bytedance GitHub avatar

deer-flow

85.5K Stars23 Skills12K ForksMIT11月17日更新Skill 仓库

AI 概览 · 由大模型根据 SKILL.md 与仓库数据生成 · 2026年11月2日

面向研究、数据分析与工程任务的可复用 AI Agent Skills

DeerFlow 是一个开源的长时任务 Agent 框架,仓库包含多种工作流 Skill。已采集资料显示,其中有用于多角度资料研究、Excel 或 CSV 数据检查与查询、表格汇总、代码文档和图表可视化等 Skill;部分条目的资料较简略,不能据此确认其详细操作方式或结果质量。

包含 Skill

23

可以单独安装

GitHub Star

85.5k

仓库累计 Star

近 7 天

+222

新增 Star

代码更新

2026年11月17日

最近一次推送

核心亮点

  • 1任务覆盖

    采集条目涉及研究、数据处理、图表和工程相关工作。

  • 2输入明确

    数据分析 Skill 列出了文件、操作类型及部分可选参数。

  • 3结果可整理

    部分研究 Skill 说明了报告内容或文件输出形式。

能做什么

  • 开展多角度资料研究,并整理事实、数据、案例、专家观点和趋势等信息。
  • 检查 Excel 或 CSV 文件,也可按说明执行查询或汇总。
  • 按采集资料提供的目标处理图表可视化、代码文档和前端设计等任务。
  • 将 GitHub 深度研究报告保存为指定格式的 Markdown 文件。

适用场景

  • 研究某个主题,并整理多角度资料、统计数据和相关背景。

  • 检查一组 Excel 或 CSV 文件,或按说明执行查询与表格汇总。

  • 对 GitHub 主题开展深度研究,并整理为 Markdown 报告。

  • 围绕代码文档、图表可视化或前端设计提出对应任务。

用之前和用之后

  • 研究资料和数据分散可按研究 Skill 的说明汇总信息并形成结构化内容。
  • 表格处理目标不明确可通过数据分析 Skill 指定检查、查询或汇总操作。
  • 需要手动整理研究报告文件GitHub 深度研究 Skill 的采集说明给出了报告文件命名形式。

它是怎么工作的

  1. 第 1 步

    选择对应任务

  2. 第 2 步

    提供所需输入

  3. 第 3 步

    检查整理结果

快速上手

安装与复制命令见“安装方式”。

  1. 1

    从仓库中选择与目标任务对应的 Skill。

  2. 2

    阅读对应的 SKILL.md,确认触发条件、输入和输出要求。

  3. 3

    如使用数据分析 Skill,准备 Excel 或 CSV 文件,并按需提供操作类型及查询或表名。

  4. 4

    执行 Skill 后核对结果、事实来源和导出文件。

适合谁

  • 需要开展主题资料研究并整理报告的用户。
  • 需要检查、查询或汇总 Excel 与 CSV 数据的用户。
  • 希望按任务调用研究、图表或工程类工作流的 AI Agent 使用者。

局限

  • 多数条目的采集资料未提供具体步骤、输入或输出,详细能力需要查看各自的 SKILL.md。
  • 数据分析 Skill 要求提供 Excel 或 CSV 文件路径;查询和汇总还需要相应参数。
  • 采集信息不足以确认各 Skill 的执行环境、依赖条件和结果准确性。
  • 采集条目标注的风险等级为 high,使用前应进一步检查对应源文件及执行行为。

使用前注意

  • · 采集条目均标注为 high 风险等级;运行前应核验 Skill 源文件及其涉及的操作。
  • · 数据分析说明要求调用脚本并提供参数,同时提示不要读取 Python 文件;具体调用方式需回到源文件确认。
  • · 部分条目描述较短或资料不完整,不应仅凭仓库简介推断其具体能力。

包含的 Skills · 23

公开来源

相关 Skills

查看更多