deer-workflow 是一个基于 TypeScript 和 Bun 的开源动态工作流/Agent 图运行时，用于构建可观察、可复用的 Agent 编排图。它强调“代码即计划”：用 TypeScript 明确定义流程、节点、输入输出、错误处理和执行路径，再把每个节点中的语义任务交给可替换的 Coding Agent 运行时执行。项目默认支持 Codex CLI，也内置 Claude Code 适配能力，定位为 DeerFlow 3.0 / DeerWork 的先导项目。
适用领域
AI Agent 编排 / 动态工作流 / Graph Engineering / LLM 应用开发 / Coding Agent 自动化 / TypeScript 工程化 / 研发自动化 / AI 辅助内容生成 / AI Research Workflow / CI/服务端自动化流程
配置难度
中等偏高。对于熟悉 TypeScript、Bun、CLI 工具和 LLM Agent 的开发者，上手较快；但如果要设计可靠的多 Agent 工作流、接入自定义 Agent runtime、在 CI/服务端稳定运行并处理失败恢复，则需要较强的工程化能力。
商业价值
该项目的商业价值主要体现在将 AI Agent 从一次性对话转变为可审查、可复用、可观测的工程化流程。它适合用于研发自动化、研究报告生成、内容生产、代码辅助、企业内部知识处理和复杂 AI 工作流原型开发。对于希望构建 Agent 平台或内部 AI 自动化基础设施的团队，deer-workflow 可以作为轻量级运行时和实验框架，降低从自然语言任务到可运行工作流的落地成本。但在正式生产使用前，需要评估稳定性、Agent 成本、权限安全和可控性。
01
技术亮点
- 代码优先：流程控制、阶段、输入、错误处理都写在可审查的 TypeScript 中，而不是隐藏在不可控的 Agent 对话中
- Agent 可替换：Codex 是默认运行时，但不是架构依赖；项目内置 ClaudeAgent，并鼓励接入其他 Coding Agent
- 可观测性较强：交互式运行提供分阶段 TUI，自动化场景提供稳定的 JSONL 事件流
- 适合复杂工作流：支持并行研究、流水线写作、验证、合成等多阶段任务
- 提供 workflow-creator Skill，可根据自然语言描述生成可运行的 Workflow 模块
- 有示例项目，包括 Deep Research 和 Blog Writer，便于理解实际使用模式
- MIT 许可证，商业使用和二次开发限制较少
- 与 DeerFlow 3.0 / DeerWork 路线相关，适合关注新一代 Agent 工程化框架的开发者
02
目标用户
- 希望用代码方式编排 AI Agent 流程的开发者
- 正在构建多步骤 LLM 应用的 TypeScript/Node.js 开发者
- 需要将 Codex、Claude Code 等 Coding Agent 接入业务流程的团队
- 关注 Agent 工作流可观测性、可审查性和可复用性的架构师
- 希望探索 DeerFlow 3.0 / DeerWork 技术路线的开发者
- 需要在 CI、脚本或服务端管道中运行 AI 自动化任务的工程团队
- AI 应用原型开发者、Agent 平台开发者和自动化工具作者
03
配置要求
- 需要安装 Bun，项目以 Bun 作为主要运行时和包管理工具
- 需要 TypeScript 开发环境，工作流模块以 TypeScript 编写
- 默认需要 Codex CLI，并且需要完成登录和可用配置
- 如果使用 Claude Code，需要配置对应的 Claude Agent 运行环境
- 运行涉及 LLM/Coding Agent 的流程时，需要对应模型服务、账号权限和网络访问能力
- 生成和运行工作流时需要准备符合 Workflow 输入 schema 的 JSON 参数
- 在 CI 或服务器中使用时，应配置凭证、环境变量、日志采集和 JSONL 输出消费逻辑
- 如需开发扩展 Agent runtime，需要遵循项目公开的 Agent interface
04
适用场景
- 通过自然语言描述生成可运行的 TypeScript Workflow 模块
- 构建多节点 Agent 工作流，例如研究、验证、汇总、生成报告
- 并行处理多个主题或任务，再统一合成结构化结果
- 开发 Deep Research 类应用：自动发现研究角度、并行调研、校验事实、生成报告
- 开发 Blog Writer 类应用：规划文章、分章节起草、审阅、输出结构化内容
- 在终端中以交互式 TUI 观察工作流执行阶段和日志
- 在服务器、CI 或自动化脚本中通过 JSONL 事件流消费执行过程
- 封装可复用的 Agent 子流程，用于企业内部研发、文档、研究或内容生产
- 替换底层 Agent 运行时，例如从 Codex 切换到 Claude Code 或未来自定义 Agent
05
部署与配置
- 安装 Bun 运行时：https://bun.sh
- 安装并登录 Codex CLI，作为默认 Agent 运行时
- 使用命令全局安装 CLI：bun install --global @deerwork-ai/deer-workflow
- 使用 deer-workflow create "你的工作流描述" > workflow.ts 生成工作流 TypeScript 文件
- 使用 deer-workflow run ./workflow.ts --input '{"topics":["Agent Skills","Dynamic Workflows"]}' 运行工作流
- 如需在服务端、CI 或管道中使用结构化输出，可添加 --print 或 -p 输出 JSONL 事件流
- 如需本地开发源码：git clone https://github.com/deerwork-ai/deer-workflow.git && cd deer-workflow && bun install
- 源码方式运行 CLI：bun run dev -- --help
- 提交修改前运行质量检查：bun run check
06
风险与注意事项
- 项目星标约 318，生态仍处于早期阶段，社区规模和长期稳定性需要观察
- 依赖 Bun，对只使用 Node.js/npm/pnpm 的团队会有一定迁移或适配成本
- 默认依赖 Codex CLI，实际可用性受账号权限、模型能力、网络环境和费用影响
- Agent 执行结果存在不确定性，复杂任务需要额外的验证、重试和人工审查机制
- 作为 DeerFlow 3.0 先导项目，API 和设计可能仍会快速演进，生产环境使用需关注版本变更
- 中文文档虽然存在，但核心 README 和生态资料可能仍以英文为主
- 对 TypeScript 类型、异步流程、Agent 运行时抽象和工作流设计有一定理解门槛
- 如果将 Agent 赋予文件或代码修改权限，需要注意供应链安全、代码安全和权限隔离
2026-08-02
第19名
新收录 · github_search
2026-08-01
第18名
新收录 · github_search
2026-07-31
第15名
新收录 · github_search
2026-07-30
第21名
新收录 · github_search
2026-07-29
第22名
新收录 · github_search
