╔═══════════════════════════════════════════════════════════════════╗ ║ DeerFlow 2.0 整体架构 ║ ╠═══════════════════════════════════════════════════════════════════╣ ║ ║ ║ ┌─────────────────────────────────────────────────────────┐ ║ ║ │ Frontend (Next.js) │ ║ ║ │ http://localhost:2026 │ ║ ║ └──────────────────────────┬──────────────────────────────┘ ║ ║ │ HTTP / SSE ║ ║ ┌──────────────────────────▼──────────────────────────────┐ ║ ║ │ Gateway (FastAPI) │ ║ ║ │ ┌───────────┐ ┌───────────┐ ┌───────────────────┐ │ ║ ║ │ │IM Channels│ │ Skills │ │ Threads Manager │ │ ║ ║ │ │ Telegram │ │ Loader │ │ (Session 隔离) │ │ ║ ║ │ │Slack/飞书 │ │ 按需加载 │ │ uuid.uuid4() │ │ ║ ║ │ └───────────┘ └───────────┘ └───────────────────┘ │ ║ ║ └──────────────────────────┬──────────────────────────────┘ ║ ║ │ ║ ║ ┌──────────────────────────▼──────────────────────────────┐ ║ ║ │ LangGraph Agent Server (Python) │ ║ ║ │ │ ║ ║ │ ╔═══════════════════════════════════════════════════╗ │ ║ ║ │ ║ Lead Agent (主智能体) ║ │ ║ ║ │ ║ ┌──────────────┐ ┌──────────────┐ ║ │ ║ ║ │ ║ │ Coordinator │──▶│ Planner │ ║ │ ║ ║ │ ║ │ (意图识别) │ │ (任务分解) │ ║ │ ║ ║ │ ║ └──────────────┘ └──────┬───────┘ ║ │ ║ ║ │ ║ │ ║ │ ║ ║ │ ║ ┌───────────────────────┼─────────────────────┐ ║ │ ║ ║ │ ║ ▼ ▼ ▼ ║ │ ║ ║ │ ║ ┌────────────┐ ┌────────────┐ ┌────────────┐ ║ │ ║ ║ │ ║ │ Sub-Agent │ │ Sub-Agent │ │ Sub-Agent │ ║ │ ║ ║ │ ║ │(隔离上下文) │ │(隔离上下文) │ │(隔离上下文) │ ║ │ ║ ║ │ ║ └─────┬──────┘ └─────┬──────┘ └─────┬──────┘ ║ │ ║ ║ │ ║ └───────────────┼───────────────┘ ║ │ ║ ║ │ ║ ▼ ║ │ ║ ║ │ ║ ┌──────────────────┐ ║ │ ║ ║ │ ║ │ Reporter │ ║ │ ║ ║ │ ║ │ (报告汇总) │ ║ │ ║ ║ │ ║ └──────────────────┘ ║ │ ║ ║ │ ╚═══════════════════════════════════════════════════╝ │ ║ ║ │ │ ║ ║ │ ┌───────────────────────────────────────────────────┐ │ ║ ║ │ │ Memory System（双层记忆） │ │ ║ ║ │ │ 短期(Session内) ←────────────────→ 长期(跨Session)│ │ ║ ║ │ └───────────────────────────────────────────────────┘ │ ║ ║ └──────────────────────────┬──────────────────────────────┘ ║ ║ │ ║ ║ ┌──────────────────────────▼──────────────────────────────┐ ║ ║ │ Sandbox (Docker 隔离) │ ║ ║ │ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │ ║ ║ │ │ /uploads │ │ /workspace │ │ /outputs │ │ ║ ║ │ │ 用户文件 │ │ 工作目录 │ │ 产出物 │ │ ║ ║ │ └──────────────┘ └──────────────┘ └──────────────┘ │ ║ ║ └─────────────────────────────────────────────────────────┘ ║ ╚═══════════════════════════════════════════════════════════════════╝

