DeerFlow Architektur und Laufzeit
1. Die Form des Workspace​
Die Repo-Struktur und die Doku legen diese Hauptbereiche stark nahe:
| Bereich | Warum er wichtig ist |
|---|---|
src/ | Kern-Anwendungs- und Orchestrierungslogik |
web/ | Browserseitige UI |
examples/ | Referenz-Workflows und -Muster |
| Doku- und Harness-Material | Hinweise zu Betrieb und Evaluierung |
Die Designsprache in der Doku deutet auf ein Workflow-Framework hin, nicht nur auf eine Chat-Hülle.
2. Das mentale Laufzeitmodell​
DeerFlow versteht man am besten als eine graphartige Research-Pipeline:
- das System plant die Arbeit,
- es sammelt Belege,
- es verfeinert oder verzweigt den Workflow,
- es kann einen menschlichen Prüfer einbeziehen,
- es synthetisiert einen finalen Bericht.
Das ist ein anderes Betriebsmodell als bei einem Coding-Agent mit Einzelschleife.
3. Warum LangGraph-artige Orchestrierung hier wichtig ist​
Die offizielle Doku beschreibt DeerFlow als framework-orientiert und betont strukturierte Flusssteuerung. Das bedeutet, die Architektur ist optimiert für:
- mehrstufige Aufgaben,
- Verzweigung und Wiederaufnahme,
- tool-reiche Ausführung,
- inspizierbare Prozessschritte.
Deshalb fühlt sich DeerFlow eher wie eine Research-Engine an als wie eine normale KI-Chat-App.
4. MCP und menschliche Prüfung sind zentrale Design-Entscheidungen​
MCP-Unterstützung und Human-in-the-Loop-Prüfung sind keine kleinen Extras. Sie verändern die gesamte Workflow-Form:
- MCP erweitert, worauf das System zugreifen kann,
- menschliche Prüfung erhöht Vertrauen und Kontrolle bei längeren Aufgaben.
Zusammen machen sie DeerFlow deutlich besser geeignet für Wissensarbeit mit hohem Kontext.
5. Was du in der Codebasis zuerst lesen solltest​
Beginne mit:
- dem Doku-Ãœberblick und den Designprinzipien,
- der Harness-Doku,
src/,web/,- den Beispielen, sobald der grundlegende Graph-Ablauf klar ist.