字节跳动DeerFlow提示词工程驱动多智能体解析
DeerFlow是开源的深度研究框架，通过精细化提示词工程定义协调员、规划师、研究员、程序员和报告员等智能体的职责与协作规则，实现自动化复杂研究任务。其提示词设计注重时间校准、结构化输出、流程化指令和严格约束，确保多智能体高效协同。
# 深入解析 DeerFlow：如何通过提示词工程高效驱动多智能体协同？
本教程将带你深入探索 **DeerFlow** 这一开源深度研究框架，重点剖析它如何通过精细化的**提示词工程（Prompt Engineering）** 来定义和驱动多个智能体（Agent）的高效协作。我们将从框架的整体架构出发，逐一拆解每个智能体的专属提示词，揭示其背后的设计逻辑与工程亮点，助你理解并借鉴这套强大的提示词实践。
## 一、DeerFlow 框架简介：多智能体如何分工协作？
DeerFlow（全称 Deep Exploration and Efficient Research Flow）是一个社区驱动的深度研究框架。它的核心目标是将大语言模型（LLM）与网络搜索、网页爬虫、Python代码执行等专业工具深度结合，从而**自动化**地完成复杂的研究、分析和内容创作任务。
DeerFlow 之所以强大，在于其采用了**多智能体分工协作**的架构。简单来说，它把一个大任务拆分成多个小任务，分配给不同的“专家”来处理。每个专家（即 Agent）都拥有自己独特的角色定位和行为规范，这些规范都通过**精心设计的“提示词”（Prompt）** 来实现。
> **
来源：https://www.53ai.com/news/tishicijiqiao/2025051785749.html
相关热点
继续查看同栏目近期热点。
延伸阅读
补充最近整理过的热点入口。