Deer-Flow 2 ของไบต์เปิดตัวบน GitHub Trending: เฟรมเวิร์กซูเปอร์เอเจนต์ 35.3k ดาว รองรับการทำงานร่วมกันของเอเจนต์หลายตัวพร้อมใช้งานทันที

Deer-Flow 2 เฟรมเวิร์กจัดการซูเปอร์เอเจนต์โอเพ่นซอร์สจากไบต์แดนซ์ หลังจากเปิดตัวก็ขึ้นสู่ตำแหน่งสูงสุดบน GitHub Trending ทันที ปัจจุบันมีดาวสะสมถึง 35.3k ดาวแล้ว

Deer-Flow 2 ใช้สถาปัตยกรรมโมดูลาร์แบบมัลติเอเจนต์ โดยเอเจนต์ต่างๆ ร่วมมือกันผ่าน LangGraph เฟรมเวิร์กนี้เน้น พร้อมใช้งานทันที มีเครื่องมือค้นหาหลายตัวในตัว เช่น Tavily, Brave Search, DuckDuckGo และรวมเครื่องมือครอว์เลอร์อย่าง Jina เข้าไปด้วย ให้ความสามารถในการรวบรวมข้อมูลที่ครอบคลุม พร้อมกันนี้ เฟรมเวิร์กยังมีความสามารถในการขยายที่ดี รองรับการเชื่อมต่อกับ API หรือโมเดลที่กำหนดเอง

ในด้านความสามารถหลัก Deer-Flow 2 รองรับการทำงานร่วมกันของมัลติเอเจนต์ การดำเนินการในแซนด์บ็อกซ์อย่างปลอดภัย การดีพลอยแบบคลิกเดียว และอื่นๆ ให้ตัวเลือกทั้งการดีพลอยอย่างรวดเร็วด้วย Docker และการพัฒนาแบบโลคัล และยังเข้ากันได้กับโมเดลภาษาขนาดใหญ่หลักๆ

นอกจากนี้ เฟรมเวิร์กยังรองรับช่องทางการสื่อสารทันทีต่างๆ เช่น Feishu, Telegram, Slack โดยไม่จำเป็นต้องมี IP สาธารณะเพื่อใช้งาน

ความสามารถหลักและจุดเด่นทางเทคนิค

Deer-Flow ได้รับการอัปเกรดสถาปัตยกรรมอย่างสมบูรณ์ในเวอร์ชัน 2.0

เวอร์ชัน 1.0 ใช้สถาปัตยกรรมมัลติเอเจนต์แบบ 5 โหนดคงที่ มีขอบเขตความสามารถที่ชัดเจน มุ่งเน้นที่สถานการณ์ การวิจัยเชิงลึก เป็นหลัก ส่วนเวอร์ชัน 2.0 ได้ปรับโครงสร้างโดยรวมใหม่ทั้งหมด ตั้งแต่ระดับล่างสุดจนถึงระดับบน ส่งผลให้ความสามารถก้าวกระโดด

เวอร์ชันใหม่ใช้สถาปัตยกรรมใหม่ทั้งหมดแบบ เมนเอเจนต์เดียว + เชนมิดเดิลแวร์ 11 ชั้น + ซับเอเจนต์แบบไดนามิก รวบรวมความสามารถหลักไว้ในชุดเครื่องมือและเชนมิดเดิลแวร์ ทำให้ระบบเบาขึ้น ยืดหยุ่นมากขึ้น และขยายได้ง่ายขึ้น เมื่อเทียบกับเวอร์ชัน 1.0 ที่ต้องปรับโครงสร้างโดยรวมเพื่อเพิ่มความสามารถใหม่ เวอร์ชัน 2.0 เพียงแค่เพิ่มสกิลใหม่ก็สามารถขยายได้ โดยไม่ต้องแก้ไขเฟรมเวิร์กระดับล่าง ความสามารถในการวิจัยเชิงลึกซึ่งเดิมเป็นแกนหลัก ก็เปลี่ยนเป็นความสามารถพื้นฐานหนึ่งที่ติดตั้งมาในเฟรมเวิร์ก

ในระดับเฟรมเวิร์ก Deer-Flow 2.0 ได้รวมโมดูลสำคัญต่างๆ เช่น การจัดตารางซับเอเจนต์ ความจำระยะยาว สภาพแวดล้อมการดำเนินการแซนด์บ็อกซ์แบบแยกส่วน สกิลและเครื่องมือที่ขยายได้ เข้าด้วยกัน ก่อให้เกิดระบบความสามารถในการทำงานของเอเจนต์ที่สมบูรณ์และเป็นผู้ใหญ่

