DeerFlow（全称 Deep Exploration and Efficient Research Flow）是字节跳动推出的一款社区驱动的深度研究框架，它集成了扣子空间的开源复刻能力和豆包同款的语音合成技术。通过将大语言模型与网络搜索、爬虫、Python 代码执行等专业工具相结合，DeerFlow 能够协助用户高效探索复杂问题，并一键生成研究报告、播客音频乃至 PowerPoint 演示文稿。目前该项目已在 GitHub 上全面开源，收获 2100+ Star，社区反响热烈。

一、核心功能一览

DeerFlow 内置四大核心能力，覆盖从信息搜集到内容输出的完整链路：

• 深度研究：对任意主题进行全面的网络调研，自动整合多源信息。
• 播客生成：根据研究报告自动生成播客脚本，并合成为高质量语音。
• PPT 制作：自动创建简洁的 PowerPoint 演示文稿。
• 代码分析：使用 Python REPL 工具执行并分析代码逻辑。

从官方演示视频来看，DeerFlow 并非简单的网络搜索，而是对复杂问题的深入探索。你只需输入一个主题，它就能完成网络搜索、信息整合、报告撰写，甚至将报告转化为类似 Google NotebookLM 的音频播客。

二、技术架构与核心模块

DeerFlow 基于 LangGraph 构建了一个灵活、基于状态的工作流框架。整个系统由以下核心模块组成：

1. 协调器（Coordinator）

作为整个系统的入口，负责管理工作流的生命周期。

2. 规划器（Planner）

战略组件，负责任务分解与计划制定。

3. 研究团队（Research Team）

由三个角色分工协作：

• 研究员：使用网络搜索、爬虫等工具收集信息。
• 程序员：使用 Python 处理代码分析和技术任务。
• 报告员：汇总信息并生成最终报告。

小提示： 研究团队中每个角色各司其职，您可以通过配置文件（conf.yaml）调整各自使用的模型和参数，以获得更契合您需求的输出结果。

三、语音播客功能

DeerFlow 已集成豆包同款的文本转语音（TTS）功能，可将研究报告直接转换为高质量的语音播客。它使用 volcengine TTS API，支持自定义速度、音量和音调，一键将文字变成播客内容。

四、开箱即用：快速上手指南

只需以下几步就能开始使用 DeerFlow：

# 克隆仓库
git clone https://github.com/bytedance/deer-flow.git
cd deer-flow

# 安装依赖
uv sync

# 配置 API 密钥
cp .env.example .env

# 配置 LLM 模型
cp conf.yaml.example conf.yaml

# 运行项目
uv run main.py

注意： 在执行 uv sync 之前，请确保已安装 uv 包管理器（可参考其官方文档安装）。

DeerFlow 支持多种搜索引擎，您可以在配置文件中自由切换：

• Ta vily（默认）
• DuckDuckGo
• Bra ve Search
• Arxiv（学术论文搜索）

五、常见问题（FAQ）

Q1：DeerFlow 是否支持中文语言？
A：支持的。DeerFlow 的深度研究和播客生成均可以处理中文输入，只需在配置文件中选择支持中文的大语言模型（如豆包模型）即可。

Q2：运行 DeerFlow 需要 GPU 吗？
A：不需要。DeerFlow 调用的是云端 API（如 LLM API 和 TTS API），本地仅负责编排工作流和调用工具，因此普通 CPU 设备即可运行。

Q3：如何配置 volcengine TTS API？
A：在 .env 文件中设置 VOLCENGINE_ACCESS_KEY 和 VOLCENGINE_SECRET_KEY 即可。具体密钥可从火山引擎控制台获取。

Q4：能自定义研究领域的搜索范围吗？
A：可以。您可以在配置文件中指定要使用的搜索引擎（如仅限 Arxiv 搜索学术论文），或通过提示词约束研究员只关注特定领域。

总结

DeerFlow 作为一个集合深度研究、语音播客与内容生成的多智能体框架，为开发者提供了一条低成本、高效率的复杂问题探索路径。无论您是研究者、内容创作者还是技术爱好者，都可以借助它快速完成信息搜集、报告撰写和多媒体输出。现在就克隆仓库，开启您的深度探索之旅吧！