DeerFlow Docker部署教程：3步轻松启动AI研究平台

【免费下载链接】deer-flow DeerFlow is a community-driven framework for deep research, combining language models with tools like web search, crawling, and Python execution, while contributing back to the open-source community. 项目地址: https://gitcode.com/GitHub_Trending/de/deer-flow

DeerFlow是一个社区驱动的深度研究框架，它将语言模型与网络搜索、爬取和Python执行等工具相结合，同时为开源社区做出贡献。本教程将通过简单三步，帮助你快速部署DeerFlow AI研究平台，让你轻松开启AI研究之旅。

准备工作：环境与工具要求

在开始部署DeerFlow之前，确保你的系统满足以下条件：

• 安装Docker和Docker Compose
• 具备Git环境
• 至少4GB内存和20GB可用磁盘空间

图：DeerFlow AI研究平台概念图，展示了AI与技术融合的理念

检查Docker环境

确保Docker和Docker Compose已正确安装：

docker --version
docker compose version

如果尚未安装，可以参考Docker官方文档进行安装。

第一步：获取DeerFlow源代码

首先，克隆DeerFlow项目仓库到本地：

git clone https://gitcode.com/GitHub_Trending/de/deer-flow
cd deer-flow

配置环境变量

复制示例配置文件并根据需要修改：

cp config.example.yaml config.yaml
cp .env.example .env

第二步：构建Docker镜像

DeerFlow提供了便捷的Docker Compose配置文件，位于docker/docker-compose-dev.yaml，使用以下命令构建并启动服务：

# 构建并启动所有服务
make docker-start

# 或者直接使用docker compose命令
docker compose -p deer-flow-dev -f docker/docker-compose-dev.yaml up --build -d

构建过程说明

Docker Compose会构建并启动以下服务：

• nginx: 反向代理服务器（端口2026）
• frontend: 前端Next.js开发服务器（端口3000）
• gateway: 后端API网关（端口8001）
• langgraph: LangGraph服务器（端口2024）
• provisioner: 沙箱管理器（可选，用于Kubernetes集成）

图：DeerFlow部署架构示意图，展示了各组件之间的关系

第三步：访问与验证DeerFlow平台

服务启动后，打开浏览器访问以下地址：

http://localhost:2026

验证服务状态

可以通过以下命令检查所有服务是否正常运行：

docker compose -p deer-flow-dev -f docker/docker-compose-dev.yaml ps

你也可以查看服务日志来排查问题：

# 查看特定服务日志，例如gateway
docker logs deer-flow-gateway

常见问题与解决方案

问题1：Kubernetes相关错误

如果你遇到与Kubernetes相关的错误，可能是因为未启用Kubernetes或配置不正确。参考docker/provisioner/README.md中的说明进行设置。

问题2：服务启动后无法访问

如果服务启动后无法访问，检查防火墙设置，确保2026端口已开放。也可以查看nginx日志了解详细情况：

docker logs deer-flow-nginx

问题3：资源不足

DeerFlow需要一定的系统资源运行，如果遇到性能问题，尝试关闭其他占用资源的应用，或增加系统内存。

总结

通过以上三个简单步骤，你已经成功部署了DeerFlow AI研究平台。现在你可以开始探索这个强大的工具，进行深度研究和开发。如需了解更多高级配置和功能，请参考项目文档和源代码。

DeerFlow社区欢迎你的参与和贡献，一起打造更强大的AI研究工具！

【免费下载链接】deer-flow DeerFlow is a community-driven framework for deep research, combining language models with tools like web search, crawling, and Python execution, while contributing back to the open-source community. 项目地址: https://gitcode.com/GitHub_Trending/de/deer-flow