文章目录
- DeerFlow Docker Desktop 部署教程
- 1 准备
- 2 下载官方仓库
- 3 把两个示例配置改名(关键步骤)
- 4 编辑 `config.yaml` 填模型
- 5 创建 `.env` 环境变量文件
- 6 用 Docker Desktop 启动
- 7 验证
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:
| 示例文件 | 改名为 |
|---|---|
config.example.yaml | config.yaml |
extensions_config.example.json | extensions_config.json |
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.jsonWindows 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:2026DEER_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。