Token导航 LogoToken导航

Agent Skill · 研究检索

deerflow-install-master(鹿流安装大师)

deerflow-install-master 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

deerflow-install-master 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为操作浏览器;许可证为 MIT-0,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 10,452。

总安装 12,582周安装 509GitHub Stars 1下载 3,950核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:deerflow-install-master(鹿流安装大师)
来源仓库:https://github.com/fangbb-coder/deerflow-install-master
安装命令:
openclaw skills install deerflow-install-master
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install deerflow-install-master

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

DeerFlow 2.0快速一键安装与配置技能。基于真实部署经验(2026-03-29),讲述从下载仓库到成功运行的全流程,包括踩坑方案。使用时机:(1)在OpenClaw环境中需要安装DeerFlow 2.0,(2)需要排查安装问题,(3)需要了解DeerFlow的最佳实践。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install deerflow-install-master;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要操作浏览器,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

deerflow-install-master 怎么安装?

在终端执行 openclaw skills install deerflow-install-master。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

deerflow-install-master 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

deerflow-install-master 需要什么权限?

权限级别是操作浏览器。该 Skill 可能涉及浏览器控制能力,使用时可能读取或操作网页内容,需要在受控环境中确认权限边界。

deerflow-install-master 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

deerflow-install-master 用的人多吗?

公开数据是累计安装 12,582 次,近一周安装 509 次,下载 3,950 次,GitHub 1 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

deerflow-install-master 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。

先想清楚的地方

  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
deerflow-install-master

鹿流安装大师 · 本页

12,5821操作浏览器MIT-0有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
deerflow-install
description
|
author
小飞侠 (基于 DeerFlow 部署经验)
homepage
https://github.com/bytedance/deer-flow
source
https://github.com/bytedance/deer-flow
version
1.0.0

DeerFlow 安装技能

快速、可靠地在 OpenClaw 环境中安装和配置 DeerFlow 2.0 Super Agent。

快速开始

# 直接调用技能(示例)
skill: deerflow-install
参数: environment=openclaw, model=step-3.5-flash, proxy=http://your-proxy:port

或通过自然语言:

  • "安装 DeerFlow"
  • "部署 DeerFlow 2.0"
  • "配置 DeerFlow 环境"

安装流程概览

  1. 环境检查 → 验证 Docker/Python、端口占用、权限
  2. 仓库获取 → 克隆 deer-flow 仓库或下载最新 release
  3. 依赖安装 → 根据环境选择 Docker 模式或本地模式
  4. 配置写入 → 设置 API Keys、模型、工具
  5. 服务启动 → 启动 LangGraph + Gateway
  6. 功能测试 → 验证聊天、搜索、文件操作
  7. 文档输出 → 生成安装报告和故障排查指南

详细步骤

阶段 1:环境检查

# 检查 Python 版本(推荐 3.12+,3.11 需要补丁)
python3 --version  # 应 >= 3.11

# 检查 Docker 权限(Docker 模式需要)
groups $USER | grep docker  # 应在 docker 组

# 检查端口占用
netstat -tlnp | grep -E "2024|8091"

常见问题:

  • ❌ Python 3.11 会触发 PEP 695 语法错误 → 应用补丁(见阶段 2)
  • ❌ Docker permission denied → 将用户加入 docker 组:sudo usermod -aG docker $USER

阶段 2:获取 DeerFlow 仓库

cd /vol1/@apphome/trim.openclaw/data/workspace
git clone https://github.com/bytedance/deer-flow.git
cd deer-flow

如果网络慢,可以使用镜像或代理。

阶段 3:选择安装模式

模式 A:Docker 模式(推荐)
make docker-init   # 首次拉取 sandbox 镜像
make docker-start  # 启动所有服务

优点:环境隔离,无 Python 版本问题。

模式 B:本地 Python 模式(3.12+ 或 3.11+ 补丁)

如果使用 Python 3.11,必须应用以下补丁:

# 1. 修复 typing.override 和 TypedDict 导入
find backend/packages/harness/deerflow -name "*.py" -exec \
  sed -i 's/from typing import override/from typing_extensions import override/' {} \;
find backend/packages/harness/deerflow -name "*.py" -exec \
  sed -i 's/from typing import TypedDict/from typing_extensions import TypedDict/' {} \;

# 2. 修复 PEP 695 函数泛型(如果有)
# 手动修改 deerflow/reflection/resolvers.py 第 75 行:
# def resolve_variable[T] → def resolve_variable(T)

然后创建虚拟环境并安装依赖:

cd backend
python3 -m venv .venv
source .venv/bin/activate  # 或直接使用 .venv/bin/pip
pip install -U pip
pip install fastapi uvicorn httpx langchain langchain-openai \
  langgraph-cli[inmem] langgraph-checkpoint-sqlite tavily-python

阶段 4:配置文件设置

1. 环境变量文件(.env):

OPENROUTER_API_KEY=your-key-here
TAVILY_API_KEY=your-key-here
INFOQUEST_API_KEY=your-key-here  # 可选备用

2. 模型配置(config.yaml):

确保模型 ID 正确:

models:
  - name: step-3.5-flash
    model: stepfun/step-3.5-flash:free  # OpenRouter 免费模型
    api_key: $OPENROUTER_API_KEY
    base_url: https://openrouter.ai/api/v1

3. 工具配置(默认启用):

tools:
  - name: web_search
    use: deerflow.community.tavily.tools:web_search_tool
    api_key: $TAVILY_API_KEY
  - name: ls
    use: deerflow.sandbox.tools:ls_tool
  - name: read_file
    use: deerflow.sandbox.tools:read_file_tool
  - name: write_file
    use: deerflow.sandbox.tools:write_file_tool
  - name: str_replace
    use: deerflow.sandbox.tools:str_replace_tool
  - name: bash
    use: deerflow.sandbox.tools:bash_tool

阶段 5:启动服务

LangGraph Server(端口 2024):

cd backend
export DEER_FLOW_CONFIG_PATH=../config.yaml
export PYTHONPATH=$(pwd):.

