让 AI 完成一项持续数小时、横跨搜索资料和编写代码的任务，难点不只是“会不会答”，还在于能否分工、记住进度，并安全地执行命令。字节跳动开源的 DeerFlow 2.0 瞄准的正是这类长流程：它自称 SuperAgent——能规划复杂任务、调用多种工具并持续执行的综合型 Agent。
DeerFlow把主 Agent 做成“项目负责人”：它把研究、编码等环节交给不同子 Agent，再汇总结果；记忆负责保留跨步骤信息，技能用于复用操作流程，沙箱则提供与主机隔离的受控空间，降低代码或命令误伤真实系统的风险。这些能力并非分别拼装，而是集中在同一套可扩展框架里。
值得注意的是，2.0 是一次从头重写，与 1.x 不共享代码；原来的 Deep Research 框架仍留在 1.x 分支。项目连续两天进入趋势榜，说明开发者对“能把长任务做完”的 Agent 基础设施兴趣正在升温。不过，现有材料没有给出独立评测或任务成功率，能力边界仍要看实际使用。