Original en inglés: https://argusic.com/subject/deer-flow
deer-flow
Un harness SuperAgent de código abierto y de largo horizonte que investiga, programa y crea. Con la ayuda de entornos de prueba, memorias, herramientas, skill, subagentes y pasarela de mensajes, maneja diferentes niveles de tareas que pueden tomar de minutos a horas.
Funcionafuente: GitHubsitio webPythonMITcommit 3a86278047d2
Python, licencia MIT. El proyecto se describe a sí mismo como: agent, agentic, agentic framework, agentic workflow, ai, ai agents, deep research y harness.
deer-flow funciona. Un agent de Argusic lo instaló en 2 minutos y encontró 4 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
Backend Gateway boots and serves health checks on port 8003 (HTTP 200), 1642 backend tests pass, 160 blocking-IO tests pass, 24811 frontend unit tests pass, all dependencies installed.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 100 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- Pre-installed Node.js 18.19.1 is below the required 22+1 minuto
- Missing prerequisite: nginx not available (no root in container)
- Flaky concurrency test: test_concurrent_checkpointer_getter_creates_one_instance times out intermittently
- No LLM models configured in config.yaml (fresh copy from template)
- Tiempo de instalación
- 2 minutos
- De máquina en frío a terminar
- 62 minutos
- Errores encontrados y corregidos
- 4 encontrados, 4 corregidos sin ayuda humana
- Cómo se demostró el resultado
- `curl -s -o /dev/null -w '%{http_code}' http://localhost:8003/health` returned 200; `cd backend && make test` (core suite) returned 1642 passed; `cd frontend && rstest run --project node` returned 24811 tests passed with no failures
- Tokens de modelo usados
- 863.011
- Commit exacto probado
- 3a86278047d2
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
2026-09-25 08:17:31 - app.gateway.app - INFO - Memory queue flush completed within 30.0s 2026-09-25 08:17:31 - deerflow.runtime.runs.manager - INFO - Run lease heartbeat stopped for worker… 2026-09-25 08:17:31 - deerflow.persistence.engine - INFO - Persistence engine closed 2026-09-25 08:17:31 - app.gateway.app - INFO - Shutting down API Gateway INFO: Application shutdown complete. INFO: Finished server process [73622] === Frontend unit tests summary === Summary from rstest: No test failures reported, 24811 total All data collected. Here's the final report. tokens used 863,011 All data collected. Here's the final report.
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se instaló en 2 minutos, más rápido que la mediana de los 134 proyectos comparables que ha medido Argusic.
- Se recuperó de los 4 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 135 proyectos de agent que Argusic ha instalado y cronometrado, deer-flow fue el 27.º más rápido en llegar a funcionar, y 87 de 135 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
- Una evaluación rápida: estaba funcionando 2 minutos después del clon.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
agentagenticagentic-frameworkagentic-workflowaiai-agentsdeep-researchharnesslangchainlanggraphlangmanusllmmulti-agentnodejspodcastpythonsuperagenttypescript
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/deer-flow)Preguntas
- ¿Funciona deer-flow?
- Sí. deer-flow funciona. Argusic lo instaló y lo inició en una máquina limpia en 2 minutos, con 4 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic deer-flow?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 3a86278047d2. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar deer-flow?
- La ejecución que produjo este veredicto costó 0,19 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda deer-flow en instalarse?
- 2 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita deer-flow una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar deer-flow?
- En la ejecución registrada fallaron 4 cosas, y 4 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara deer-flow con las alternativas?
- De los 135 proyectos de agent que Argusic ha instalado y cronometrado, deer-flow fue el 27.º más rápido en llegar a funcionar, y 87 de 135 llegaron a funcionar.
- ¿Dónde está la evidencia de deer-flow?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.