深度研究报告是基于搜索，但超越人去整理传统搜索引擎结果的产物。
AI搜索是现在的趋势，也改变了很多人的搜索习惯。
之前总是讲，有问题问度娘，咱们这一代人都没少去问。
现在我的大部分问题都是靠AI去解决了，更智能，效率更高。
如果准确度到达一定程度，速度更快，我真的愿意完全放弃传统搜索引擎。
不知道AI是不是会让人变得更懒，或者变得更不爱动脑。
字节发布的DeerFlow还集成了MCP，让功能更加丰富，这也算是一大亮点。
扫码加入AI交流群
获得更多技术支持和交流
（请注明自己的职业）
项目简介
DeerFlow 是一个字节开源的深度研究框架，结合大语言模型与网络搜索、爬虫和 Python 代码执行等工具，实现高效自动化研究。它基于 LangChain 和 LangGraph 构建，采用模块化多智能体架构，支持动态任务迭代、人机协作及多模态输出，如播客和幻灯片生成。
DEMO
功能特点
多智能体协作：基于 LangChain 和 LangGraph，采用模块化架构，支持多智能体动态协作，高效完成复杂研究任务。
自动化研究工具：集成网络搜索、爬虫和 Python 代码执行，自动化获取、处理和分析数据。
多模态输出：支持生成技术博客、播客、幻灯片等多种格式输出，满足多样化需求。
人机协同：提供人机交互接口，支持用户干预和任务动态调整，提升研究灵活性。
流程组件
任务规划器：分解复杂研究任务，生成动态工作流，协调多智能体执行。
搜索与爬虫模块：集成网络搜索和爬虫工具，自动化收集相关数据和文献。
数据处理模块：支持 Python 代码执行，处理和分析采集的数据，生成结构化结果。
智能体协作框架：基于 LangGraph，多个智能体分工协作，动态调整任务优先级。
人机交互接口：提供用户干预入口，允许实时调整任务或输入额外信息。
多模态输出生成器：将研究结果转化为技术博客、播客、幻灯片等多样化输出格式。
项目链接
https://github.com/bytedance/deer-flow
关注「开源AI项目落地」公众号
（文：开源AI项目落地）