Original em inglês: https://argusic.com/subject/deer-flow
deer-flow
Um harness SuperAgent de código aberto e de longo horizonte que pesquisa, codifica e cria. Com a ajuda de ambientes isolados, memórias, ferramentas, habilidades, subagentes e portal de mensagens, ele lida com diferentes níveis de tarefas que podem levar de minutos a horas.
Executafonte: GitHubpágina do projetoPythonMITcommit 3a86278047d2
Python, licença MIT. O projeto se descreve como: agent, agentic, agentic framework, agentic workflow, ai, ai agents, deep research e harness.
deer-flow executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 2 minutos e encontrou 4 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
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.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 100 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- 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)
- Tempo de instalação
- 2 minutos
- Da máquina limpa até o fim
- 62 minutos
- Erros encontrados e corrigidos
- 4 encontrados, 4 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- `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 exato testado
- 3a86278047d2
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
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.
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Instalado em 2 minutos, mais rápido que a mediana dos 134 projetos comparáveis que a Argusic mediu.
- Recuperou-se de todos os 4 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 135 projetos de agent que a Argusic instalou e cronometrou, deer-flow foi o 27º mais rápido a chegar a um estado de execução, e 87 de 135 chegaram a esse estado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
- Uma avaliação rápida: ele estava executando 2 minutos depois do clone.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
agentagenticagentic-frameworkagentic-workflowaiai-agentsdeep-researchharnesslangchainlanggraphlangmanusllmmulti-agentnodejspodcastpythonsuperagenttypescript
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/deer-flow)Perguntas
- deer-flow executa?
- Sim. deer-flow executa. A Argusic o instalou e iniciou em uma máquina limpa em 2 minutos, encontrando 4 erros no caminho, e gravou a sessão.
- Como a Argusic testou deer-flow?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 3a86278047d2. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar deer-flow?
- A execução que produziu este veredito custou US$ 0,19: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar deer-flow?
- 2 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- deer-flow precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar deer-flow?
- 4 coisas quebraram na execução registrada, e 4 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como deer-flow se compara às alternativas?
- Dos 135 projetos de agent que a Argusic instalou e cronometrou, deer-flow foi o 27º mais rápido a chegar a um estado de execução, e 87 de 135 chegaram a esse estado.
- Onde estão as evidências de deer-flow?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.