ระบบสกิลแบบปลั๊กแอนด์เพลย์

เพื่อให้เอเจนต์สามารถปรับตัวให้เข้ากับสถานการณ์ต่างๆ ได้อย่างรวดเร็ว Deer-Flow 2.0 ได้สร้างระบบสกิลแบบปลั๊กแอนด์เพลย์ขึ้น เฟรมเวิร์กที่ออกจากโรงงานมาพร้อมกับสกิลที่ใช้บ่อยกว่า 10 ชนิด เช่น การวิจัยเชิงลึก การวิเคราะห์ข้อมูล การสร้างแผนภูมิ การสร้างเนื้อหาวิดีโอและเสียง ระบบจะโหลดสกิลแบบค่อยเป็นค่อยไปตามความต้องการของงาน เพื่อควบคุมการบริโภคโทเค็น และหลีกเลี่ยงประสิทธิภาพที่ลดลงเนื่องจากบริบทถูกใช้งานมากเกินไป

หากความสามารถที่มีอยู่ไม่เพียงพอ ผู้ใช้ยังสามารถห่อหุ้มสกิลเฉพาะของตนเองได้ ด้วยเครื่องมือ skill-creator ที่ทางการจัดให้ สามารถขยายความสามารถใหม่ให้กับเอเจนต์ได้ภายในไม่กี่นาที พร้อมกันนี้ ระบบยังให้อินเทอร์เฟซ MCP และ Python รองรับการรวมเครื่องมือที่กำหนดเองอย่างลึกซึ้ง แม้กระทั่งสามารถเชื่อมต่อกับ Claude Code ได้ ทำให้ผู้ใช้สามารถดำเนินการส่งมอบ ดู และจัดการเครื่องมือในเทอร์มินัลได้

สภาพแวดล้อมการดำเนินการแซนด์บ็อกซ์แบบแยกส่วน

Deer-Flow 2.0 ติดตั้งแซนด์บ็อกซ์แบบแยกส่วนอิสระ แต่ละงานจะทำงานในแซนด์บ็อกซ์เฉพาะของตัวเอง มีระบบไฟล์ที่สมบูรณ์และสิทธิ์ในการดำเนินการ Bash รองรับการอ่านเขียนไฟล์ การรันสคริปต์ การดำเนินการคำสั่ง เป็นต้น

ระบบให้โหมดการทำงานสามแบบคือ โลคัล, Docker, และ Kubernetes โดยโหมด Docker ใช้ AIO Sandbox โอเพ่นซอร์สจากไบต์ ซึ่งมีระดับการแยกส่วนที่สูงกว่าและทำงานเสถียรกว่า โหมดนี้จะทำการแมปเส้นทางเสมือนและเส้นทางกายภาพโดยอัตโนมัติ เพื่อให้มั่นใจว่าสภาพแวดล้อมการพัฒนาและสภาพแวดล้อมการดีพลอยมีความสอดคล้องกัน

การจัดตารางซับเอเจนต์และวิศวกรรมบริบท

เมื่อเผชิญกับงานระยะยาวที่ซับซ้อน Deer-Flow 2.0 จะประมวลผลร่วมกันผ่านกลไกการจัดตารางและวิศวกรรมบริบท เมนเอเจนต์จะแยกโครงสร้างงานออกเป็นส่วนๆ ก่อน จากนั้นจึงจัดตารางซับเอเจนต์สูงสุด 3 ตัวเพื่อดำเนินการแบบขนานตามความต้องการ ซับเอเจนต์สามารถเลือกใช้ความสามารถทั่วไปหรือประเภทผู้เชี่ยวชาญบรรทัดคำสั่งได้ ซับเอเจนต์แต่ละตัวมีบริบทอิสระของตัวเอง ไม่รบกวนซึ่งกันและกัน

บนพื้นฐานนี้ เฟรมเวิร์กได้ออกแบบผ่านเชนมิดเดิลแวร์หลายชั้น การสรุปและบีบอัดบริบทอัตโนมัติ การจัดเก็บไฟล์ภายนอก การจำกัดอัตราการทำงานย่อย ฯลฯ เพื่อแก้ไขปัญหาการขาดแคลนหน้าต่างบริบทในงานระยะยาวอย่างเป็นระบบ

ต่อไปนี้คือการแสดงความสามารถบางส่วนของ Deer-Flow 2.0:

สร้างหน้าเว็บไซต์ลีกฟุตบอลที่สมบูรณ์และพร้อมส่งมอบได้ด้วยคลิกเดียว ทำให้กระบวนการอัตโนมัติตั้งแต่การออกแบบจนถึงโค้ด

เปลี่ยนแนวคิดที่ซับซ้อนให้เป็นการ์ตูนโดราเอมอนที่เด็กเข้าใจง่ายด้วยคำสั่งเดียว

สร้างอินเทอร์เฟซสภาพอากาศสไตล์แก้วเหลวด้วยประโยคเดียว เมื่อเมาส์โฮเวอร์จะเกิดเอฟเฟกต์การเปลี่ยนรูป 3 มิติ

