上周我接了个外包项目，需求听起来很简单：写一个能自动爬取某电商平台商品价格、对比历史趋势、然后生成一份 PDF 报告的工具。按照我以往的经验，这种活儿少说也得两天。我原本打算用 Python 加 Selenium 硬肝，但突然想起最近 GitHub 热榜上 ByteDance 开源的 DeerFlow 火得一塌糊涂——一个号称能“研究、编码、创作”的长时超智能体（Long-horizon SuperAgent）。

我心想，与其自己撸代码，不如让它给我打工。结果这一试，直接刷新了我对 AI 编程助手的认知。今天这篇测评，我就把从安装到实战的全过程、踩的坑、以及和竞品的对比，一五一十地讲给你听。

DeerFlow 是什么？先别被概念忽悠

官方描述说它是“an open-source long-horizon SuperAgent harness that researches, codes, and creates”。翻译成人话就是：一个能执行超长任务链条的 AI 智能体框架。和普通 AI 助手（比如 ChatGPT）最大区别是，它不只是回答你一句话，而是能记住上下文、调用工具、分步骤执行一个可能需要几十分钟甚至几小时的任务。

举个例子：你让它“写一个 React 电商网站前端”，普通 AI 会给你一个 Hello World 级别的 Demo。而 DeerFlow 会先分析需求、拆成子任务（比如“设计商品列表页”“实现购物车逻辑”“集成支付 API”）、然后逐步生成代码、甚至自己跑测试。

这玩意儿用 Python 写的，今天 GitHub 上已经 76000+ Star，热度不是吹的。我第一时间 clone 了仓库，准备拿它当我的“免费外包员工”。

怎么用？从安装到跑通第一个任务

安装过程比我想象的简单：

git clone https://github.com/bytedance/deer-flow.git
cd deer-flow
pip install -r requirements.txt

然后你需要一个 OpenAI 的 API Key（或者兼容的模型，比如我用的就是 OpenRouter 上的免费模型）。在项目根目录建一个 .env 文件：

OPENAI_API_KEY=你的key
MODEL_NAME=gpt-4o-mini  # 为了省钱，我用了这个

启动方式也很直白：

python deerflow.py --task "帮我写一个Python脚本，从京东爬取iPhone 15的价格，保存到CSV文件"

注意，DeerFlow 默认会调用浏览器自动化（基于 Playwright），所以第一次运行时会自动下载 Chromium。如果你网速慢，可能会卡一会儿。

跑起来之后，终端会疯狂输出日志——它先“思考”了任务分解，然后调用了一个“research”工具去查京东的页面结构，接着生成了爬虫代码，最后执行并保存结果。整个过程大概 3 分钟，比我手动写都快。

好用在哪？三个让我“真香”的点

1. 长任务记忆能力惊人

我之前用过 AutoGPT 和 BabyAGI，它们经常做着做着就“失忆”了——比如已经生成了表格结构，下一步又忘了，重新生成一遍。DeerFlow 在这方面做了专门的优化：它有一个内部“工作记忆”模块，会把每一步的产出物（代码、文本、数据）都缓存下来，后续步骤可以直接引用。实测一个包含 20 多个子任务的场景，它没有一次跑偏。

2. 工具调用非常丰富

DeerFlow 内置了文件系统读写、网页搜索、代码执行、浏览器自动化、甚至 Git 操作。我让它“把生成的代码提交到 GitHub 仓库”，它真的自己执行了 git init && git add && git commit && git push，虽然第一次因为没配 SSH 密钥失败了，但给了我明确的错误提示。

3. 错误恢复机制靠谱

普通 AI agent 一旦报错就死循环或直接放弃。DeerFlow 会尝试重新规划：比如爬虫被反爬了，它会自动换 User-Agent、加延时、甚至换一个搜索策略。我故意让它爬一个需要登录的页面，它竟然自己调用了 Playwright 模拟登录——虽然最终因为验证码失败了，但这个思路让我很佩服。

【我遇到的坑】别被表面光鲜骗了

说了这么多好话，该说说实际开发中遇到的恶心事了。

坑一：模型选择是个大坑。 官方推荐用 GPT-4 系列，但我为了省钱用了 OpenRouter 上的免费模型（比如 nvidia/nemotron-3-ultra-550b-a55b:free），结果任务执行到一半就“断片”了——它开始胡言乱语，把 Python 代码写成了伪代码，还夹杂着 HTML。后来我换成 gpt-4o-mini（虽然收费但便宜），稳定性直线上升。所以如果你不是土豪，至少用个 4o-mini 级别的模型，别贪免费。

