# DeerFlow Offene Agentenlaufzeit für Recherche, Code und mehrstufige Aufgaben im Eigenbetrieb. Kanonisches Profil: https://ki-agentenkompass.de/agenten/deerflow/ Redaktion: [Michael Meierhoff](https://ki-agentenkompass.de/ueber-mich/) Quellenabgleich: 2026-10-26 Basis: Anbieter-Dokumentation. Praxisbeispiele sind redaktionelle Vorschläge, keine eigenen Produkttests. ## Einordnung Verfügbares Angebot; Zugänge und Voraussetzungen sind im Profil getrennt beschrieben. - Anbieter: ByteDance - Produktfamilie: DeerFlow - Profiltyp: Agentenplattform - Umgebung: Eigener Rechner oder Server - Verbindungen: Unteragenten, Sandbox, Gedächtnis, Skills, Recherche und Code - Einrichtung: Eigene Installation, Modellzugang und konfigurierte Werkzeuge erforderlich. - Kostenmodell: MIT-lizenzierter Quellcode; Modellnutzung und Infrastruktur werden separat finanziert. ## Kernfunktionen ### Unteragenten Komplexe Aufgaben an spezialisierte Unteragenten verteilen. Quelle: https://github.com/bytedance/deer-flow ### Sandbox Werkzeuge in konfigurierten Ausführungsumgebungen betreiben. Quelle: https://github.com/bytedance/deer-flow ### Gedächtnis Kontext über Sitzungen hinweg speichern. Quelle: https://github.com/bytedance/deer-flow ### Skills Arbeitsabläufe durch Skills erweitern. Quelle: https://github.com/bytedance/deer-flow ### Recherche und Code Recherche und Codearbeit mit Werkzeugen kombinieren. Quelle: https://github.com/bytedance/deer-flow ## Redaktionelle Praxisbeispiele ### Unteragenten - Du gibst vor: Komplexe Aufgaben an spezialisierte Unteragenten verteilen. - Mögliches Ergebnis: Ein Arbeitsergebnis zur eigenen Prüfung. - Das prüfst du: Ergebnisse und Schreibaktionen vor der Übernahme fachlich prüfen. ### Sandbox - Du gibst vor: Werkzeuge in konfigurierten Ausführungsumgebungen betreiben. - Mögliches Ergebnis: Ein Arbeitsergebnis zur eigenen Prüfung. - Das prüfst du: Ergebnisse und Schreibaktionen vor der Übernahme fachlich prüfen. ## Voraussetzungen und Grenzen ### Einrichtung Voraussetzung: Eigene Installation, Modellzugang und konfigurierte Werkzeuge erforderlich. Quelle: https://github.com/bytedance/deer-flow ### Nutzungskosten Einschränkung: MIT-lizenzierter Quellcode; Modellnutzung und Infrastruktur werden separat finanziert. Quelle: https://github.com/bytedance/deer-flow ### Ergebnisqualität Noch offen: Ergebnisse und Schreibaktionen vor der Übernahme fachlich prüfen. Quelle: https://github.com/bytedance/deer-flow ## Passt, wenn … - du eine Agentenlaufzeit selbst mit Docker oder lokal betreiben möchtest - du Aufgaben über Slack, Telegram oder Feishu anstoßen möchtest - du Läufe mit LangSmith oder Langfuse nachverfolgen möchtest ## Passt eher nicht, wenn … - du ein gehostetes Angebot mit Support und Servicevertrag suchst - du dokumentierte Freigaben vor jeder Schreibaktion voraussetzt Redaktionelle Einschätzung auf Basis der Anbieterangaben. Kein Produkttest. ## Nutzbare KI-Modelle Frei wählbar DeerFlow bringt kein festes Modell mit, du trägst Anbieter und Schlüssel selbst ein, in der Konfiguration oder über Vorlagen in der Weboberfläche. Das geht für OpenAI, Anthropic, Gemini, DeepSeek, Qwen, Kimi, MiniMax, GLM und Doubao, für OpenRouter und jeden OpenAI-kompatiblen Endpunkt. Lokal laufen Ollama, llama.cpp und vLLM, auch die CLIs von Codex und Claude Code lassen sich anbinden. - Genannte Modellfamilien: OpenAI (GPT), Anthropic (Claude), Google (Gemini), DeepSeek, Alibaba (Qwen), Moonshot (Kimi), MiniMax, Z.ai (GLM), Eigenes Modell · Weitere Modelle frei anbindbar - Modellwahl: Du wählst - Eigener API-Schlüssel: Ja - Router oder eigener Endpunkt: Ja - Lokale Modelle: Ja Belegt · Quellen abgerufen am: 2026-11-05 - [DeerFlow: README](https://raw.githubusercontent.com/bytedance/deer-flow/main/README.md) - [DeerFlow: config.example.yaml](https://raw.githubusercontent.com/bytedance/deer-flow/main/config.example.yaml) ## Europa & regionale Verfügbarkeit Installation und Anbieterzugang getrennt betrachten. Eine vollständige regionale Funktionsmatrix ist nicht veröffentlicht. Geprüfter Umfang: Produktzugang in Deutschland und der EU Sichtung am: 2026-10-26 ### Zugang und verbundene Dienste Mit Voraussetzungen Eigene Installation, Modellzugang und konfigurierte Werkzeuge erforderlich. Betroffene Region: Deutschland / EU Belegter Grund: Die geprüften Quellen belegen keine konkrete Sperre aufgrund von AI Act, DMA oder DSGVO. Modell- und Dienstzugänge hängen von Land und Vertrag ab. Offizielle Quelle: https://github.com/bytedance/deer-flow ## Konten & Berechtigungen Angaben aus Anbieter-Dokumentation. Rechte hängen von Konto, Integration und Organisationsrichtlinien ab. Prüfe vor dem Einsatz die tatsächlich angeforderten Berechtigungen. Betrachtete Konfiguration: Selbst betriebenes DeerFlow aus dem Open-Source-Repository Quellenstand: 2026-11-05 ### Verwendetes Konto Dokumentiert: Modelle trägst du in config.yaml ein und verweist für Schlüssel auf Umgebungsvariablen. Im Modellkatalog gespeicherte Zugangsdaten werden mit einem Schlüssel aus DEER_FLOW_CREDENTIALS_KEY verschlüsselt. Lokale Logins nutzen ein JWT-Secret, fehlgeschlagene Anmeldungen werden pro IP gedrosselt. Nachweis: https://github.com/bytedance/deer-flow/blob/main/backend/docs/CONFIGURATION.md Nachweis: https://github.com/bytedance/deer-flow/blob/main/Install.md ### Admin-Freigabe Bedingt dokumentiert: Einzelne Funktionen sind Administratoren vorbehalten: Das Aktivieren und Deaktivieren von Skills, die Plugin-Diagnose und die Verwaltung des gemeinsamen Modellkatalogs. Eine Freigabe durch einen Anbieter erwähnen die Seiten nicht. Nachweis: https://github.com/bytedance/deer-flow/blob/main/backend/README.md Nachweis: https://github.com/bytedance/deer-flow/blob/main/backend/docs/CONFIGURATION.md ### Datenzugriff & Teamfreigaben Bedingt dokumentiert: Der lokale Sandbox-Anbieter hat die Shell standardmäßig deaktiviert; für isolierten Shell-Zugriff gibt es den Docker-Anbieter. Der lokale Modus läuft laut Konfigurationsdokumentation direkt auf dem Host und ist keine starke Isolationsgrenze. Nachrichtenkanäle sind Feishu, Slack und Telegram. Nachweis: https://github.com/bytedance/deer-flow/blob/main/backend/README.md Nachweis: https://github.com/bytedance/deer-flow/blob/main/backend/docs/CONFIGURATION.md ## Preise und enthaltene Nutzung Preisstand: 2026-10-26 MIT-lizenzierter Quellcode; Modellnutzung und Infrastruktur werden separat finanziert. MIT-lizenzierter Quellcode; Modellnutzung und Infrastruktur werden separat finanziert. Preise und Tarifdetails: https://github.com/bytedance/deer-flow ## Betrieb & Betreuungsbedarf Basis: öffentliche Anbieter-Dokumentation. Einschätzungen sind redaktionelle Ableitungen aus den genannten Eigenschaften. Tatsächlicher Zeitaufwand und Zuverlässigkeit wurden nicht gemessen. Betrachtete Betriebsform: Selbst betriebene Instanz mit