วิธีการดีพลอย

Deer-Flow ให้วิธีการดีพลอยหลักสองแบบคือ Docker และโลคัล

การดีพลอยด้วย Docker เป็นวิธีที่ง่ายและรวดเร็วที่สุด เพียงแค่คำสั่งไม่กี่คำสั่งก็สามารถเริ่มบริการ DeerFlow ที่สมบูรณ์บนเครื่องโลคัลได้

1. โคลนรีพозиทอรี:
   bash
git clone https://github.com/bytedance/deer-flow.git

2. เข้าไปที่ไดเรกทอรีรูทของโปรเจกต์:
   bash
cd deer-flow
   

3. สร้างคอนฟิกโลคัล:
   bash
make config
   ระบบจะสร้างไฟล์คอนฟิก config.yaml และไฟล์ .env โดยอัตโนมัติ (หากไม่มีคำสั่ง make ผู้ใช้ Windows สามารถติดตั้ง MinGW ได้)

4. กรอกการคอนฟิกที่เกี่ยวข้องกับโมเดลในไฟล์ Config.yaml ภายใต้ไดเรกทอรีโปรเจกต์
   

5. หลังจากตั้งค่าเสร็จแล้ว ดึงอิมเมจแซนด์บ็อกซ์:
   bash
make docker-init
   คำสั่งนี้จะดึงอิมเมจแซนด์บ็อกซ์ AIO Sandbox โอเพ่นซอร์สจากไบต์โดยอัตโนมัติ การดึงครั้งแรกอาจใช้เวลาสองสามนาที
   

6. หลังจากดึงอิมเมจเสร็จแล้ว เริ่มบริการ:
   bash
docker-start
   หลังจากบริการเริ่มทำงานแล้ว เข้าถึง http://localhost:2026 เพื่อเข้าไปยังอินเทอร์เฟซเว็บ
   

หากต้องการปรับแต่งลึกหรือพัฒนาต่อยอด สามารถเลือกวิธีการดีพลอยแบบโลคัล การดีพลอยแบบโลคัลต้องมีเงื่อนไขเบื้องต้นดังต่อไปนี้: Python 3.12+, Node.js 22+, pnpm, ตัวจัดการแพ็กเกจ uv และ nginx

หลังจากตรงตามข้อกำหนดสภาพแวดล้อมแล้ว สามารถดำเนินการตามขั้นตอนต่อไปนี้:

1. ตรวจสอบการพึ่งพา: เปิดเทอร์มินัลเข้าไปที่ไดเรกทอรีรูท deer-flow พิมพ์:
   bash
make check
   ระบบจะตรวจสอบการพึ่งพาข้างต้นโดยอัตโนมัติว่าครบถ้วนหรือไม่ และแจ้งให้เติมส่วนที่ขาดหาย
   

2. ติดตั้งการพึ่งพา:
   bash
make install
   ระบบจะติดตั้งแพ็กเกจที่เกี่ยวข้องกับ Python และ Node.js โดยอัตโนมัติ
   

3. (ไม่บังคับ) ดึงอิมเมจแซนด์บ็อกซ์ล่วงหน้า เพื่อหลีกเลี่ยงการรอคอยเมื่อใช้งานครั้งแรกในภายหลัง:
   bash
make setup-sandbox

4. เริ่มบริการ:
   bash
make dev
   

วิธีการดีพลอยแบบโลคัลเหมาะสำหรับนักพัฒนาที่ต้องการแก้ไขซอร์สโค้ด ดีบักฟังก์ชัน หรือมีส่วนร่วมในโค้ด

Deer-Flow รองรับการรับงานจากแอปพลิเคชันแชททันทีโดยธรรมชาติ ปัจจุบันรองรับสามช่องทางคือ Telegram, Slack และ Feishu/Lark และทั้งสามช่องทางไม่จำเป็นต้องมี IP สาธารณะ

△ ตัวอย่างการคอนฟิกที่เกี่ยวข้องกับ channels ในไฟล์ config.yaml

หลังจากคอนฟิกเสร็จแล้ว ก็สามารถโต้ตอบกับ Deer-Flow โดยตรงในหน้าต่างแชทได้

นักพัฒนาหลักสองคนของ Deer-Flow คือ Tao He จากมหาวิทยาลัยปักกิ่ง และ Henry Li จากมหาวิทยาลัยหนานจิง

ที่อยู่โปรเจกต์: https://github.com/bytedance/deer-flow
เว็บไซต์ทางการ: https://deerflow.tech

⚠️ หมายเหตุ: เนื้อหาได้รับการแปลโดย AI และตรวจสอบโดยมนุษย์ หากมีข้อผิดพลาดโปรดแจ้ง

☕ สนับสนุนค่ากาแฟทีมงาน

หากคุณชอบบทความนี้ สามารถสนับสนุนเราได้ผ่าน PromptPay

SCAN TO PAY WITH ANY BANK