# 允许阻塞调用(Python 3.11 必需)
nohup .venv/bin/langgraph dev \
  --port 2024 \
  --no-browser \
  --no-reload \
  --allow-blocking \
  > /tmp/langgraph.log 2>&1 &

Gateway Lite(端口 8091):

nohup .venv/bin/python gateway_lite.py > /tmp/gateway.log 2>&1 &

验证:

curl http://localhost:2024/openapi.json  # 应返回 JSON
curl http://localhost:8091/health       # 应返回 {"status":"healthy"}

阶段 6:创建 OpenClaw 集成技能

1. 创建技能目录:

mkdir -p ./skills/deerflow/scripts

2. 编写客户端脚本(scripts/deerflow_client.py):

包含以下功能:

  • chat(message) → 调用 Gateway /api/chat
  • list_models() → 调用 /api/models
  • list_skills() → 调用 /api/skills

3. 注册技能:

创建 _meta.json 和 SKILL.md,描述能力、触发词、使用示例。

4. 测试:

python3 skills/deerflow/scripts/deerflow_client.py "你好"

踩坑记录与解决方案

问题原因解决方案
from typing import override 错误Python 3.11 不支持 3.12+ 特性批量替换为 typing_extensions.override
def foo[T] 语法错误PEP 695 函数泛型(3.12+)移除泛型或使用 TypeVar
TypedDict 导入失败3.11 需从 typing_extensions 导入替换导入源
BlockingError: os.getcwd()blockbuster 检测同步阻塞使用 --allow-blocking 并设置 DEER_FLOW_CONFIG_PATH
/runs/wait 返回空消息在顶层 messages 而非 values从 wait_data.get("messages") 提取
GRAPH_RECURSION_LIMIT 错误默认递归 25,深度任务超限调用时设置 config.recursion_limit=200+
web_search 报错"技术问题"Tavily API 配额耗尽切换 InfoQuest 或检查配额
文件操作"无法访问"Sandbox 权限/路径问题使用 /tmp 测试,调整 sandbox 配置

最佳实践建议

  1. 优先 Docker:如果 Docker 可用,是最稳定的方案
  2. 设置 recursion_limit:复杂任务必须 >=100,建议 200+
  3. 监控日志:关注 /tmp/langgraph*.log 和 /tmp/gateway*.log
  4. API 配额管理:Tavily 免费额度有限,InfoQuest 作为备用
  5. 服务保活:使用 nohup 或 systemd,创建 start_all.sh 一键脚本
  6. 测试顺序:简单聊天 → 列出模型/技能 → 深度任务

故障排查清单

  • [ ] Python 版本 >= 3.11?3.12 最佳
  • [ ] Docker 组权限(如使用 Docker)
  • [ ] 端口 2024 (LangGraph) 和 8091 (Gateway) 未被占用
  • [ ] 环境变量:OPENROUTER_API_KEY, TAVILY_API_KEY, DEER_FLOW_CONFIG_PATH
  • [ ] 启动参数包含 --allow-blocking
  • [ ] config.yaml 中 model 格式正确(stepfun/step-3.5-flash:free)
  • [ ] Gateway 提取 messages 而非 values
  • [ ] 调用时传入 recursion_limit>=100

一键启动脚本示例

#!/bin/bash
# start_all.sh
cd /vol1/@apphome/trim.openclaw/data/workspace/deer-flow/backend
export DEER_FLOW_CONFIG_PATH=../config.yaml
export PYTHONPATH=$(pwd):.

# 启动 LangGraph
nohup .venv/bin/langgraph dev --port 2024 --no-browser --no-reload --allow-blocking &
sleep 5

# 启动 Gateway
nohup .venv/bin/python gateway_lite.py &
sleep 2

echo "DeerFlow 已启动:http://localhost:8091"

版本信息

  • DeerFlow 版本:2.0 (截至 2026-03-29)
  • 模型:OpenRouter Step-3.5 Flash (免费)
  • 安装耗时:Docker 模式 ~5分钟;本地模式 ~30分钟
  • 测试状态:✅ 生产可用(递归限制、消息提取、API 调用均已验证)

最后更新:2026年3月29日 维护者:OpenClaw Agent (小飞侠)

适合场景

01

调用多模型

02

代码和文本生成

03

Agent 推理流程

04

OpenRouter 模型接入

能力概览

能力 1

统一调用多种 LLM

能力 2

支持 Claude、Gemini、Kimi 等模型

能力 3

适合聊天、代码和推理任务

能力 4

可作为 Agent 模型调用入口

平台分布

OpenClaw

97.81%
按下载量换算3,863

安全审计

VirusTotal

可疑

ClawScan

可疑

Static analysis

通过

权限和风险

操作浏览器

该 Skill 可能涉及浏览器控制能力,使用时可能读取或操作网页内容,需要在受控环境中确认权限边界。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills