又有一个重磅开源项目来了！
字节跳动推出的 DeerFlow（Deep Exploration and Efficient Research Flow）现已在 GitHub 上全面开源。
DeerFlow一个社区驱动的深度研究框架，扣子空间的开源复刻版，同时还集成了豆包同款的语音合成能力。
项目已获得 2100+ Star，开源社区好评如潮！
和扣子空间一样，DeepFlow 是一个将大语言模型与专业工具（如网络搜索、爬虫和 Python 代码执行）结合的多智能体框架。
包含了以下的功能：
深度研究：对任何话题进行全面的网络调研
播客生成：根据研究报告自动生成播客脚本并合成语音
PPT 制作：自动创建简单的 PowerPoint 演示文稿
代码分析：使用 Python REPL 工具执行和分析代码
看看官方演示视频就明白了，DeerFlow不是简单的网络搜索，而是对复杂问题的深入探索。
输入一个主题，它能够进行网络搜索、整合信息、撰写报告，甚至将报告转化为类似于Google Notebookllm音频播客。
技术架构如下：
DeepFlow 基于 LangGraph 构建了一个灵活的基于状态的工作流框架。
系统由以下核心模块组成：
协调器（Coordinator）：整个系统的入口，管理工作流生命周期
规划器（Planner）：战略组件，负责任务分解和计划
研究团队（Research Team）：有三个部分组成，每股分各司其职，这包含了研究员、程序员以及报告员角色，
研究员角色使用网络搜索、爬虫等工具收集信息，之后再交给程序员角色使用Python来处理代码分析和技术任务，最后将汇总的信息交给报告员生成相关的报告。
语音播客
DeerFlow 现在集成了豆包同款的文本转语音（TTS）功能，可以将研究报告转换为高质量的语音。
使用 volcengine TTS API，速度、音量和音调都可以自定义，一键将文字变成播客内容！
开箱即用
只需几步就能开始使用 DeerFlow：
# 克隆仓库git clone https://github.com/bytedance/deer-flow.gitcd 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
支持多种搜索引擎：
- Tavily（默认）
- DuckDuckGo
- Brave Search
- Arxiv（学术论文搜索）
