登顶GitHub第一！字节跳动开源DeerFlow 2.0：这款超级代理框架，靠子代理+沙箱搞定所有复杂工作流
主要语言：Python
stars: 48.1k
编辑
项目概述
DeerFlow（Deep Exploration and Efficient Research Flow）是一个开源的超级智能体管理框架，于2026年2月28日推出2.0版本后登上GitHub Trending榜首。它基于LangGraph和LangChain构建，可协调子智能体、内存和沙盒，借助可扩展技能完成各类任务。
核心功能
- 技能与工具：技能是结构化能力模块，以Markdown文件定义工作流、最佳实践和资源引用。DeerFlow自带研究、报告生成、幻灯片创建等技能，支持自定义和组合技能。工具方面，它有核心工具集，还支持通过MCP服务器和Python函数添加自定义工具。此外，它集成了Claude Code，可在Claude Code中直接与DeerFlow交互。
- 子智能体：复杂任务可由主智能体动态生成子智能体处理，子智能体有独立上下文、工具和终止条件，并行运行并汇报结果，主智能体整合输出。
- 沙盒与文件系统：每个任务在隔离的Docker容器中运行，拥有完整文件系统，包括技能、工作区、上传和输出目录，确保操作可审计且会话间无干扰。
- 上下文工程：子智能体有独立上下文，避免干扰。会话中，DeerFlow积极管理上下文，总结子任务、卸载中间结果，防止上下文窗口溢出。
- 长期记忆：DeerFlow能跨会话建立持久记忆，存储用户配置文件、偏好和知识，且更新时跳过重复事实条目。
推荐模型
DeerFlow与实现OpenAI兼容API的任何大语言模型都兼容，但使用支持长上下文窗口、推理能力、多模态输入和强大工具使用的模型效果更佳。
快速开始
配置
- 克隆仓库：
git clone https://github.com/bytedance/deer-flow.git && cd deer-flow - 生成配置文件：
make config - 配置模型：编辑
config.yaml定义模型，设置API密钥可通过编辑.env文件、导出环境变量或直接编辑config.yaml（不推荐用于生产）。
运行应用
- Docker（推荐）
- 开发：make docker-init（拉取沙盒镜像），make docker-start（启动服务）
- 生产：make up（构建镜像并启动服务），make down（停止并移除容器） - 本地开发：完成配置后，依次执行
make check（检查依赖）、make install（安装依赖）、make setup-sandbox（可选，预拉取沙盒镜像）、make dev（启动服务）。
高级特性
- 沙盒模式：支持本地执行、Docker执行和Docker与Kubernetes结合执行，服务启动根据
config.yaml的沙盒模式决定。 - MCP服务器：支持可配置的MCP服务器和技能，HTTP/SSE MCP服务器支持OAuth令牌流。
- IM通道：支持从Telegram、Slack、Feishu/Lark等消息应用接收任务，配置后自动启动，无需公共IP。
- LangSmith追踪：内置LangSmith集成，启用后可在LangSmith仪表板查看LLM调用、智能体运行和工具执行的追踪信息。
2.5小时音频98秒转完！这款Insanely Fast Whisper火了，速度狂飙20倍，终端一键就能用⚡️
insanely-fast-whisper 是一个实现超快速语音转文字的工具。简单讲，它能极速将音频内容转成文字，比同类工具快很多。适用人群：需要高效处理语音转录的开发者和研究人员。
主要语言：Jupyter Notebook
stars: 11.0k
编辑
核心功能
- 快速音频转录：借助OpenAI的Whisper Large v3模型，能在不到98秒内完成150分钟音频的转录，实现极快的转录速度。
- 命令行界面（CLI）：提供高度定制化的CLI，支持在NVIDIA GPU和Mac设备上运行，可灵活配置多种参数进行音频转录。
- 多模型支持：支持运行Whisper-large-v3、distil-whisper等不同模型，还可搭配Flash Attention 2进一步提升性能。
- 多任务处理：支持转录和翻译两种任务，能自动检测音频语言，也可手动指定。
- 时间戳支持：支持按块和按单词级别的时间戳输出。
- 说话人分离：可通过设置相关参数进行说话人分离，如指定说话人数量等。
优势
- 速度极快：通过优化配置，如使用Flash Attention 2、批量处理等，大幅缩短音频转录时间。
- 易于使用：提供简单的CLI命令，方便用户在终端快速进行音频转录，无需复杂的代码操作。
- 社区驱动：项目由社区驱动，会根据社区需求不断添加新功能。
- 多平台支持：支持CUDA和mps（Mac）设备，具有较广泛的适用性。
应用场景
- 内容创作：帮助创作者快速将音频内容转录为文字，提高创作效率。
- 会议记录：对会议音频进行快速转录，方便后续整理和回顾。
- 学术研究：处理学术讲座、访谈等音频资料，便于进行文本分析和研究。
安装与使用
安装
- 使用
pipx安装：pipx install insanely-fast-whisper，若Python版本为3.11.XX，可能需使用pipx install insanely-fast-whisper --force --pip-args="--ignore-requires-python"安装最新版本。 - 若使用
pip安装，可直接传递参数：pip install insanely-fast-whisper --ignore-requires-python。
使用
- 运行转录：
insanely-fast-whisper --file-name <filename or URL>，在macOS上需添加-device-id mps。 - 运行Whisper-large-v3并使用Flash Attention 2：
insanely-fast-whisper --file-name <filename or URL> --flash True。 - 运行distil-whisper：
insanely-fast-whisper --model-name distil-whisper/large-v2 --file-name <filename or URL>。 - 不安装直接运行：
pipx run insanely-fast-whisper --file-name <filename or URL>。
CLI选项
-file-name：指定要转录的音频文件路径或URL。-device-id：指定GPU设备ID，Mac使用"mps"。-transcript-path：指定转录输出保存路径。-model-name：指定用于自动语音识别的预训练模型。-task：指定任务类型，转录或翻译。-language：指定输入音频的语言，默认自动检测。-batch-size：指定并行计算的批处理数量，内存不足时可减小。-flash：是否使用Flash Attention 2。-timestamp：指定时间戳类型，按块或按单词。-hf-token：提供HF令牌用于音频片段的说话人分离。-diarization_model：指定用于说话人分离的预训练模型。-num-speakers：指定音频文件中确切的说话人数量。-min-speakers：设置说话人分离时考虑的最小说话人数量。-max-speakers：设置说话人分离时考虑的最大说话人数量。
常见问题解答
- 安装flash-attn：使用
pipx runpip insanely-fast-whisper install flash-attn --no-build-isolation。 - 解决Windows上的CUDA错误：手动在虚拟环境中安装torch，
python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121。 - 避免Mac上的内存不足问题：设置
-batch-size 4并使用-device-id mps。
不使用CLI的使用方法
安装依赖：pip install --upgrade transformers optimum accelerate
import torch
from transformers import pipeline
from transformers.utils import is_flash_attn_2_available
pipe = pipeline(
"automatic-speech-recognition",
model="openai/whisper-large-v3",
torch_dtype=torch.float16,
device="cuda:0",
model_kwargs={"attn_implementation": "flash_attention_2"} if is_flash_attn_2_available() else {"attn_implementation": "sdpa"},
)
outputs = pipe(
"<FILE_NAME>",
chunk_length_s=30,
batch_size=24,
return_timestamps=True,
)
outputs
原文：mp.weixin.qq.com/s/K4Io9XtNm…
欢迎关注公zh：AI Tech研习社
关注公zh，后台回复【OpenClaw完全使用手册】，领取OpenClaw完全使用手册.pdf学习资料，更多学习资源敬请期待。