Gateway, Docker- oder lokalem Betrieb Quellenstand: 2026-11-05 ### Dateien und Arbeitsstand Bedingt dokumentiert: Anwendungstabellen für Läufe, Threads und Laufereignisse liegen in SQLite oder Postgres. Aus Gesprächen extrahiert das Gedächtnis Fakten und Präferenzen in eine JSON-Datei und spielt wichtige davon in Prompts ein. Die Sandbox gilt pro Thread. Nachweis: https://github.com/bytedance/deer-flow/blob/main/backend/README.md ### Anmeldungen In geprüften Quellen offen: Die geprüfte Konfigurationsseite nennt keine Gültigkeitsdauer für Sitzungen oder Dienstverbindungen. Im verwalteten Modellkatalog schlägt ein fehlender oder falscher Schlüssel geschlossen fehl; andere gespeicherte Werte gelten dann als fehlend. Nachweis: https://github.com/bytedance/deer-flow/blob/main/backend/docs/CONFIGURATION.md ### Start weiterer Läufe Bedingt dokumentiert: Die Backend-README nennt Nachrichtenkanäle (Feishu, Slack, Telegram) als Zugang. Die Konfigurationsdokumentation erwähnt einen Scheduler, der Benachrichtigungen an verbundene Kanäle sendet; wie Zeitpläne angelegt werden, steht dort nicht. Nachweis: https://github.com/bytedance/deer-flow/blob/main/backend/README.md Nachweis: https://github.com/bytedance/deer-flow/blob/main/backend/docs/CONFIGURATION.md ### Menschliche Eingriffe Bedingt dokumentiert: Ein ask_clarification-Werkzeug lässt den Agenten Rückfragen stellen; eine Middleware unterbricht dann die Ausführung. Eine allgemeine Freigabe vor Schreibaktionen nennt die Backend-README nicht. Nachweis: https://github.com/bytedance/deer-flow/blob/main/backend/README.md ### Fehler erkennen Bedingt dokumentiert: LangSmith und Langfuse lassen sich für Tracing nutzen; ist ein Anbieter ausdrücklich aktiviert und die Zugangsdaten sind ungültig, löst DeerFlow einen Fehler aus statt Tracing still abzuschalten. Ein Endpunkt liefert Debug- und Audit-Ereignisse je Lauf. Nachweis: https://github.com/bytedance/deer-flow/blob/main/backend/README.md ### Nach Fehlern fortsetzen Bedingt dokumentiert: Nach unerwartetem Ende eines Sandbox-Containers verwirft der Docker-Anbieter den toten Eintrag, sodass ein Thread eine neue Sandbox bekommt. Dauerhafte Batch-Aufgaben behalten ihre Lease während Initialisierung, Ausführung und Abnahmeprüfung. Das Fortsetzen unterbrochener Läufe beschreibt die README nicht. Nachweis: https://github.com/bytedance/deer-flow/blob/main/backend/README.md ### Redaktionelle Einschätzung Du betreibst Datenbank, Schlüssel und Tracing selbst. Eine allgemeine Freigabe vor Schreibaktionen nennt die Backend-README nicht, beschränke also Werkzeugrechte und prüfe Ergebnisse selbst. ## Gedächtnis und Gesprächskontinuität Geltungsbereich: Öffentlicher main-Stand; austauschbare Memory-Backends Quellen abgerufen: 2026-11-04 Automatisch extrahierte Fakten mit Scope-Prüfung, verwaltbaren Einträgen und Backend-Auswahl. ### Speicherort und Umfang Belegt: Das Backend-README beschreibt strukturierten Nutzerkontext, Historie und bewertete Fakten in JSON. Neuere Backends sind austauschbar; Speicher hängt vom konfigurierten Manager ab. - [DeerFlow backend README](https://github.com/bytedance/deer-flow/blob/main/backend/README.md) - [Memory API implementation](https://github.com/bytedance/deer-flow/blob/main/backend/app/gateway/routers/memory.py) - [Memory backends](https://github.com/bytedance/deer-flow/blob/main/backend/packages/harness/deerflow/agents/memory/backends/README.md) ### Auswahl