3、以“Deer-Flow”为例，带你直观了解Agent

DeerFlow（DeepExploration andEfficientResearchFlow）是一个开源的super agent harness。它把sub-agents、memory和sandbox组织在一起，再配合可扩展的skills，让 agent 可以完成几乎任何事情。

1、开始

DeerFlow是字节跳动开源的一款Agent，现在开源的Agent有很多，比较出名的是OpenClaw，开源地址，基于TypeScript编写；比如ZeroClaw，开源地址，基于Rust编写；比如Openai的Codex，开源地址，基于Rust编写；以及Hermes，开源地址是基于Python编写。这么多的开源的Agent，说明一个问题，现在各个大厂已经再提前开始布局，同时也意味着人们的工作、生活方式正在悄无声息的迎来变革。做为一个近15年的资深码农感触最深，以前写代码，需要你去查资料，搞懂技术原理，搞清楚业务逻辑，然后把业务转化成代码，而现在只需要你描述清楚业务逻辑，各种编辑器就开始自动帮你干活了。如果不是技术人员那是不是就不用懂这些内容呢？个人觉得时代已经变了，如果你希望可以随着AI时代的来临，可以让自己的财富翻倍，我还是希望你可以了解Agent底层的逻辑。

2、让Agent跑起来

让DeerFlow跑起来其实很简单。

【第一步】下载工程代码。

【第二步】解压并修改配置文件。

主要配置你想调用的大模型的信息，需要自行在对应网站购买token。

【第三步】检查环境

切换到对应的项目目录下，运行make check。

【第四步】安装所需依赖

继续运行make install。

【第五步】开始

继续运行make start。

运行起来后使用浏览器访问即可。

这样你也有自己的专属Agent了。

3、让Agent帮你完成一个简单的任务

在对话框中输入“请帮我列举当前工作空间中有哪些内容”。

4、观察运行逻辑

使用LangSmith观察整个过程。

地址：https://smith.langchain.com/

整个DeerFlow的整体架构如上图红线框中所示。因为DeerFlow是基于LangChain和LangGraph构建的，可以看到是基于图这种数据结构来构建的。

开始HUMAN提问：“请帮我列举当前工作空间中有哪些内容”【Human Assisant】

经过一些MiddleWare后会请求大模型的接口。

大模型返回的是：

大模型指示可以使用ls命令来查看当前的工作空间。【AIAssistant】

紧接着tools就开始执行命令。【Tool Assistant】

工具执行后会把结果放置在上下文中继续与大模型进行对话，这样往复循环直到结束。

5、总结

Agent就是三个角色Human、AI、Tool自说自话，直到一个任务结束。