DeerFlow
DeerFlow: la infraestructura que sostiene un agente de larga duración
Comprende el agente principal, las habilidades, la memoria, las herramientas y los límites del entorno antes de confundir una respuesta fluida con una tarea terminada.
Qué aprenderás
- Un entorno de ejecución, no otro modelo fundacional
- Responsabilidades que conviene separar
- Lee el motivo de parada además de la respuesta
Antes de empezar
- Conceptos básicos de Python, HTTP y contenedores
- Una tarea propia con criterios de aceptación
Explica el límite de implementación y aplica la lista o el ejercicio aislado del capítulo.
Conclusiones clave
- La infraestructura coordina la ejecución alrededor del modelo.
- Habilidades, autorización y aislamiento tienen funciones distintas.
- Una ejecución detenida puede dejar una tarea incompleta.
Un entorno de ejecución, no otro modelo fundacional
DeerFlow coordina llamadas al modelo, herramientas, habilidades, memoria y trabajo delegado. El paquete de backend inspeccionado declara la versión 2.1.0 y Python 3.12 o posterior; el repositorio incluye una licencia MIT. El modelo aporta razonamiento y texto, mientras la infraestructura administra la ejecución que lo rodea. Cambiar de modelo no elimina la necesidad de configurar permisos, persistencia y límites operativos.
Imagina una investigación autorizada que lee archivos suministrados y prepara un informe. El resultado útil es un archivo comprobado con afirmaciones trazables, no solamente un plan o el último mensaje del chat. DeerFlow ofrece mecanismos para avanzar mediante varias llamadas, pero el operador todavía debe definir los criterios de aceptación y la política de acciones externas.
Responsabilidades que conviene separar
El constructor del agente principal reúne las herramientas y los middlewares de una ejecución. La activación de habilidades aporta instrucciones; la política de herramientas limita las capacidades de la habilidad activa; el contexto duradero captura resultados delegados y habilidades cargadas antes del resumen. El código trata estas responsabilidades por separado: descubrir una habilidad no equivale a activar su política de ejecución.
El Gateway expone la API de la aplicación y aloja la ejecución activa. La composición de producción lo conecta con el frontend, nginx y Redis. Redis ayuda a entregar eventos entre procesos, pero el archivo advierte que la cancelación, la deduplicación y ciertos servicios de canales siguen siendo locales al proceso. Un diagrama debe mostrar esa propiedad del estado, no presentar Redis como solución universal.
Lee el motivo de parada además de la respuesta
Una ejecución puede terminar por éxito, repetición de herramientas, presupuesto de tokens o límites del proveedor. El constructor instala protecciones distintas para varios de esos resultados. El detector de bucles elimina llamadas pendientes y expone un motivo de parada al invocador; una respuesta legible no demuestra que la tarea original haya superado su revisión.
La serie se basa en un commit fijo, no en una versión supuestamente actual para todas las instalaciones. Ejecutamos funciones Python puras de normalización, huellas y almacenamiento acotado, pero no iniciamos el Gateway completo, llamamos a un modelo de pago ni construimos un entorno aislado. Las instrucciones de despliegue y carga se identifican como comprobaciones propuestas, no como resultados de producción.
Pasos de implementación
- 1
Define un archivo entregable y sus criterios de aceptación.
- 2
Asigna un permiso explícito a cada acción externa.
- 3
Registra la calidad del resultado y el motivo de parada.
Ejemplo para copiar
{"task":"resumir documentos propios de prueba","acceptance":["afirmaciones con fuentes","archivo accesible","sin escrituras externas"],"modelCallsExecuted":0,"fullRuntimeExecuted":false}Preguntas frecuentes
¿DeerFlow es un modelo de lenguaje?
No. Conecta modelos con capacidades de ejecución, contexto y administración de herramientas.
¿Una ejecución completada garantiza un informe correcto?
No. Revisa su motivo de parada y comprueba el archivo según los requisitos de la tarea.
Fuentes
- README.mdFuente verificada 2026-09-08
- LICENSEFuente verificada 2026-09-08
- backend/README.mdFuente verificada 2026-09-08
- backend/pyproject.tomlFuente verificada 2026-09-08
- backend/docs/middleware-execution-flow.mdFuente verificada 2026-09-08
- backend/packages/harness/deerflow/agents/lead_agent/agent.pyFuente verificada 2026-09-08
- backend/packages/harness/deerflow/agents/middlewares/loop_detection_middleware.pyFuente verificada 2026-09-08
- backend/packages/harness/deerflow/agents/middlewares/_bounded_dict.pyFuente verificada 2026-09-08
- backend/packages/harness/deerflow/config/loop_detection_config.pyFuente verificada 2026-09-08
- backend/packages/harness/deerflow/sandbox/local/local_sandbox_provider.pyFuente verificada 2026-09-08
- backend/app/gateway/auth_middleware.pyFuente verificada 2026-09-08
- backend/app/gateway/csrf_middleware.pyFuente verificada 2026-09-08
- docker/docker-compose.yamlFuente verificada 2026-09-08