben. Ab Anfang 2026 sind keine spezifischen kostenpflichtigen Stufen oder Enterprise-Pläne öffentlich detailliert. Die Hauptkosten für Benutzer sind mit ihrer gewählten Infrastruktur (z.B. Cloud-Computing-Ressourcen für Docker-Container), der API-Nutzung für zugrunde liegende Large Language Models (LLMs) und internen Entwicklungsressourcen für Einrichtung und Anpassung verbunden. Der Open-Source-Charakter bietet Flexibilität, erfordert jedoch technische Kenntnisse für Bereitstellung und Wartung.
- 1Freemium: Open-Source-Kern, selbst hostbar. Keine direkten Softwarekosten.
competitors
deer-flow vs. Wettbewerber
DeerFlow 2.0 ist als robustes, Open-Source SuperAgent Harness positioniert, das sich durch seine vollständige Ausführungsumgebung und disziplinierte Sub-Agent-Orchestrierung von anderen AI-Agent-Frameworks und -Tools abhebt.
- 1deer-flow vs. LangChain: deer-flow bietet eine vollständige Ausführungsumgebung mit persistenten Sandboxes und einem strukturierten Skill-System für langfristige Aufgaben, während LangChain (mit LangGraph) ein modulares Framework zum Erstellen von LLM-Anwendungen und Multi-Agent-Workflows bietet, das mehr benutzerdefinierte Integration für eine vollständige Ausführungsumgebung erfordert.
- 2deer-flow vs. Microsoft AutoGen: deer-flow betont ein SuperAgent Harness mit isolierten Docker-Sandboxes und hierarchischem Speicher für autonome Aufgabenbearbeitung, während AutoGen sich auf Multi-Agent-Konversationssysteme konzentriert, bei denen anpassbare Agents interagieren, um Aufgaben kollaborativ zu lösen.
- 3deer-flow vs. CrewAI: deer-flow bietet ein SuperAgent Harness mit Sandboxes, Speicher und einem Message Gateway für komplexe, langlaufende Aufgaben, während CrewAI ein strukturiertes Framework für rollenbasierte Agent-Zusammenarbeit mit definierten Rollen, Zielen und Tools bietet.
- 4deer-flow vs. LlamaIndex: deer-flow ist ein breiteres SuperAgent Harness, das Speichermanagement und Aufgabenorchestrierung umfasst, während LlamaIndex sich auf die Verbindung von LLMs mit externen Datenquellen für robuste Datenerfassung, Indizierung und Abfrage spezialisiert und als starke datenzentrierte Komponente für Agents dient.
- 5deer-flow vs. n8n: deer-flow ist ein Open-Source SuperAgent Harness für autonome, komplexe Aufgabenbearbeitung mit Fokus auf Agent-Fähigkeiten, während n8n ein Open-Source Workflow-Automatisierungstool ist, das den Aufbau komplexer, AI-gestützter Workflows mit umfangreichen Integrationen und einer visuellen Oberfläche ermöglicht und oft ein expliziteres Workflow-Design erfordert.
❓
Frequently Asked Questions
+Was ist deer-flow?
deer-flow ist ein von ByteDance entwickeltes SuperAgent Harness-Tool, das Entwicklern, Ingenieuren, Forschern, Akademikern, Content-Teams, Marketingfachleuten, MLOps-Praktikern und Studenten ermöglicht, komplexe, langfristige Aufgaben autonom zu erledigen. Es orchestriert Sub-Agents, Speicher und Sandboxes, um tiefgehende Forschung, Codierung und Inhaltserstellung zu erleichtern.
+Ist deer-flow kostenlos?
Ja, deer-flow basiert auf einem Freemium-Modell. Sein Kern-SuperAgent Harness ist Open-Source, was es Benutzern ermöglicht, das System auf ihrer eigenen Infrastruktur ohne direkte Lizenzkosten bereitzustellen und zu betreiben. Benutzern entstehen Kosten im Zusammenhang mit ihrer gewählten Infrastruktur und der API-Nutzung für zugrunde liegende Large Language Models.
+Was sind die Hauptmerkmale von deer-flow?
Zu den Hauptmerkmalen von deer-flow gehören sein Open-Source SuperAgent Harness, die Nutzung isolierter Docker-Sandboxes für die Codeausführung, eine hierarchische Speicherarchitektur, strukturierte Tool-Aufrufe, Subagent-Orchestrierung und ein Message Gateway für die Inter-Agent-Kommunikation. Es ist darauf ausgelegt, komplexe, langfristige Aufgaben zu bewältigen und bietet eine Python Client API.
+Wer sollte deer-flow verwenden?
Deer-flow ist primär für Entwickler, Ingenieure, Forscher, Akademiker, Content-Teams, Marketingfachleute, MLOps-Praktiker und Studenten gedacht. Es eignet sich für diejenigen, die eine autonome Aufgabenbearbeitung in Bereichen wie tiefgehender Forschung, Codegenerierung und -debugging, Content-Workflow-Automatisierung und explorativer Datenanalyse benötigen.
+Wie vergleicht sich deer-flow mit Alternativen?
Deer-flow unterscheidet sich durch die Bereitstellung einer vollständigen Ausführungsumgebung mit persistenten Sandboxes und disziplinierter Sub-Agent-Orchestrierung, im Gegensatz zu Allzweck-Assistenten. Im Vergleich zu Frameworks wie LangChain oder AutoGen bietet deer-flow eine vollständigere Runtime für langfristige Aufgaben. Es konkurriert mit Tools wie CrewAI in der Multi-Agent-Orchestrierung und ergänzt datenzentrierte Tools wie LlamaIndex, indem es das übergeordnete Agent Harness bereitstellt.