也想看看，像DeerFlow和OpenOcta，OpenClaw这些设计有什么不一样。其实，我试用了几个小时，感觉还是有些小失望的，没有找到其场景定位吧。

1，安装文档

我是建议在linux系统安装，在windows下的试了几次，不好搞定。
文档位置：
https://github.com/bytedance/deer-flow/blob/main/README_zh.md

一个大坑，基于uv更新

在运行make install时，由于我用的是线上服务器，使用uv sync时要到外网，所以速度不可接受。
于是参考网上文档解决，使用uv时，也使用国内镜像。这个点卡了我一天。
https://www.cnblogs.com/ymtianyu/p/19361370

uv会读取项目目录下的pyproject.toml中的配置。你可以添加：

# 在 pyproject.toml 中添加
[[tool.uv.index]]
url="https://pypi.tuna.tsinghua.edu.cn/simple"
default=true

看看样子

{029EC0E4-BB02-40E2-AC3B-ED1A0FA45BBE}.png

这个client的Python库，我觉得有点粗糙了。

DeerFlow 也可以作为内嵌的 Python 库使用，不必启动完整的 HTTP 服务。DeerFlowClient 提供了进程内的直接访问方式，覆盖所有 agent 和 Gateway 能力，返回的数据结构与 HTTP Gateway API 保持一致：

from deerflow.client import DeerFlowClient

client = DeerFlowClient()

# Chat
response = client.chat("Analyze this paper for me", thread_id="my-thread")

# Streaming（LangGraph SSE 协议：values、messages-tuple、end）
for event in client.stream("hello"):
    if event.type == "messages-tuple" and event.data.get("type") == "ai":
        print(event.data["content"])

# 配置与管理：返回值与 Gateway 对齐的 dict
models = client.list_models()        # {"models": [...]}
skills = client.list_skills()        # {"skills": [...]}
client.update_skill("web-search", enabled=True)
client.upload_files("thread-1", ["./report.pdf"])  # {"success": True, "files": [...]}