GitHub-радар
DeerFlow: команда ИИ-агентов берёт твою задачу под работу
DeerFlow — бесплатный инструмент с открытым кодом от ByteDance, который запускает сразу несколько ИИ-агентов на одну задачу: один ищет информацию в интернете, другой пишет и выполняет код, третий проверяет результат. После установки у тебя на компьютере появится веб-страница, где ты ставишь задачу и смотришь, как агенты доводят её до конца сами.
Это инструмент-дирижёр для ИИ-агентов: сам он не «умный», а распределяет работу между несколькими агентами и даёт им общую память, чтобы прогресс не терялся между сессиями.
Когда пригодится
Пригодится, если задаче нужны одновременно поиск, код и проверка результата без твоего постоянного контроля. Не нужен для простой задачи, которую решает один агент, или если нет платных ключей к LLM.
Плюсы
- Несколько агентов работают параллельно, а не по очереди
- Общая память между сессиями — прогресс не теряется
- Работает с OpenAI, Anthropic, Gemini, DeepSeek и другими провайдерами
- 82 000+ звёзд на GitHub и 1 место в трендах
Минусы
- Нужны платные API-ключи от LLM-провайдера, бесплатного интеллекта тут нет
- Сам по себе не заменяет полноценного кодинг-агента вроде Claude Code
Как поставить — по шагам
- 1Открой своего ИИ-агента (Claude Code, Codex) в отдельной папке проекта.
- 2Отправь агенту текст из блока ниже — он клонирует репозиторий и настроит Docker.
- 3Скажи агенту, какой LLM-провайдер и API-ключи ты хочешь использовать.
- 4Дождись, пока агент поднимет контейнеры и откроет веб-страницу на localhost в браузере.
- 5Проверь интерфейс: поставь тестовую задачу и посмотри, как агенты её выполняют.
- 6Для постоянной работы проверь, что у тебя есть Docker и хотя бы 16 ГБ оперативки.
Текст для агента
Текст для шага с агентом — скопируй и отправь (Claude Code, Codex, любой):
Помоги мне поднять DeerFlow отсюда: https://github.com/bytedance/deer-flow — клонируй репозиторий, следуй файлу Install.md, выбери Docker, спроси меня, какой LLM-провайдер и API-ключи есть, и открой веб-интерфейс на localhost. Спроси, если нужны уточнения.
Нужен Docker и от 8 ГБ оперативки — MacBook на M-чипе справится для тестов. Для постоянной работы рекомендуется 16 ГБ и более.
Открыть на GitHub▌ Ещё находки