前段時(shí)間各家龍蝦該上場(chǎng)的基本都亮相了，世超也是順便用了個(gè)爽，但最近又琢磨出個(gè)新問(wèn)題：

這些大廠出品的“龍蝦”雖然好上手又穩(wěn)定，但閉源的總顯得沒(méi)那么自由。而原版的 OpenClaw 雖然是開(kāi)源的，但個(gè)人維護(hù)，又沒(méi)有那么穩(wěn)定，屬于一個(gè)大更新干掉一批插件的那種。

咋就不能像個(gè)成年人一樣的全都要呢？

誒，就在這一堆產(chǎn)品中，給世超瞄見(jiàn)了一個(gè)走開(kāi)源路子但大廠出品的項(xiàng)目：字節(jié)的“DeerFlow”，GitHub 上將近 6 萬(wàn)顆星星，已經(jīng)迭代到 2.0 版本了。

這回終于不是水里游的蝦了，上手把玩了幾圈兒后，只能說(shuō)，這只地上跑的鹿味道確實(shí)挺獨(dú)特的。

咱先來(lái)個(gè)綜合任務(wù)開(kāi)開(kāi)胃，看看它的處理邏輯是怎么樣的，能不能像普通龍蝦那樣靈活的使用工具作為手腳。

圖源小紅書(shū)作者：想看演唱會(huì)

正好前段時(shí)間杭州的櫻花開(kāi)了，綠化帶里還有很多郁金香，干脆讓它梳理一下杭州綠化的常見(jiàn)花卉種類(lèi)和花期。

能看出來(lái)，對(duì)于這種簡(jiǎn)單的任務(wù)，它不會(huì)過(guò)度調(diào)度工具，網(wǎng)絡(luò)搜索一些信息后，就直接匯總了一份質(zhì)量尚可的報(bào)告。

里面花卉科普，綠化標(biāo)準(zhǔn)，觀賞指南乃至可視化都可圈可點(diǎn)，算是繼承了上一代“深度調(diào)研”的優(yōu)良傳統(tǒng)。

接著稍微升級(jí)一下任務(wù)，讓它盡可能多的調(diào)用工具，試著搭建一個(gè)用于展示的網(wǎng)頁(yè)，要求主題相關(guān)，務(wù)必花里胡哨。

嘿，你別說(shuō)，不看別的，就這滿(mǎn)屏飄落的花瓣就有內(nèi)味道了，沒(méi)有什么多余的冗余分析，快速的拆分任務(wù)后，幾個(gè) Agent 按部就班的就把網(wǎng)頁(yè)搓出來(lái)了，該有的信息展示也都有。

而且整個(gè)任務(wù)消耗才 15 萬(wàn) token，作為對(duì)比，同樣的模型，同樣的提示詞，默認(rèn)配置下的 OpenClaw 差不多的效果要燒掉整整 30 萬(wàn)。

這就是大廠調(diào)教帶來(lái)的優(yōu)勢(shì)了，工程管理這塊兒確實(shí)能減輕點(diǎn) Token 賬單的負(fù)擔(dān)。

其實(shí)，這次用的 DeerFlow 2.0 相比之前的 1.0 算是一次脫胎換骨的升級(jí)，代碼沒(méi)有一點(diǎn)共用的，整個(gè)都重寫(xiě)了，如果說(shuō)以前是專(zhuān)精深度研究的專(zhuān)家，那現(xiàn)在更像是多層架構(gòu)的任務(wù)執(zhí)行引擎。

說(shuō)大白話就是一套成品方案，用來(lái)調(diào)遣組合 Agent 幫你干活兒。

跟隨叫隨到的龍蝦不同，它不太像呆在聊天框里什么都會(huì)點(diǎn)兒的管家，更像是一位專(zhuān)事專(zhuān)辦的天選打工人，任務(wù)優(yōu)先。

圖源 X 用戶(hù)：Gorden Sun

所以咱直接對(duì)號(hào)入座，看看怎么個(gè)任務(wù)優(yōu)先法，觀察一下多 Agent 協(xié)作的效果如何。

恰巧前些天 NASA 剛發(fā)射載人繞月的飛船，給世超羨慕的不行，這星辰大海的誰(shuí)不想去看看，這回交給 DeerFlow，看它有沒(méi)啥辦法送咱登月。

一開(kāi)始可能是提示詞不夠明確，它想走捷徑坐商業(yè)化的飛船，小幽默了一下，然后拒絕了。那怎么行，咱這回可是認(rèn)真的。

果然，沒(méi)有嘻嘻哈哈后，它就轉(zhuǎn)變畫(huà)風(fēng)開(kāi)始調(diào)用技能包干活了，搜索分析可視化，十八般武藝都上陣了。

就結(jié)果來(lái)看，怎么說(shuō)呢，太中規(guī)中矩了，由于難度有點(diǎn)高，報(bào)告基本就是把搜索的資料走馬觀花了一下，而且子 Agent 也就調(diào)用了一個(gè)，多少有點(diǎn)敷衍。

這里也能看出，雖然模型本身的性能決定了結(jié)果的上限，但這些工程化的調(diào)用手段才是保證活兒能跑通的底座。

在這方面，OpenClaw 這種個(gè)人項(xiàng)目往往激進(jìn)一些，但大廠的調(diào)教會(huì)更偏向保守和穩(wěn)妥，拆解和規(guī)劃并不會(huì)上來(lái)就指派一大群 Agent 去干活兒。

