DeerFlow Docker Desktop 部署教程

核心思路：下载官方仓库 → 把两个示例配置改名成正式配置并填上模型 → 写 .env → 用 Docker Compose 启动。

1 准备

• 安装并启动 Docker Desktop（自带 Docker Compose v2，macOS / Windows 均可）。
• 准备一个 LLM 的 API Key（OpenAI / 火山方舟豆包 / GLM / DeepSeek / Claude 等均可）。

2 下载官方仓库

方式 A（推荐，能随时更新）

git clone https://github.com/bytedance/deer-flow.git
cd deer-flow

**方式 B（免装 git）**在 GitHub 页面 https://github.com/bytedance/deer-flow 点绿色 Code → Download ZIP，解压后进入 deer-flow 目录。

3 把两个示例配置改名（关键步骤）

仓库根目录下有 config.example.yaml 和 extensions_config.example.json 两个示例文件，需要复制并改名为正式配置文件名：

在仓库根目录执行（macOS/Linux 或 Windows 的 Git Bash / WSL）：

cp config.example.yaml config.yaml
cp extensions_config.example.json extensions_config.json

Windows 直接用资源管理器选中文件 复制 → 粘贴，再改名去掉 .example 即可。

• config.yaml：后端主配置（模型、沙箱、工具、内存等），DeerFlow 默认从仓库根目录读取它。
• extensions_config.json：MCP 服务器和技能的启用状态，独立于 config.yaml，默认位置是仓库根目录。复制过去即可用（里面所有 MCP 服务器默认 enabled: false，不启用也无妨）。

4 编辑 config.yaml 填模型

打开 config.yaml，找到 models: 段，取消注释（去掉 #）并按需修改一个模型条目。示例（OpenAI）：

models:
  - name: gpt-4
    display_name: GPT-4
    use: langchain_openai:ChatOpenAI
    model: gpt-4
    api_key: $OPENAI_API_KEY

换成国内可用的话，示例文件里也内置了豆包（Volcengine）、GLM、DeepSeek、Kimi 等模板，挑一个填上你的 API Key 即可。

5 创建 .env 环境变量文件

在仓库根目录新建 .env（和 config.yaml 同级），写入：

OPENAI_API_KEY=sk-你的key
DEER_FLOW_ROOT=你的deer-flow绝对路径
BETTER_AUTH_SECRET=openssl rand -base64 32 生成的强随机串
BETTER_AUTH_URL=http://localhost:2026

• DEER_FLOW_ROOT 必须填仓库的绝对路径（数据会挂载到这里）。Windows 下填如 C:\Users\你\deer-flow；macOS 填如 /Users/你/deer-flow。
• BETTER_AUTH_SECRET 至少 32 字符，可用命令 openssl rand -base64 32 生成。
• compose 文件会通过 env_file: ../.env 自动加载它。

6 用 Docker Desktop 启动

在 deer-flow 目录打开终端（Windows 用 PowerShell/CMD，macOS 用 Terminal），执行：

export DEER_FLOW_ROOT=你的deer-flow绝对路径
docker compose -f docker/docker-compose-dev.yaml up --build

• 首次会自动构建并启动 nginx / 前端 /gateway（含 Agent 运行时） 等服务。
• 之后想放后台运行，用 -d 代替 --build：docker compose -f docker/docker-compose-dev.yaml up -d。
• 启动后打开 Docker Desktop，在左侧 Containers 里能看到 deer-flow 的容器在运行。

7 验证

• 浏览器访问 http://localhost:2026 开始使用。
• 或验证 API：curl http://localhost:2026/api/models，返回你的模型列表即部署成功。