让 AI 连续办一件复杂的事，难点不只是“会不会回答”，还在于它能否拆活、记住进度，并安全地操作文件和代码。字节跳动开源的 DeerFlow 2.0，正想补齐这套执行外壳：它是一种 Agent harness——包住模型、为其提供工具、状态、任务循环和权限边界的运行框架，面向需要持续完成复杂任务的场景。
DeerFlow 把几类能力放进同一套系统：主 Agent 可以把局部工作交给子 Agent；记忆用于保留任务状态；沙箱提供与宿主环境隔离的受控执行空间；skills 则像可复用的岗位操作手册。项目还加入消息网关，并允许配置网页搜索、命令行和文件写入权限。其安装向导会引导用户选择模型、搜索服务和安全设置，项目方称整个过程约两分钟。
值得注意的是，2.0 是一次从头重写，与 1.x 不共享代码；旧版 Deep Research 框架仍留在 1.x 分支，开发重心已转向 2.0。换句话说，DeerFlow 的押注已经从“帮你做一次研究”，转向“让 Agent 在受控环境里把长任务真正跑下去”。