當(dāng)然咱不能止步于此，還得再壓榨壓榨，看看長(zhǎng)線任務(wù)他到底能不能跑通。

一番解釋后，主 Agent 終于意識(shí)到了事情的嚴(yán)重性，開(kāi)始將任務(wù)拆分為更細(xì)的子任務(wù)，交給不同的 Agent 去完成，有資本積累，技術(shù)路線，商業(yè)市場(chǎng)，法律監(jiān)管以及身體醫(yī)學(xué)共 5 個(gè)部分。

在跑了半個(gè)小時(shí)，燒掉 150 萬(wàn) Token 后，它終于給出來(lái)一份比較細(xì)的登月企劃書(shū)。

整本計(jì)劃二十萬(wàn)字，內(nèi)容也不是簡(jiǎn)單的拼接，有索引總綱，跨章節(jié)也有交叉引用的地方，能看出來(lái)任務(wù)流程是能跑通的，世超接下來(lái)也就安心去準(zhǔn)備了，2036 年咱就月球見(jiàn)哈。

誒等等，其實(shí)話說(shuō)回來(lái)，看著能跑通其實(shí)不一定內(nèi)容就真的妥當(dāng)，當(dāng)然咱不是說(shuō)按著計(jì)劃不能上天就算它失敗了，而是內(nèi)容本身其實(shí)還有不小的問(wèn)題。

比如隨便打開(kāi)一篇文章，就能發(fā)現(xiàn)，除了目錄文檔，剩下的章節(jié)內(nèi)容雖然十分詳實(shí)，但語(yǔ)言卻是英文的。

原因也好理解，就是在如此龐大的上下文任務(wù)中，光是輸出就有 20 萬(wàn)字，全都一次性塞進(jìn)模型是不現(xiàn)實(shí)的，會(huì)直接把上下文窗口給擠爆，所以依托 DeerFlow 的調(diào)教進(jìn)行內(nèi)容的管理和壓縮才是更合理的解決方案。

而顯然，這里的默認(rèn)調(diào)教還是英文推理加中文顯示，所以在一些環(huán)節(jié)就容易出現(xiàn)輸出語(yǔ)言?xún)A向的混亂。

后面世超又讓它根據(jù)企劃書(shū)中的航天技術(shù)章節(jié)生成了一份 PPT，結(jié)果消耗的 Token 比整個(gè)調(diào)研過(guò)程都多。

不過(guò)雖然從效果來(lái)看沒(méi)有特別突出，但一些任務(wù)執(zhí)行上的選擇倒是比較成熟。

尤其是在隔離沙箱中執(zhí)行，一些操作的權(quán)限它沒(méi)有，但此時(shí)進(jìn)程并不會(huì)卡頓停滯，它會(huì)根據(jù)情況或給出方案，或直接跳過(guò)先去干其他活兒，最后再匯報(bào)情況。

這種任務(wù)規(guī)劃的方式雖然容易導(dǎo)致它“摸魚(yú)”，但確實(shí)更可靠一些，不會(huì)陷入死循環(huán)擱那兒空燒 Token。

但說(shuō)了這么多順利執(zhí)行的地方，DeerFlow 真就擺脫了 OpenClaw 的偶爾智障么？

那倒也沒(méi)有，何況龍蝦還有各個(gè)大廠去做降低門(mén)檻的產(chǎn)品，DeerFlow 這個(gè)本來(lái)就是面向開(kāi)發(fā)者的開(kāi)源項(xiàng)目，用起來(lái)反而更麻煩。

比如龍蝦可以在網(wǎng)頁(yè)上配置模型，參數(shù)或者接口，但 DeerFlow 里，就得老老實(shí)實(shí)在滿(mǎn)是代碼的配置文件中自己修改環(huán)境變量。

除此之外，一些小 Bug 也挺影響使用體驗(yàn)的，世超用的時(shí)候，就老是丟失前面的對(duì)話記錄，遇到權(quán)限問(wèn)題，還得反復(fù)回到后臺(tái)去更改設(shè)置，一趟下來(lái)得修修改改的地方還挺多的。

現(xiàn)在的它好比一箱子非常專(zhuān)業(yè)的修理工具，各種型號(hào)的扳手卡鉗一應(yīng)俱全，但實(shí)際上咱日常里可能就是個(gè)擰螺絲的活兒，工具多了反而不好找了。

總的來(lái)說(shuō)，DeerFlow 可玩性確實(shí)很強(qiáng)，各個(gè)部分都能單拿出來(lái)自己修改，但相應(yīng)的使用門(mén)檻也挺高，所以現(xiàn)在并不推薦個(gè)人用戶(hù)去費(fèi)勁鼓搗。

不過(guò)就現(xiàn)在這個(gè)摸著石頭過(guò)河的階段，咱就索性讓這些蝦啊鹿啊在競(jìng)技場(chǎng)里邊戰(zhàn)斗邊進(jìn)化吧，總歸會(huì)角逐出那個(gè)真正能實(shí)際干活兒的賽博帕魯。

撰文：風(fēng)華

編輯：早起 & 江江 & 面線

美編：煥妍

圖片、資料來(lái)源：

Github，小紅書(shū)，X，DeerFlow，網(wǎng)絡(luò)