斩获60k星，字节开源Agent Harness，龙虾慌了

PaperAgent 📅 2026年04月12日 02:45

PaperAgent 2026-04-12 10:45 湖北

DeerFlow 2.0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，

字节跳动开源了一个项目，叫DeerFlow 2.0，拿过GitHub Trending第一，目前60.4k Star。

主页描述写的是：Long-horizon SuperAgent Harness。5000 star，Harness门槛被OpenHarness打穿了

Harness，这词最近太火了。

同一模型，只换外面那层壳Harness，编程成功率从42%跳到78%。

Anthropic也分享过一篇工程博客：长程应用的Harness设计

OpenAI用5个月、100万行代码验证：Agent不难，Harness才难。

Stripe、Cursor、LangChain全在往里冲。

现在，字节把Harness做成了开源产品，直接甩出来了。

DeerFlow（Deep Exploration and Efficient Research Flow）是什么？

简单说，它是一个让Agent真正能干活的开箱系统。

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，直接威胁到OpenClaw的地位。

每个任务跑在隔离的Docker容器里，有完整的文件系统。Agent可以读写文件、跑bash命令、看图片、生成视频。跟有一台自己的电脑一样。

Skills系统是它的核心。一个Skill就是一个Markdown文件，里面定义了这个工作流怎么干。研究、报告生成、PPT制作、网页生成，全有现成的。你想加自己的？放进去就行。

而且是按需加载，不会一次性把所有东西都塞进上下文——对token敏感的人懂这个多重要。

Sub-Agents并行干活。一个复杂任务，主Agent拆成十几个方向，每个方向一个Sub-Agent同时跑，最后拼出完整结果。比如”做个AI行业趋势报告”，拆成大模型、多模态、开源生态、商业化…同时调研，效率翻倍。

Sandbox是真的隔离。Docker容器，路径固定，不同session之间不污染。支持本地、Docker、K8s三种模式，可以直接上生产。

Context Engineering 摘要压缩：在单个 session 内，DeerFlow 会比较积极地管理上下文，包括总结已完成的子任务、把中间结果转存到文件系统、压缩暂时不重要的信息。这样在长链路、多步骤任务里，它也能保持聚焦，而不会轻易把上下文窗口打爆。

长期记忆 跨 session 使用时，DeerFlow 会逐步积累关于你的持久 memory，包括你的个人偏好、知识背景，以及长期沉淀下来的工作习惯。你用得越多，它越了解你的写作风格、技术栈和重复出现的工作流。memory 保存在本地，控制权也始终在你手里。

最后

把这句话发给Claude Code、Codex、Cursor或者任何Coding Agent，它就会自己去clone、初始化、跑起来。

如果还没 clone DeerFlow，就先 clone，然后按照 https://raw.githubusercontent.com/bytedance/deer-flow/main/Install.md 把它的本地开发环境初始化好

[https://github.com/bytedance/deer-flow/blob/main/README_zh.md](https://github.com/bytedance/deer-flow/blob/main/README_zh.md)

动手设计AI Agents：（编排、记忆、插件、workflow、协作）

每天一篇大模型Paper来锻炼我们的思维~已经读到这了，不妨点个👍、❤️、↗️三连，加个星标⭐，不迷路哦~

← 返回全部文章在原文打开 ↗