也想看看，像DeerFlow和OpenOcta，OpenClaw這些設計有什么不一樣。其實，我試用了幾個小時，感覺還是有些小失望的，沒有找到其場景定位吧。

1，安裝文檔

我是建議在linux系統(tǒng)安裝，在windows下的試了幾次，不好搞定。
文檔位置：
https://github.com/bytedance/deer-flow/blob/main/README_zh.md

一個大坑，基于uv更新

在運行make install時，由于我用的是線上服務器，使用uv sync時要到外網(wǎng)，所以速度不可接受。
于是參考網(wǎng)上文檔解決，使用uv時，也使用國內(nèi)鏡像。這個點卡了我一天。
https://www.cnblogs.com/ymtianyu/p/19361370

uv會讀取項目目錄下的pyproject.toml中的配置。你可以添加：

# 在 pyproject.toml 中添加
[[tool.uv.index]]
url="https://pypi.tuna.tsinghua.edu.cn/simple"
default=true

看看樣子

{029EC0E4-BB02-40E2-AC3B-ED1A0FA45BBE}.png

這個client的Python庫，我覺得有點粗糙了。

DeerFlow 也可以作為內(nèi)嵌的 Python 庫使用，不必啟動完整的 HTTP 服務。DeerFlowClient 提供了進程內(nèi)的直接訪問方式，覆蓋所有 agent 和 Gateway 能力，返回的數(shù)據(jù)結構與 HTTP Gateway API 保持一致：

from deerflow.client import DeerFlowClient

client = DeerFlowClient()

# Chat
response = client.chat("Analyze this paper for me", thread_id="my-thread")

# Streaming（LangGraph SSE 協(xié)議：values、messages-tuple、end）
for event in client.stream("hello"):
    if event.type == "messages-tuple" and event.data.get("type") == "ai":
        print(event.data["content"])

# 配置與管理：返回值與 Gateway 對齊的 dict
models = client.list_models()        # {"models": [...]}
skills = client.list_skills()        # {"skills": [...]}
client.update_skill("web-search", enabled=True)
client.upload_files("thread-1", ["./report.pdf"])  # {"success": True, "files": [...]}