文章目录DeerFlow Docker Desktop 部署教程1 准备2 下载官方仓库3 把两个示例配置改名关键步骤4 编辑 config.yaml 填模型5 创建 .env 环境变量文件6 用 Docker Desktop 启动7 验证DeerFlow Docker Desktop 部署教程核心思路下载官方仓库 → 把两个示例配置改名成正式配置并填上模型 → 写.env→ 用 Docker Compose 启动。1 准备安装并启动Docker Desktop自带 Docker Compose v2macOS / Windows 均可。准备一个 LLM 的 API KeyOpenAI / 火山方舟豆包 / GLM / DeepSeek / Claude 等均可。2 下载官方仓库方式 A推荐能随时更新git clone https://github.com/bytedance/deer-flow.git cd deer-flow方式 B免装 git在 GitHub 页面https://github.com/bytedance/deer-flow点绿色Code → Download ZIP解压后进入deer-flow目录。3 把两个示例配置改名关键步骤仓库根目录下有config.example.yaml和extensions_config.example.json两个示例文件需要复制并改名为正式配置文件名示例文件改名为config.example.yamlconfig.yamlextensions_config.example.jsonextensions_config.json在仓库根目录执行macOS/Linux 或 Windows 的 Git Bash / WSLcp config.example.yaml config.yaml cp extensions_config.example.json extensions_config.jsonWindows 直接用资源管理器选中文件复制 → 粘贴再改名去掉.example即可。config.yaml后端主配置模型、沙箱、工具、内存等DeerFlow 默认从仓库根目录读取它。extensions_config.jsonMCP 服务器和技能的启用状态独立于config.yaml默认位置是仓库根目录。复制过去即可用里面所有 MCP 服务器默认enabled: false不启用也无妨。4 编辑config.yaml填模型打开config.yaml找到models:段取消注释去掉#并按需修改一个模型条目。示例OpenAImodels: - name: gpt-4 display_name: GPT-4 use: langchain_openai:ChatOpenAI model: gpt-4 api_key: $OPENAI_API_KEY换成国内可用的话示例文件里也内置了豆包Volcengine、GLM、DeepSeek、Kimi 等模板挑一个填上你的 API Key 即可。5 创建.env环境变量文件在仓库根目录新建.env和config.yaml同级写入OPENAI_API_KEYsk-你的key DEER_FLOW_ROOT你的deer-flow绝对路径 BETTER_AUTH_SECRETopenssl rand -base64 32 生成的强随机串 BETTER_AUTH_URLhttp://localhost:2026DEER_FLOW_ROOT必须填仓库的绝对路径数据会挂载到这里。Windows 下填如C:\Users\你\deer-flowmacOS 填如/Users/你/deer-flow。BETTER_AUTH_SECRET至少 32 字符可用命令openssl rand -base64 32生成。compose 文件会通过env_file: ../.env自动加载它。6 用 Docker Desktop 启动在deer-flow目录打开终端Windows 用 PowerShell/CMDmacOS 用 Terminal执行export DEER_FLOW_ROOT你的deer-flow绝对路径 docker compose -f docker/docker-compose-dev.yaml up --build首次会自动构建并启动nginx / 前端 /gateway含 Agent 运行时等服务。之后想放后台运行用-d代替--builddocker compose -f docker/docker-compose-dev.yaml up -d。启动后打开Docker Desktop在左侧 Containers 里能看到deer-flow的容器在运行。7 验证浏览器访问http://localhost:2026开始使用。或验证 APIcurl http://localhost:2026/api/models返回你的模型列表即部署成功。 DeerFlow Docker Desktop 部署教程
文章目录DeerFlow Docker Desktop 部署教程1 准备2 下载官方仓库3 把两个示例配置改名关键步骤4 编辑 config.yaml 填模型5 创建 .env 环境变量文件6 用 Docker Desktop 启动7 验证DeerFlow Docker Desktop 部署教程核心思路下载官方仓库 → 把两个示例配置改名成正式配置并填上模型 → 写.env→ 用 Docker Compose 启动。1 准备安装并启动Docker Desktop自带 Docker Compose v2macOS / Windows 均可。准备一个 LLM 的 API KeyOpenAI / 火山方舟豆包 / GLM / DeepSeek / Claude 等均可。2 下载官方仓库方式 A推荐能随时更新git clone https://github.com/bytedance/deer-flow.git cd deer-flow方式 B免装 git在 GitHub 页面https://github.com/bytedance/deer-flow点绿色Code → Download ZIP解压后进入deer-flow目录。3 把两个示例配置改名关键步骤仓库根目录下有config.example.yaml和extensions_config.example.json两个示例文件需要复制并改名为正式配置文件名示例文件改名为config.example.yamlconfig.yamlextensions_config.example.jsonextensions_config.json在仓库根目录执行macOS/Linux 或 Windows 的 Git Bash / WSLcp config.example.yaml config.yaml cp extensions_config.example.json extensions_config.jsonWindows 直接用资源管理器选中文件复制 → 粘贴再改名去掉.example即可。config.yaml后端主配置模型、沙箱、工具、内存等DeerFlow 默认从仓库根目录读取它。extensions_config.jsonMCP 服务器和技能的启用状态独立于config.yaml默认位置是仓库根目录。复制过去即可用里面所有 MCP 服务器默认enabled: false不启用也无妨。4 编辑config.yaml填模型打开config.yaml找到models:段取消注释去掉#并按需修改一个模型条目。示例OpenAImodels: - name: gpt-4 display_name: GPT-4 use: langchain_openai:ChatOpenAI model: gpt-4 api_key: $OPENAI_API_KEY换成国内可用的话示例文件里也内置了豆包Volcengine、GLM、DeepSeek、Kimi 等模板挑一个填上你的 API Key 即可。5 创建.env环境变量文件在仓库根目录新建.env和config.yaml同级写入OPENAI_API_KEYsk-你的key DEER_FLOW_ROOT你的deer-flow绝对路径 BETTER_AUTH_SECRETopenssl rand -base64 32 生成的强随机串 BETTER_AUTH_URLhttp://localhost:2026DEER_FLOW_ROOT必须填仓库的绝对路径数据会挂载到这里。Windows 下填如C:\Users\你\deer-flowmacOS 填如/Users/你/deer-flow。BETTER_AUTH_SECRET至少 32 字符可用命令openssl rand -base64 32生成。compose 文件会通过env_file: ../.env自动加载它。6 用 Docker Desktop 启动在deer-flow目录打开终端Windows 用 PowerShell/CMDmacOS 用 Terminal执行export DEER_FLOW_ROOT你的deer-flow绝对路径 docker compose -f docker/docker-compose-dev.yaml up --build首次会自动构建并启动nginx / 前端 /gateway含 Agent 运行时等服务。之后想放后台运行用-d代替--builddocker compose -f docker/docker-compose-dev.yaml up -d。启动后打开Docker Desktop在左侧 Containers 里能看到deer-flow的容器在运行。7 验证浏览器访问http://localhost:2026开始使用。或验证 APIcurl http://localhost:2026/api/models返回你的模型列表即部署成功。 RELATED READING
延伸阅读
更多一线实战笔记与深度复盘，助您持续精进
