shadowrocket ssr设置
,内置了Tavily、Brave Search、DuckDuckGo等多种搜索引擎,还集成了Jina等爬虫工具,基本把信息收集的十八般兵器都给配齐了。
核心能力上,多智能体协同、沙箱安全执行、一键部署全都有,Docker快速部署和本地开发任你挑,主流大模型统统兼容。
新版本采用单一主智能体+11 层中间件链+动态子智能体的全新架构,将核心能力收敛到工具集与中间件链中,让整个系统更轻量、更灵活、更易扩展。
相比1.0需要调整整体结构才能新增能力,2.0只需添加新技能就能完成拓展,无需改动底层框架。
在框架层面,DeerFlow 2.0已经整合子智能体调度、长期记忆、隔离沙箱执行环境、可扩展技能与工具等关键模块,形成了一套完整、成熟的智能体运行能力体系。
出厂自带深度研究、数据分析、图表生成、音视频创作等十余种常用技能,系统会根据任务需求渐进式加载控制token消耗,这样就避免了上下文被过度占用而导致的效率下降。
同时系统提供MCP与Python接口,支持自定义工具的深度集成,甚至可接入Claude Code,让用户在终端就能完成工具的下发、查看与管理操作
DeerFlow 2.0还配备了独立隔离沙箱。每个任务都在专属沙箱中运行,拥有完整文件系统与Bash执行权限shadowrocket ssr设置,支持文件读写、脚本运行、命令操作等。
主智能体会先对任务进行结构化拆解,再按需调度最多3个子智能体并行执行子智能体可选用通用能力或命令行专家型。
在此基础上,框架还通过多层中间件链、上下文自动摘要压缩、外部文件存储、子任务限流等设计,系统性解决长时任务中上下文窗口不足的问题。
Docker部署是最简单快捷的方式,只需几个命令,就能在本地启动完整的DeerFlow服务。
接下来可以输入make setup-sandbox(按需)预拉取沙箱镜像,避免后续首次使用时等待。
DeerFlow原生支持从即时通讯应用接收任务,目前支持Telegram、Slack和飞书/Lark三个渠道,且都不需要公网IP。
DeerFlow的两位核心开发者是来自北京大学的Tao He和来自南京大学的Henry Li。