┌─────────────────────────────────────────────────────────────────┐ │ Coordinator 决策树 │ │ │ │ 用户输入 │ │ │ │ │ ▼ │ │ ┌───────────────┐ │ │ │ 意图分类器 │ │ │ └───────┬───────┘ │ │ │ │ │ ┌─────────────┼─────────────┐ │ │ ▼ ▼ ▼ │ │ 闲聊/问候 不当言论 真实任务请求 │ │ │ │ │ │ │ ▼ ▼ ▼ │ │ 直接回复 直接拒绝 移交 Planner │ │ 清空历史 清空历史 保留上下文继续 │ │ │ │ 关键：此处执行 "Discard" 策略 │ │ 即便是无关对话产生了消息，也不进入研究工作流 │ └─────────────────────────────────────────────────────────────────┘

子任务执行完毕 │ ▼ ┌──────────────────────────────────────────────────┐ │ 压缩决策：返回什么给 Lead Agent？ │ │ │ │ ❌ 原始搜索结果（可能有几千 tokens） │ │ ❌ 完整的代码执行日志 │ │ ✅ 任务完成状态 + 一句话概要 │ │ ✅ 关键数据/结论（结构化格式） │ └──────────────────────────────────────────────────┘ │ ▼ 上报给 Lead Agent 的是摘要，而非原文

┌──────────────────────────────────────────────────────────┐ │ 结果外存机制 │ │ │ │ 长文本/大量数据 → 写入 /workspace/intermediate/ │ │ │ │ 留在上下文中的仅是： │ │ "已生成分析文件：/workspace/analysis_result.md" │ │ │ │ 需要时再读取，而不是一直占据 Token 窗口 │ └──────────────────────────────────────────────────────────┘

class State:
    # Planner 判断是否已有足够信息
    has_enough_context: bool = False

# Planner 节点逻辑
if state.has_enough_context:
    # 跳过额外的研究步骤
    # 直接生成报告，节省 Token
    goto(reporter_node)
else:
    # 继续执行研究步骤
    goto(research_team_node)

# 无记忆模式（默认）：每次请求都是全新会话
app = build_graph()

# 带记忆模式：使用 MemorySaver 支持跨请求状态保持
app = build_graph_with_memory()

用户交互产生新信息 │ ▼ ┌───────────────────────┐ │ 信息提取与分类 │ │ • 用户偏好 │ │ • 知识背景 │ │ • 工作习惯 │ └──────────┬────────────┘ │ ▼ ┌───────────────────────┐ │ 去重检测 │ ← 防止记忆无限膨胀 │ 与已有记忆比对 │ └──────────┬────────────┘ │ ┌─────┴──────┐ ▼ ▼ 重复信息 新信息 直接跳过 写入 Memory Store │ ▼ 本地持久化存储（用户可控）

用户输入："分析2026年AI Agent市场竞争格局，生成一份研究报告" │ ├─ Step 1：Coordinator（防火墙） │ • 识别为真实任务请求 │ • 不清空历史，移交 Planner │ • [上下文：仅用户原始请求] │ ├─ Step 2：Background Investigator（背景预研） │ • 执行初步搜索 │ • 输出加 Prefix 标识，隔离上下文 │ • [上下文：仅用户 query，独立执行] │ ├─ Step 3：Planner（任务规划） │ • 接收背景调查摘要 + 用户 query │ • 分解为 3 个 Sub-Tasks： │ - Task A：调研主流 Agent 框架 │ - Task B：分析市场份额数据 │ - Task C：收集用户评价 │ • [上下文：背景摘要 + 规划结果] │ ├─ Step 4：Sub-Agent 并行执行（上下文隔离） │ ├─ Sub-Agent A：[上下文：仅 Task A 描述] │ │ 搜索 → 分析 → 返回摘要 │ ├─ Sub-Agent B：[上下文：仅 Task B 描述] │ │ 搜索 → 分析 → 返回摘要 │ └─ Sub-Agent C：[上下文：仅 Task C 描述] │ 搜索 → 分析 → 返回摘要 │ ├─ Step 5：上下文压缩与汇总 │ • 每个 Sub-Agent 只返回"一段话摘要 + 关键数据" │ • 中间大量数据写入 /workspace/（外存） │ • Lead Agent 上下文：规划 + 三个摘要（Token 可控） │ ├─ Step 6：Planner 充分性评估 │ • has_enough_context = True（三个方向均已覆盖） │ • 跳过额外搜索，直接生成报告 │ └─ Step 7：Reporter（报告生成） • 从文件系统读取必要细节 • 生成结构化研究报告 • 输出到 /outputs/ 总耗时：约 80 分钟 全程上下文：始终处于可控范围