deerflow / source-reading ZH → EN

DeerFlow 2.0 · 工程源码手记

从一句话到一次 Agent 运行

我们不按文件夹读源码，而是跟着一次真实请求往下走。源码很多，主线只有一条——我们就沿着它一路读到底。

主线 · 9 站 · 已发布 9 篇

  1. 01 01

    请求入口与 Run 托管

    把用户输入托管成可观察、可控制的 run

    进入图执行前，Gateway 会先把请求登记成有生命周期、上下文、事件流和断连策略的运行单元。

    阅读本篇 →
  2. 02 02

    lead-agent 工厂

    把配置装配成可运行的 agent 图

    图工厂把模型、工具、中间件、prompt 和状态结构装配成一张能运行的图；推理发生在后续的图执行阶段。

    阅读本篇 →
  3. 03 03

    工具装配

    工具注册了，不代表这次 agent 就能用

    工具注册完成后不会全部开放；一次 run 能动用哪些外部能力，要经过配置、模型、沙箱、skill 和 MCP 策略共同收敛。

    阅读本篇 →
  4. 04 04

    中间件管线(上)· 模型调用前的运行时准备

    模型调用前，middleware 先建立上下文、资源和协议边界

    模型调用前，DeerFlow 会把目录、沙箱、上传、记忆和消息协议整理成模型可以安全消费的运行时上下文。

    阅读本篇 →
  5. 05 05

    中间件管线(下)· 模型输出后的裁决与收尾

    模型输出之后，middleware 负责裁决、工具准入和资源收尾

    模型输出会先经过安全、循环、子 agent 并发、工具边界和资源释放等处理，再决定这轮 run 是否继续。

    阅读本篇 →
  6. 06 06

    沙箱系统

    工具的执行环境

    沙箱定义工具的执行环境和能力边界：它决定 agent 能访问哪些外部资源。

    阅读本篇 →
  7. 07 07

    子 agent 系统

    把复杂子任务委派给受限的完整 agent

    子 agent 会在共享工作现场里启动另一个完整 agent，同时收窄工具、生命周期和结果回流。

    阅读本篇 →
  8. 08 08

    技能系统

    把经验沉淀成 agent 的系统能力

    skill 用来补强 agent 系统能力：把流程、资料、脚本和权限边界打包成可复用单元。

    阅读本篇 →
  9. 09 09

    持久化 · store · checkpointer

    让 agent 的运行记录可恢复、可查询、可审计

    agent 会跨轮次、调用工具并产生副作用。持久化要回答哪些状态能恢复、哪些记录能查询、哪些事实能审计。

    阅读本篇 →

■ 已发布，可阅读　·　□ 计划中