你每個月付錢用的那種「深度研究」功能，其實可以自己在家架一個，而且是字節跳動親手開源、GitHub 上已經 66,000 顆星的版本。
一句話結論：DeerFlow 2.0 是字節跳動開源的「超級代理」框架，把一個任務拆給 5 個 AI 分工，在 Docker 沙盒裡真的幫你查資料、跑程式、產出完整報告，還能生 Podcast 和簡報。自架免費，適合想用 AI 做投研、內容、資料整理又不想被訂閱綁死的人。
先說清楚它跟你平常用的 ChatGPT 差在哪。你問 ChatGPT 一個問題，它回你一段文字，這叫「聊天」。DeerFlow 收到問題之後，會自己排一份研究計畫、派幾個 AI 去搜網頁、寫 Python 跑數據、最後整理成一份帶引用的報告——這叫「代理」（agent）。差別是前者只會講，後者會動手把活幹完。
截至 2026 年 7 月，DeerFlow 由字節跳動以 MIT 授權開源，2025 年 5 月首發時只是一個深度研究工具，2026 年 3 月升級到 2.0，直接變成一整套能自己跑幾分鐘到幾小時長任務的「超級代理」骨架。它在 2026 年 2 月一度衝上 GitHub Trending 全站第一。下面把它拆給你看，順便告訴你值不值得自己架。
DeerFlow 到底是什麼？跟 ChatGPT 的深度研究差在哪？
差在「你看得到過程、也管得到過程」。ChatGPT、Perplexity 那種深度研究是黑盒子，你丟問題進去，等它吐答案出來，中間發生什麼你不知道，也改不了。DeerFlow 走的是另一條路：它把研究流程攤在你面前，還讓你在關鍵一步喊停。
DeerFlow 的名字是 Deep Exploration and Efficient Research Flow 的縮寫。技術上它建在 LangGraph（一套把 AI 流程畫成狀態圖的框架）之上，把大型語言模型接上網頁搜尋、網頁爬蟲、Python 執行、RAG 知識庫檢索，還有 MCP 工具呼叫。講人話就是：它不只會查 Google，還會自己寫程式算數據、翻你自己的檔案、接你裝好的外掛工具。
最關鍵的一點是「human-in-the-loop」，也就是它排好研究計畫後會先給你看，你可以改、可以補一句「這段重點放產業競爭」，確認了它才開始跑。不想每次都審，也能設成自動放行。這個設計很實在——deep research 最怕的就是 AI 自作主張跑錯方向，燒了一堆時間才發現重點抓歪。
5 個 AI 是怎麼分工的？
DeerFlow 把一份研究拆成流水線，交給 5 個各有專職的 agent，像一間小型顧問公司。這也是它跟「一個大模型硬扛」最不一樣的地方。
- Coordinator（協調員）：接住你的需求，判斷這題該怎麼開工，把任務分派下去。
- Planner（規劃員）：排研究計畫，決定要查什麼、分幾步——這步就是給你審的那份計畫。
- Researcher（研究員）：真正去搜網頁、爬資料、翻知識庫的那個。
- Coder（工程師）：需要算數據、跑回測、畫圖時，它現場寫 Python 在沙盒裡執行。
- Reporter（報告員）：把前面所有東西收攏成一份帶引用的完整報告。
這幾個 agent 全部在一個隔離的 Docker 沙盒裡幹活。沙盒給了 AI 一個真的檔案系統和一個 bash 終端機，它能真的執行程式、跑指令，而不是只在對話框裡「假裝」寫了段 code。對你來說最大的好處是安全：AI 亂跑也只在沙盒裡，碰不到你電腦其他東西。這一套跟我之前寫過的 AI Berkshire 用 Claude Code 組一隊投研團隊 是同一個思路——一個人指揮一群 AI 分工。
除了寫報告，DeerFlow 還能幫你做什麼？
它不只吐文字。2.0 版把「產出」這件事做得很滿，這也是它比一般深度研究工具多出來的價值：
- 生 Podcast：接 volcengine 的 TTS，把報告轉成一段有語速、音量、音調可調的語音，你研究完直接有一集口播。
- 做簡報：能把研究內容直接生成 PowerPoint。
- Notion 式編輯：報告產出後用區塊式編輯器再修，不用整份重跑。
- 多搜尋引擎：Tavily、Brave、DuckDuckGo、Arxiv 都能接，查學術論文和查新聞可以分開走。
- 接得到你的通訊軟體：Telegram、Slack、Feishu 都有原生整合，你在群裡丟一句話，它在後台跑完把報告丟回來。
對做內容、做投研的人來說，這一條龍很有殺傷力：一個問題進去，一份報告、一份簡報、一集 Podcast 出來。這種「自己 host 一台情報機器」的玩法，跟我之前介紹的 World Monitor 開源 AI 情報台 是同一種散戶自救路線。
DeerFlow 跟付費的深度研究比，值得自己架嗎？
看你在意什麼。要「開箱即用、不想碰技術」，付費工具還是省事；要「省訂閱費、資料留自己手上、還能客製」，DeerFlow 這種自架方案就有意義。下面直接比一張表。
| 比較項 | DeerFlow 2.0（自架） | ChatGPT / Perplexity 深度研究 |
|---|---|---|
| 費用 | 開源免費，只付你自己的 API 用量 | 月費訂閱（約 US$20 起） |
| 換模型 | 自由，Claude / GPT / DeepSeek 隨你接 | 綁該平台自家模型 |
| 過程透明 | 看得到計畫、可先審再跑 | 黑盒子，改不了方向 |
| 跑程式算數據 | 有，沙盒內真的執行 Python | 部分支援，能力受限 |
| 產出形式 | 報告＋簡報＋Podcast＋語音 | 多半只有文字報告 |
| 資料隱私 | 自架，資料在你自己環境 | 上傳到平台伺服器 |
| 上手門檻 | 要會裝 Docker、配 API key | 註冊就能用 |
我的判斷很直接：如果你只是偶爾查個資料，別折騰，付費工具就好；但如果你天天要產研究、做內容、跑數據，還介意每篇都把資料餵給別人的伺服器，那 DeerFlow 花一個下午架起來，長期絕對划算。省下的不只是訂閱費，是「換模型的自由」和「資料的控制權」。
DeerFlow 怎麼安裝？新手上手 3 步
DeerFlow 有 console（命令列）和 Web UI 兩種介面，新手建議直接上 Web UI。大方向是這樣：
- 抓下來、備好環境：到 github.com/bytedance/deer-flow 把專案 clone 下來，先裝好 Docker（沙盒要用）和 Python。
- 填 API key：在設定檔填你要用的大模型 API key（Claude、GPT、DeepSeek 都行），再把要用的搜尋引擎（Tavily 或 Brave 等）key 一起填上。
- 啟動、丟第一個問題：跑起服務、打開 Web UI，輸入一個研究題目，先看它排出來的計畫，確認方向沒歪就放行，等它把報告跑出來。第一次建議問一個你本來就熟的題目，這樣你一眼看得出它查得準不準。
裝不動也別硬扛。GitHub 頁面有多語言文件（含中文），照著 README 走通常半小時內能跑起來；真的卡住，社群 issue 區很活躍。想先看看別人怎麼配工具鏈，可以參考 Claude Skills 現成技能包清單 的思路，把常用工具先備齊。
DeerFlow 適合誰？不適合誰？
適合：要天天產研究報告的分析師和內容創作者、想省深度研究訂閱費的重度使用者、在意資料隱私要自架的人、想學 multi-agent 怎麼落地的開發者。
不適合：完全不想碰技術、看到 Docker 就頭痛的純小白；只是偶爾查資料、用不到一條龍產出的輕度使用者。這兩種人，網頁版 ChatGPT 加一個付費深度研究就夠了，不用折騰自架。
不想自己架，有沒有替代方案？
有。同類的開源多 agent 研究框架不只 DeerFlow 一個，看你的用途挑：偏投資研究可以看 AI Berkshire（用 Claude Code 組投研隊）；偏交易策略生成有 港大開源的 Vibe-Trading；偏即時情報監控有 World Monitor。真的完全不想架，就用 ChatGPT、Perplexity、Gemini 的深度研究付費版，開箱即用。工具是拿來解決問題的，別為了「開源」而開源。
把它接到你的副業：省下來的，怎麼變成賺的
省訂閱費只是開胃菜。真正的價值是拿它當「產能」。舉幾個實際用法：想做內容的人，一個題目讓 DeerFlow 跑一份帶引用的報告，你再加觀點改成文章或影片腳本，一集 Podcast 它順手幫你錄好；做投研的人，讓 Coder 那顆 agent 直接跑數據、拉圖表，省掉自己開 Excel 的時間；接案的人，把「一份研究報告」變成可交付的產品。同一份研究，多種產出形式，這就是把免費工具接到出路上的做法。前提是你得會下對的題目、審好方向——工具負責幹活，判斷力還是你的。
常見問題 FAQ
DeerFlow 是免費的嗎？
框架本身以 MIT 授權開源、完全免費。你要付的是自己用的大模型 API 用量費，以及跑伺服器的成本。沒有平台月費。
DeerFlow 會幫我自動下單交易嗎？
不會。DeerFlow 定位是研究與內容自動化框架，做的是查資料、跑分析、出報告，不是自動交易機器人。它能幫你研究一檔標的，但買不買、怎麼下單，決策和執行都是你自己的事。
新手一定要會寫程式才能用嗎？
用它做研究不用會寫程式，Web UI 打字就行；但「安裝」這一關要會照文件裝 Docker、填 API key，需要一點動手能力。真的零基礎，建議先找會的人幫你架好第一次。
DeerFlow 跟 Vibe-Trading 有什麼不一樣？
DeerFlow 是通用的研究／內容超級代理，什麼題目都能查；Vibe-Trading 專攻金融，內建量化因子和回測。要泛用選 DeerFlow，只做交易策略研究選 Vibe-Trading。
結論：值不值得裝？
值。DeerFlow 2.0 把「深度研究」從一個要月費的黑盒子，變成一套你自己架得起、看得懂、管得到的開源流程，還多送你 Podcast 和簡報產出。它不是給偶爾查資料的人準備的，但如果你天天要跟資料打交道，這個下午的安裝時間會回本得很快。字節這一步很聰明：把深度研究的門檻降到「一台電腦加一個 API key」，散戶手上第一次有了跟機構同級的研究產線。
免責聲明：本文為 AI 工具教學與資訊整理，非投資建議。DeerFlow 為研究與內容自動化框架，不提供投資決策或代客交易；任何投資決策請自行判斷並承擔風險。文中數據（GitHub 星數、版本、功能）截至 2026 年 7 月，開源專案更新快速，實際請以官方 repo 為準。
發表迴響