und Speicherzeitpunkt Belegt: Middleware extrahiert dauerhafte Nutzerfakten automatisch und bündelt Aktualisierungen mit konfigurierbarer Wartezeit. Scope- und Konfidenzprüfungen begrenzen Übernahmen. - [DeerFlow backend README](https://github.com/bytedance/deer-flow/blob/main/backend/README.md) - [Memory API implementation](https://github.com/bytedance/deer-flow/blob/main/backend/app/gateway/routers/memory.py) - [Memory backends](https://github.com/bytedance/deer-flow/blob/main/backend/packages/harness/deerflow/agents/memory/backends/README.md) ### Einsicht, Bearbeiten und Löschen Belegt: Die API liest, erstellt, aktualisiert und löscht Fakten sowie den Gesamtbestand. Unterstützung einzelner Verwaltungsoperationen hängt vom Memory-Backend ab. - [DeerFlow backend README](https://github.com/bytedance/deer-flow/blob/main/backend/README.md) - [Memory API implementation](https://github.com/bytedance/deer-flow/blob/main/backend/app/gateway/routers/memory.py) - [Memory backends](https://github.com/bytedance/deer-flow/blob/main/backend/packages/harness/deerflow/agents/memory/backends/README.md) ### Agenten- und Kanalgrenzen Belegt: API-Zugriffe lösen eine Nutzeridentität auf; automatische globale Übernahme verlangt dauerhafte Nutzerfakten. Aufgaben- oder Projektfakten werden dabei ausgesondert. - [DeerFlow backend README](https://github.com/bytedance/deer-flow/blob/main/backend/README.md) - [Memory API implementation](https://github.com/bytedance/deer-flow/blob/main/backend/app/gateway/routers/memory.py) - [Memory backends](https://github.com/bytedance/deer-flow/blob/main/backend/packages/harness/deerflow/agents/memory/backends/README.md) ### Wiederabruf Belegt: Dokumentiert ist Prompt-Injektion wichtiger Fakten und Kontexte. Austauschbare Backends können search bereitstellen; das gewählte Betriebsmodell bestimmt den Abruf. - [DeerFlow backend README](https://github.com/bytedance/deer-flow/blob/main/backend/README.md) - [Memory API implementation](https://github.com/bytedance/deer-flow/blob/main/backend/app/gateway/routers/memory.py) - [Memory backends](https://github.com/bytedance/deer-flow/blob/main/backend/packages/harness/deerflow/agents/memory/backends/README.md) ### Session-Reset und Compaction Teilweise belegt: Memory ist gesprächsübergreifend; summarization konfiguriert separat die Kontextzusammenfassung. Reset und Erhalt sind je gewähltem Backend zu beurteilen. - [DeerFlow backend README](https://github.com/bytedance/deer-flow/blob/main/backend/README.md) - [Memory API implementation](https://github.com/bytedance/deer-flow/blob/main/backend/app/gateway/routers/memory.py) - [Memory backends](https://github.com/bytedance/deer-flow/blob/main/backend/packages/harness/deerflow/agents/memory/backends/README.md) ## Rahmen Ergebnisse und Schreibaktionen vor der Übernahme fachlich prüfen. Offizielle Quellen geprüft. Beispielaufträge sind redaktionelle Vorschläge; eigene Praxistests stehen aus. ## Offene Punkte Voraussetzungen und Grenzen, noch offen: - Ergebnisqualität ## Quellen - https://github.com/bytedance/deer-flow ## Anbieter Offene Agentenlaufzeit für Recherche, Code und mehrstufige Aufgaben im Eigenbetrieb. - Betreiber: ByteDance - Organisation: Anbieter - Website: https://github.com/bytedance/deer-flow - Stand: 2026-10-26 - Anbieterquelle: https://github.com/bytedance/deer-flow [Quellen und Methode](https://ki-agentenkompass.de/quellen/)