
DeerFlow, sigla de 'Deep Exploration and Efficient Research Flow', es el framework abierto y comunitario de investigación profunda lanzado por ByteDance. Se publicó con MIT License en 2025 y evolucionó a la versión 2.0 en marzo de 2026 como un verdadero 'SuperAgent Harness'. Integra modelos de lenguaje, búsqueda web, crawling, ejecución de Python, recuperación RAG y llamadas de herramientas MCP dentro de un flujo con estado construido sobre LangGraph, capaz de dividir tareas complejas en subprocesos paralelos. Incorpora cinco agentes especializados, Coordinator, Planner, Researcher, Coder y Reporter, que operan en sandboxes Docker aislados para generar informes estructurados, presentaciones PowerPoint y audio de pódcast con IA a partir de una sola instrucción.
| ✕Problemas Tradicionales | ✓Soluciones Innovadoras |
|---|---|
| Los marcos de agente único como el AutoGPT inicial no descomponen bien tareas complejas de largo horizonte y suelen entrar en bucles o fallar a mitad del proceso | La arquitectura SuperAgent Harness convierte el sistema en una base de orquestación y no en un solo agente, lo que mejora notablemente la extensibilidad |
| Productos principales como Perplexity y OpenAI Deep Research operan como cajas negras cerradas, con poca capacidad de personalizar LLM, herramientas o estrategia de conocimiento | El sandbox aislado con Docker y sistema de archivos persistente permite ejecutar código, escribir archivos y construir aplicaciones web con seguridad |
| Muchas canalizaciones abiertas de investigación carecen de sandbox para código y de salida multimodal, por lo que solo entregan texto plano | Mediante litellm, DeerFlow unifica más de 100 modelos como GPT-4, Claude y Qwen, facilitando el cambio de modelo y el control de costes |
| Algunos marcos multiagente como CrewAI aún presentan carencias en integración RAG y soporte MCP, lo que encarece la conexión con conocimiento privado | El enfoque Human-in-the-Loop permite corregir planes en ejecución con lenguaje natural y equilibrar automatización con supervisión humana |
| - | Genera de forma nativa informes, diapositivas PowerPoint y pódcast TTS, superando el formato clásico de salida solo textual |
1git clone https://github.com/bytedance/deer-flow.git && cd deer-flow && pip install -r requirements.txt1cp .env.example .env2# Edita .env e introduce OPENAI_API_KEY o ANTHROPIC_API_KEY, y TAVILY_API_KEY1uvicorn src.app:app --host 0.0.0.0 --port 8000 --reload1cd web && npm install && npm run dev1docker compose up -d| Escenario Principal | Público Objetivo | Solución | Resultado |
|---|---|---|---|
| [Investigación de inteligencia competitiva] | Analistas de mercado y equipos de estrategia | Al introducir el nombre de un competidor, los agentes Researcher recopilan resultados, noticias y lanzamientos, Coder compara los datos y Reporter genera informe con gráficos y PPT | Reduce un trabajo manual de 2 a 3 días a una escala de 30 minutos, con mayor cobertura y actualidad |
| [Generación de revisión bibliográfica] | Investigadores universitarios y autores de tesis | Al introducir palabras clave, el sistema busca artículos y fuentes web y las combina con una base RAG privada para resumir métodos, hallazgos y vacíos | Produce revisiones estructuradas con mayor velocidad y menos riesgo de omisiones |
| [Canalización automatizada de marketing de contenidos] | Equipos de contenido y creadores independientes | Tras definir un tema, DeerFlow automatiza investigación, redacción, gráficos y generación de pódcast y diapositivas | Permite a una sola persona producir contenido multimodal que antes requería un equipo coordinado |