Trải nghiệm khi dùng DeerFlow
Bạn tải mã nguồn về, chạy trình hướng dẫn cài đặt tương tác (khoảng vài phút, theo README) để nó viết giúp file cấu hình, rồi khởi động bằng Docker. Sau đó mở trình duyệt vào địa chỉ cục bộ hiện trong hướng dẫn và bắt đầu giao việc bằng một khung chat.
Khác với chatbot hỏi gì đáp nấy, DeerFlow chia một nhiệm vụ lớn thành nhiều bước: tìm thông tin, mở sandbox để chạy code, viết file kết quả rồi gộp lại. Bạn có thể thấy tiến trình làm việc và lấy các file đầu ra như báo cáo hay trang web.
Hệ thống rất nhiều thành phần (kỹ năng, bộ nhớ dài hạn, kênh Slack, Telegram, tác vụ theo lịch). Với người mới, hãy bắt đầu với một nhiệm vụ nghiên cứu nhỏ rồi mới mở rộng.
Tính năng nổi bật
Agent con và lập kế hoạch
Chia nhiệm vụ dài thành nhiều phần cho các agent con làm song song rồi tổng hợp kết quả.
Sandbox chạy mã
Agent chạy lệnh và tạo file trong môi trường cách ly, đỡ ảnh hưởng đến máy bạn hơn là chạy thẳng.
Kỹ năng mở rộng
Thêm kỹ năng (skills) để agent làm thêm các loại việc như tạo slide, dashboard hay quy trình nội dung.
Bộ nhớ và kết nối MCP
Có bộ nhớ dài hạn và hỗ trợ MCP server để nối thêm công cụ bên ngoài.
Kênh chat và lịch chạy
Hỗ trợ nhận việc qua các kênh như Slack, Telegram, Discord và chạy các tác vụ theo lịch.
Tận dụng DeerFlow vào việc gì?
Người làm marketing, chủ doanh nghiệp
Nghiên cứu thị trường sâu
Giao đề tài như so sánh các nhà cung cấp, để agent tìm nguồn, đọc và viết báo cáo; bạn kiểm chứng nguồn trước khi dùng.
Dân văn phòng, sinh viên
Tạo bản nháp slide hoặc báo cáo
Nhờ agent tổng hợp tài liệu thành dàn ý và bản nháp để bạn chỉnh sửa tiếp.
Lập trình viên, nhà nghiên cứu AI
Thử nghiệm kiến trúc agent
Dùng làm nền để tìm hiểu cách tổ chức agent con, bộ nhớ và sandbox, hoặc tuỳ biến theo nhu cầu riêng.
Người làm nội dung
Tự động hoá nội dung định kỳ
Đặt lịch để agent tổng hợp tin tức ngành hằng ngày và gửi qua kênh chat của nhóm.
Cần chuẩn bị gì?
- Git để tải mã nguồn, và Docker nếu chạy theo cách khuyến nghị.
- Chạy cục bộ không Docker cần Node.js 22 trở lên, pnpm, uv và nginx (theo lệnh make check).
- API key của nhà cung cấp mô hình; README gợi ý một số mô hình mạnh về lập trình và cần ngữ cảnh dài.
- Máy có đủ RAM cho Docker và sandbox; README có hướng dẫn về dung lượng trong tài liệu triển khai.
Hướng dẫn cài đặt chi tiết
Cài trên Docker (khuyến nghị)
Tải mã nguồn và chạy trình hướng dẫn cấu hình. Trình này hỏi các thông tin như mô hình, khoá API rồi tạo file config.yaml và .env.
git clone https://github.com/bytedance/deer-flow.git cd deer-flow make setupKéo image sandbox về (chạy một lần) rồi khởi động các dịch vụ.
make docker-init make docker-startMở http://localhost:2026 trong trình duyệt. Nếu thấy lỗi mô hình, chạy make doctor để kiểm tra khoá API còn là giá trị mẫu hay không.
Cài trên Chạy cục bộ
Sau make setup, kiểm tra máy đã có Node.js 22+, pnpm, uv, nginx chưa.
make checkCài thư viện rồi chạy chế độ phát triển, và mở http://localhost:2026.
make install make devTrên Windows, README không đưa ví dụ riêng; nên chạy các lệnh make trong WSL hoặc dùng bản Docker, và xem tài liệu triển khai của dự án để biết chi tiết.
Dùng thử lần đầu
Chạy make doctor sau khi điền khoá mô hình để chắc chắn cấu hình đủ.
make doctorMở http://localhost:2026 và bắt đầu cuộc trò chuyện mới.
Giao một việc nghiên cứu nhỏ, ví dụ: Tìm hiểu 5 công cụ quản lý công việc cho nhóm nhỏ và lập bảng so sánh ưu nhược điểm.
Xem các file đầu ra và nguồn mà agent trích dẫn; kiểm tra lại các thông tin quan trọng trước khi dùng.
Khi quen, đọc các hướng dẫn về kỹ năng, MCP và kênh chat trong thư mục docs/guide của dự án để mở rộng.
Mẹo dùng hay
- Đọc phần Security Notice của dự án trước khi chạy trên máy chủ hoặc mở ra ngoài localhost.
- Bắt đầu bằng một mô hình mà dự án gợi ý để có trải nghiệm gần với mô tả của README.
- Ghi lại token hoặc chi phí mô hình đã dùng, vì các tác vụ nhiều agent có thể tốn nhiều lượt gọi.
Lưu ý và hạn chế
- Đây là phiên bản 2.0 viết lại hoàn toàn nên tài liệu và hướng dẫn cũ về DeerFlow 1.x có thể không còn dùng được; bản cũ nằm ở nhánh 1.x.
- Agent có thể chạy lệnh và tạo file, nên không nên mở dịch vụ ra Internet hay cấp quyền rộng khi chưa đọc tài liệu bảo mật.
- Cấu hình khá nhiều bước và chạy nhiều thành phần; không phù hợp với người chỉ cần một công cụ chat đơn giản.
Câu hỏi thường gặp
DeerFlow có miễn phí không?
Mã nguồn giấy phép MIT, dùng miễn phí. Bạn vẫn phải trả phí cho API mô hình AI mà bạn kết nối.
Có chạy được với mô hình tiếng Việt không?
Tuỳ mô hình bạn chọn; khả năng hiểu và viết tiếng Việt phụ thuộc vào mô hình, không do DeerFlow quyết định.
Khác gì ChatGPT Deep Research?
DeerFlow là phần mềm bạn tự cài và tự cấu hình, kiểm soát dữ liệu và công cụ hơn, nhưng cũng phải tự lo cài đặt và chi phí mô hình.
Tải mã nguồn về máy
Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.
git clone https://github.com/bytedance/deer-flow.gitRepo tương tự nên xem
GPT Researcher
assafelovic / gpt-researcher
Tác tử AI nghiên cứu sâu: tự tìm hàng chục nguồn trên web hoặc tài liệu của bạn rồi viết báo cáo có trích dẫn
OpenManus
FoundationAgents / OpenManus
Agent AI đa năng mã nguồn mở, tự lên kế hoạch và dùng công cụ để làm việc mà không cần mã mời
LangGraph
langchain-ai / langgraph
Khung thấp tầng của LangChain để dựng agent AI chạy lâu, có trạng thái và cho người duyệt giữa chừng