DeerFlow新手指引：首次使用者必须了解的5个要点-洪萨配资

DeerFlow新手指引：首次使用者必须了解的5个要点

1. DeerFlow是什么：你的个人深度研究助理

DeerFlow不是另一个聊天机器人，而是一个真正能帮你“做研究”的AI助手。它不满足于简单回答问题，而是主动调用搜索引擎、运行Python代码、分析网页内容、整理结构化报告，甚至把研究成果变成可听的播客。你可以把它想象成一位不知疲倦的研究搭档——你提出问题，它设计路径、收集证据、验证假设、生成结论，并用你习惯的方式呈现结果。

它背后没有黑箱式的模糊推理，而是清晰可见的协作流程：一个协调器负责统筹全局，规划器拆解任务，研究员去网上查资料，编码员写脚本处理数据，报告员最后把所有发现组织成逻辑严密、图文并茂的文档。这种“多智能体”方式，让复杂问题的解决过程变得透明、可控、可复现。

对刚接触的用户来说，最直观的感受是：它不只告诉你“答案”，还告诉你“这个答案是怎么来的”。

2. 它从哪里来：开源、模块化、开箱即用

2.1 开源项目与技术底座

DeerFlow是由字节跳动团队基于LangStack框架开发并开源的深度研究项目，托管在GitHub官方组织下。它的核心不是某个单一模型，而是一套可扩展的系统架构——LangGraph。这决定了它天生就适合做需要多步骤、多工具协同的任务，比如“对比近三年主流AI芯片的能效比，并用图表展示趋势”。

整个系统采用模块化设计，每个角色（协调器、规划器、研究员等）都是独立可替换的组件。这意味着未来你可以轻松接入自己的搜索API、更换更擅长数学的模型、或增加新的数据处理工具，而无需重写整个流程。

2.2 预置能力开箱即用

你不需要从零搭建环境。当前镜像已预装：

本地大模型服务：vLLM加速的Qwen3-4B-Instruct-2507，响应快、成本低；
多搜索引擎支持：Tavily和Brave Search双通道，兼顾深度与广度；
代码执行环境：Python 3.12+，可直接运行数据分析、网络请求、格式转换等脚本；
语音输出能力：集成火山引擎TTS，研究报告一键转播客；
双UI交互模式：控制台命令行适合调试，Web UI界面友好，适合日常使用。

它已部署在火山引擎FaaS应用中心，真正做到“一键启动，即刻研究”。

3. 启动前必查：两个关键日志确认服务就绪

DeerFlow由两层服务构成：底层是大语言模型推理服务（vLLM），上层是DeerFlow主程序。两者必须都正常运行，系统才能工作。首次启动后，请务必按顺序检查以下两项。

3.1 检查vLLM模型服务是否就绪

打开终端，输入以下命令查看模型服务日志：

cat /root/workspace/llm.log

如果看到类似以下内容，说明Qwen3模型服务已成功加载并监听端口：

INFO 01-26 10:23:45 [server.py:189] Starting vLLM server... INFO 01-26 10:23:47 [model_runner.py:421] Loading model weights... INFO 01-26 10:24:12 [engine.py:215] vLLM engine started successfully. INFO 01-26 10:24:12 [server.py:220] HTTP server started on http://0.0.0.0:8000

注意：若日志中出现ERROR或长时间卡在Loading model weights...，请等待2–3分钟再重试；若持续失败，可能是显存不足，可尝试重启容器。

3.2 检查DeerFlow主程序是否启动成功

确认模型就绪后，再检查主程序：

cat /root/workspace/bootstrap.log

成功日志会显示各组件初始化完成，并最终提示Web服务已就绪：

INFO: Started server process [123] INFO: Waiting for application startup. INFO: Application startup complete. INFO: Uvicorn running on http://0.0.0.0:8080 (Press CTRL+C to quit)

此时，DeerFlow系统已完全激活，可以进入下一步操作。

4. 第一次提问：三步走完完整研究流程

DeerFlow的Web界面简洁直观，但初次使用时，容易忽略几个关键操作点。下面以“帮我分析2024年全球AI开源模型的发布趋势”为例，带你走通第一轮研究。

4.1 打开前端界面

点击左侧导航栏的WebUI按钮，系统将自动打开新标签页，加载DeerFlow图形界面。

4.2 激活研究模式

进入界面后，你会看到一个醒目的红色按钮（位于输入框上方右侧），标有“ Start Research”或类似文字。请务必点击它——这是启动多智能体协作的开关。不点此按钮，系统只会进行普通对话，不会调用搜索、代码或报告生成功能。

4.3 提出具体、可执行的问题

在下方输入框中输入你的问题。避免模糊表述如“讲讲AI”，而应聚焦可验证、可分解的任务：

推荐提问方式：

“列出2024年GitHub Stars超5k的新开源AI模型，按Star数排序，生成表格”
“对比Llama 3、Qwen3、Phi-3三个模型在MMLU基准上的准确率，用Markdown表格呈现”
“爬取arXiv近30天标题含‘multimodal reasoning’的论文摘要，总结共性方法”

避免提问方式：

“AI未来会怎样？”（过于宽泛，无明确执行路径）
“帮我写篇报告”（缺少主题、范围、格式等约束）

提交后，你会看到实时滚动的日志：搜索发起 → 网页解析 → 代码执行 → 报告生成 → 播客合成（如启用）。整个过程透明可视，便于你理解每一步发生了什么。

5. 实用技巧与避坑指南：让第一次体验更顺畅

5.1 控制研究深度与成本

DeerFlow默认会进行较深入的调研，可能调用多次搜索、运行多个脚本。如果你只是想快速获取概览，可在提问中加入限定词：

“用一句话总结…”
“只列出前5个结果…”
“不生成播客，仅输出Markdown报告”
“跳过代码执行，仅用已有知识回答”

这些指令能显著缩短响应时间，也更适合探索性提问。

5.2 善用“追问”延续上下文

DeerFlow支持连续对话。例如，它生成一份比特币价格分析报告后，你可直接追问：“把其中2024年Q2的数据单独提取出来，画成折线图”，它会自动复用之前获取的数据，无需重新爬取。

小技巧：如果某次结果不理想，不要刷新页面重来。直接在原对话中说“换一种分析角度”或“补充XX维度”，系统通常能更好理解你的意图。

5.3 报告导出与二次编辑

所有生成的报告均以标准Markdown格式输出，支持一键复制、下载为.md文件，或粘贴到Typora、Obsidian等工具中继续编辑。图片、表格、代码块均保留原始格式，无需手动调整排版。

若需生成PPT或PDF，可将Markdown粘贴至支持渲染的在线工具（如Marktext、Docusaurus），或使用Pandoc命令行转换。

5.4 常见问题速查

问题现象	可能原因	快速解决
输入后无反应，日志无滚动	WebUI未点击“Start Research”按钮	返回界面，点击红色启动按钮
搜索结果为空或极少	提问过于专业/冷门，或关键词被过滤	换更通用的术语，如将“MoE架构优化”改为“稀疏模型训练方法”
报告中出现乱码或格式错乱	浏览器兼容性问题（尤其Safari）	使用Chrome或Edge浏览器访问
播客生成失败	TTS服务临时不可用或文本超长	关闭播客选项，先确保报告生成正常