用字节 DeerFlow 2.0 自动写深度调研报告（开源 Super Agent）

DeerFlow 用 Docker 跑沙箱与依赖，本地还需要 Python 3.10+ 来启动控制台。先确认环境：

# 检查 Docker 是否可用
docker -v
# 检查 Python 版本
python3 --version   # 需 3.10 及以上

# 没装的话先装：
# Docker → https://www.docker.com/products/docker-desktop
# Python → https://www.python.org/downloads/

从官方仓库克隆并启动（以社区主流开源仓库为例，请以 GitHub 上字节官方仓库地址为准）：

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

# 安装依赖并启动（具体命令以仓库 README 为准）
pip install -e .
deerflow start

# 启动后浏览器打开控制台
# 默认 http://localhost:8000

和所有 Agent 框架一样，DeerFlow 不自带模型能力，需要你填一个 API Key。在配置文件里填入你常用的模型（如 DeepSeek、通义、OpenAI 任选）：

# 编辑配置文件（文件名以仓库为准，常见为 .env 或 config.yaml）
# 填入你的模型 Key
MODEL_API_KEY=sk-xxxxxxxxxxxxxxxx
MODEL_PROVIDER=deepseek   # 也可填 openai / qwen 等

# 保存后重启服务使配置生效

在控制台输入框里，用「目标 + 产出要求」的格式下达任务。目标越具体，报告越聚焦：

请调研「2026 年国内 AI 编程工具市场格局」，
产出一份深度报告，要求：
1. 覆盖至少 5 款主流产品（Cursor / Claude Code / 通义灵码 等）
2. 对比功能、定价、目标人群
3. 每个结论附信息来源链接
4. 最后给出趋势判断与一句话结论

提交后，Lead Agent 会把主题拆成若干子问题，拉起多个 Sub-Agents 并行检索；遇到需要算数据的地方，会在 Sandbox 里跑代码片段而不污染你本机。

# 你能在控制台实时看到：
- 子 Agent A：检索各产品官网与定价
- 子 Agent B：抓取近半年行业资讯与融资
- 子 Agent C：用 Sandbox 跑对比表格/图表
- Lead Agent：汇总成统一报告

# 中途可随时补充指令，例如：
"把定价部分换算成人民币月费再对比"

报告生成后，务必做「人工复核」——尤其是引用链接和数据。DeerFlow 支持把结果导出：

# 常见导出方式（以控制台按钮为准）
- 导出 Markdown / PDF 报告
- 复制全文到飞书 / Notion 文档
- 把本次调研的 Sources 一并带上，方便溯源

# 复核清单：
✓ 每个数据点有没有来源
✓ 有没有「自信地胡说」（幻觉）
✓ 结论是否超出你给的范围

DeerFlow 支持 MCP 工具，可以把「调研完成」接到你的飞书、Notion、企业微信，实现定时自动产出：

# 在配置里启用 MCP 工具（示意）
mcp:
  - server: feishu-webhook   # 报告生成后推送到飞书群
  - server: notion           # 自动写入团队知识库

# 配合定时任务，每周一早自动出一份行业周报