坑二：安装依赖容易翻车。 它的 requirements.txt 里有一个 playwright 库，需要额外安装浏览器二进制文件。如果你在服务器上跑（比如我用的云服务器），默认没有图形界面，Playwright 会报错。解决方案是安装无头版：

playwright install chromium --with-deps
export DISPLAY=:99  # 或者用 xvfb-run

否则你会看到类似 Browser closed unexpectedly 的报错，排查了我半小时。

坑三：任务时间太长会超时。 我让它写一个“完整的 Flask 博客系统”，包含了注册登录、文章 CRUD、评论功能。结果它跑了 45 分钟还没结束，最后因为 API 调用次数超限被 OpenAI 断了。后来我学乖了，把大任务拆成几个小任务，每个任务控制在 10 分钟以内。DeerFlow 虽然支持长任务，但底层 API 的 token 限制和超时限制是绕不过去的。

坑四：中文支持有瑕疵。 在生成的代码注释里，它偶尔会混入英文，比如 # 这里需要处理 user input 写成 # Process user input 这里。虽然不影响运行，但强迫症看着难受。我怀疑是因为训练数据里中英文混合导致的。

和竞品比怎么样？我拉了三款来对比

为了写这篇测评，我专门花了两天时间，用同样的任务（“爬取 HackerNews 首页标题并生成 Markdown 报告”）测试了三个竞品：

  • AutoGPT：老牌 agent 框架，但任务一长就失忆，经常重复执行已经完成的步骤。
  • LangChain 的 Agent：配置复杂，需要手写很多工具函数，不适合小白。
  • Claude 的 Computer Use：闭源且贵，但执行稳定性最高。

对比结果如下：

维度DeerFlowAutoGPTLangChain AgentClaude Computer Use
安装难度⭐⭐⭐（中等）⭐⭐⭐⭐⭐（复杂）⭐（无需安装）
长任务稳定性⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
工具丰富度⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
中文支持⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
错误恢复⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
价格（以10次任务计）约 0.5 美元（用4o-mini）约 1 美元约 0.8 美元约 5 美元（闭源）

结论很明显：DeerFlow 在“开源”和“长任务”之间找到了最好的平衡点。如果你不介意花点时间配置，它的性价比吊打其他开源方案。但如果你追求零出错，或者任务涉及敏感数据，Claude 的 Computer Use 依然是首选——不过那个价格，小团队用不起。

什么场景适合用 DeerFlow？

基于我这几天的高强度使用，我总结了几类“真香场景”：

  • 自动化数据流水线：比如每天爬取竞品价格、生成报表、发送邮件。DeerFlow 可以写一个定时任务脚本，自己调度自己。
  • 快速原型开发：你想验证一个想法，但不想从头写代码。让 DeerFlow 生成一个 MVP，你再手动优化。
  • 代码重构：给它一个旧项目目录，让它分析代码结构、生成重构方案、甚至直接改代码。我试过把一段 500 行的面条代码扔给它，它给出了分模块的建议，还生成了单元测试。
  • 学习新技术：比如你想学 React，让它写一个简单的 Todo App，然后逐行给你解释——虽然解释质量取决于模型，但至少省了你自己搜教程的时间。

不推荐的场景：

  • 生产环境关键任务：DeerFlow 偶尔会生成有 bug 的代码，你没测试就直接上线，后果自负。
  • 需要严格隐私合规：所有数据都会经过 OpenAI 的 API，敏感数据慎用。
  • 非常规技术栈：比如 COBOL、Fortran，它大概率生成不了能跑的代码。

结尾：我的结论和建议

如果你是一个独立开发者、小团队技术负责人、或者像我一样爱折腾的博主，DeerFlow 值得你花一个下午去试试。它不是完美的——模型依赖、中文瑕疵、偶尔的 bug 都是硬伤——但在“开源长任务 AI Agent”这个领域，它已经是目前最接地气的选择。

我的建议：

  • 别贪免费模型，至少用 gpt-4o-mini，否则你会被气到想砸键盘。
  • 从简单任务开始，先让它写一个 20 行的脚本，再慢慢加复杂度。
  • 学会拆任务，把一个大需求拆成 3-5 个子任务，成功率翻倍。
  • 保持代码审查，AI 生成的代码一定要自己过一遍，尤其是涉及文件删除、网络请求的地方。

最后，我想说：DeerFlow 让我看到了 AI 编程的“未来形态”——不是替代程序员，而是成为程序员手里的一把瑞士军刀。它帮我省了至少 10 个小时的重复劳动，让我能把精力放在真正需要创造力的地方。就冲这一点，我给它的评价是：值得一试，但别指望它替你睡觉。