Olares

简体中文

English

简体中文

English

外观

WARNING

本文档由 AI 自动翻译，仅供参考。涉及关键操作或信息时，请以英文原文为准。

设置 DeerFlow 2.0 实现 AI 驱动的研究和任务处理 ​

DeerFlow 是字节跳动开源的智能代理框架，基于 LangGraph 和 LangChain 构建。它通过可扩展的 skill 编排子代理、记忆和沙盒来处理复杂任务。

DeerFlow 2.0 是原版 DeerFlow 的彻底重写。虽然 1.0 版本是一个深度研究框架，但 2.0 版本是一个通用智能代理平台。

学习目标 ​

在本指南中，你将学习如何：

  • 在 Olares 上安装 DeerFlow 2.0 并配置本地模型。
  • 运行深度研究等任务。

前提条件 ​

开始前，你需要：

  • 一台运行 Olares 1.12.7 或更高版本、具有足够磁盘空间和内存的 Olares 设备。

  • 使用本地模型时，能够访问 Router。

  • 以下模型：

    模型类型模型获取方式
    聊天Qwen3.8-27B (llama.cpp)从 Market 安装
可选：使用其他模型

从应用市场安装其他聊天模型，或通过引擎基座应用创建模型实例，然后在 Router 的 Default models 页面将其设为默认聊天模型。使用 default-chat 的客户端会调用新的默认模型，无需修改客户端的模型设置。

如果希望某个客户端始终使用指定模型，可改填 Router 的 How to call this model 窗口中显示的完整模型名称。

安装 DeerFlow 2.0 ​

  1. 打开 Market，搜索 "DeerFlow 2.0"。 DeerFlow 2.0

  2. 点击 获取，然后点击 安装，等待安装完成。

配置模型 ​

DeerFlow 2.0 使用 config.yaml 文件作为核心配置。要将其连接到本地模型，请在该文件中添加模型及其连接信息。

获取模型连接信息 ​

模型连接的工作原理

在 Olares 1.12.7 及以上版本中，AI 客户端通过 Olares Router 连接模型。Router 提供 Base URL，并将 default-chat 的请求转发给**默认模型（Default models）**页面中设置的聊天模型。

本教程使用 Qwen3.8-27B (llama.cpp) 作为默认聊天模型。连接格式和 API 密钥要求详见连接 AI 应用。

对于 Qwen3.8-27B (llama.cpp)：

  1. 从启动台打开 Router。在 Default models 页面将 Qwen3.8-27B (llama.cpp) 设为默认聊天模型。

  2. 进入 LLM 页面，找到 Qwen3.8-27B (llama.cpp)，点击模型所在行的 View connection example 图标。

  3. 在 How to call this model 窗口中，选择 Apps in Olares，复制完整的 Base URL，保留末尾的 /v1。

  4. 模型名称使用 default-chat。

    在应用中选择模型

    default-chat 是路由名称，不会出现在从 Router 获取的模型列表中。如果要连接 Router 的应用会加载模型列表，请手动添加 default-chat。如果应用只允许选择列表中的模型，请选择 Router 的 How to call this model 窗口中显示的完整模型名称。

  5. API 密钥留空。如果要连接 Router 的应用要求填写此字段，请填入 olares。

编辑 config.yaml ​

  1. 打开 Files，导航至 DeerFlow 2.0 应用数据目录：/Data/deerflowv2/config/。

  2. 打开 config.yaml，然后点击右上角的 edit_square 打开编辑器。

  3. 在 models: 部分下添加以下模型配置。将 PASTE_ROUTER_BASE_URL 替换为从 Router 复制的 Base URL。

    yaml
    models:
  - name: default-chat      # 模型的唯一标识符
    display_name: Qwen3.8-27B      # UI 中显示的名称
    use: langchain_openai:ChatOpenAI      # 用于 OpenAI-compatible API 的 LangChain 类
    model: default-chat      # 模型 ID
    api_key: olares      # 使用任意非空文本
    base_url: PASTE_ROUTER_BASE_URL
    supports_thinking: true      # 如果模型支持扩展思考，则设为 true

  4. 点击 save 保存更改。

重启以应用更改 ​

  1. 打开 Control Hub，选择 DeerFlow 2.0 项目。

  2. 在 Deployments 下，找到后端容器并点击 Restart。

    重启 DeerFlow 2.0

  3. 在确认对话框中，确认重启。

  4. 等待状态图标变为绿色。

使用 DeerFlow 2.0 ​

模型配置完成后，你就可以开始使用 DeerFlow 2.0 了。

  1. 从 Launchpad 打开 DeerFlow 2.0，点击 Get Started with 2.0。

  2. 首次启动时，创建用于访问和管理当前 DeerFlow 2.0 实例的管理员账号：

    • Email：输入管理员账号的电子邮箱地址。
    • Password：输入至少包含八个字符的密码。
    • Confirm Password：再次输入密码。

    账号数据，包括登录信息，仅保存在当前 DeerFlow 2.0 实例中。创建账号和登录均不连接外部账号服务。

    点击 Create Admin Account 进入聊天界面。

    创建 DeerFlow 管理员账号

  3. 选择你喜欢的执行模式。

    选择执行模式

    DeerFlow 2.0 提供多种执行模式，控制代理如何处理你的请求，从快速单次回答到多步骤研究（含子代理）。

  4. 在聊天框中输入你的提示，或选择一个建议主题作为灵感。

    例如，你可以对某个主题进行深度研究： 深度研究示例

    你也可以上传附件，让 DeerFlow 将其作为输入： 上传附件

常见问题 ​

DeerFlow 2.0 无法生成响应 ​

如果代理无法启动或卡住：

  • 检查模型兼容性：确保你选择的模型已在 config.yaml 中正确配置。验证端点 URL 是否正确。
  • 检查连接信息：确保 Model name 和 Base URL 与Router 中显示的值一致。

如何启用后续建议？ ​

默认情况下，为了降低响应生成后不必要的 GPU 使用率，Olares 上的 DeerFlow 2.0 关闭了后续建议功能。

要启用它：

  1. 打开 Control Hub，选择 DeerFlow 2.0 项目。

  2. 在 Deployments 下，点击 deerflowv2-frontend 部署。

  3. 点击 edit_square 编辑 YAML。

  4. 找到 ENABLE_FOLLOWUP_SUGGESTIONS 环境变量，将其值改为 'true'。 启用后续建议

  5. 点击 Confirm 应用更改。