← Back to Home

deer-flow

An open-source SuperAgent harness that researches, codes, and creates. With the help of sandboxes, memories, tools, skill, subagents and message gateway, it handles different levels of tasks that could take minutes to hours.

⭐ Stars: 42968

🍴 Forks: 5035

🖥 Language: Python

📈 Growth Score: 133.4

Topics: AI Agents LLM Python TypeScript

View on GitHub

Related Experiments

Experiment #023: MoneyPrinterTurbo

Generate professional short videos from text in seconds using AI. | Reason: Demonstrates practical AI agent workflow automation—combining LLM for scripting, TTS for voiceovers, and video synthesis into a unified pipeline; increasingly relevant as content creators seek scalable video production without manual labor. | JA: MoneyPrinterTurboは、テーマやキーワードを入力するだけで、AI大モデルを活用して動画シナリオ、素材、字幕、背景音楽を自動生成し、高品質な短動画を一括作成できるツールです。OpenAI、DeepSeekなど複数のLLMに対応し、Web UIとAPI両方で利用可能なため、コンテンツクリエイターの動画制作作業を大幅に効率化できます。

Experiment #022: supermemory

AI that remembers everything across conversations. | Reason: AI agents need persistent memory to maintain context and user state beyond single conversations—Supermemory solves this core limitation with production-ready infrastructure ranked #1 on major benchmarks. | JA: SupermemoryはAIエージェント向けの記憶エンジンで、会話を超えて情報を保持し、ユーザープロフィールや知識を自動で管理します。LongMemEval、LoCoMo、ConvoMemの主要ベンチマークで第1位を獲得しており、RAG、コネクタ、マルチモーダル処理を統合した実用的なメモリ基盤として、今のAIアプリケーション開発で注目されています。

Experiment #021: deer-flow

Orchestrate multi-agent AI systems with memory, sandboxes, and extensible skills. | Reason: DeerFlow 2.0 represents a major breakthrough in agent orchestration, trending #1 on GitHub. It solves the critical need for sophisticated multi-agent coordination that goes beyond simple LLM calls—enabling complex tasks spanning research, coding, and execution across hours-long workflows. | JA: DeerFlow 2.0は、複数のAIエージェント、メモリ、サンドボックス環境を統合して、研究からコーディング、実行まで数時間かかる複雑なタスクを自動化するオープンソースのスーパーエージェントフレームワークです。ByteDanceによる大規模な書き直しで、エージェント型AIの実運用に必要なメモリ管理やスキル拡張性を備え、次世代のAIワークフロー構築ツールとして注目を集めています。

Experiment #020: pentagi

Autonomous AI agent for hands-free penetration testing | Reason: Represents the convergence of LLM agents with cybersecurity automation—a critical application domain where AI agents can perform complex, multi-step security tasks independently with sandboxed execution, reflecting the maturation of agentic AI systems beyond simple chatbots. | JA: PentAGIは、大規模言語モデル（LLM）を活用した完全自律型のAIエージェントが、複雑なペネトレーションテストタスクを自動実行するツールです。Dockerサンドボックス環境で安全に隔離された状態で、nmap、Metasploit、sqlmapなど20以上のセキュリティツールを組み合わせて動作します。AI Agentsが実務的なセキュリティ領域で実際の価値を提供する事例として、今エンタープライズセキュリティと自律型AI技術の融合が注目を集めています。

Experiment #019: project-nomad

Offline AI knowledge server for any environment, anytime. | Reason: As AI agents increasingly need reliable offline access to knowledge bases and local LLM inference, Project N.O.M.A.D. provides a production-ready platform that combines Ollama-powered AI chat, RAG capabilities via Qdrant, and offline content libraries—essential infrastructure for autonomous systems operating in disconnected or unreliable networks. | JA: Project N.O.M.A.D.はOllama、Qdrant、Kiwixなどを統合した自己完結型のオフラインAIナレッジサーバーで、インターネット接続がない環境でもローカルAIチャット、ドキュメント検索、教育コンテンツにアクセスできます。エッジデバイスやAIエージェントがネットワーク依存度を下げながら知識ベースを活用したい需要が高まる中、完全オフラインで動作する統合プラットフォームとして注目されています。

Experiment #018: deer-flow

Orchestrate multi-agent AI systems with memory, sandboxes, and skills. | Reason: DeerFlow 2.0 represents a major shift in agent architecture—moving from single LLM calls to orchestrated multi-agent systems with persistent memory and sandboxed execution, directly addressing production-grade agent deployment challenges that enterprises face now. | JA: DeerFlow 2.0は、複数のサブエージェント、メモリ、サンドボックス、スキルを組み合わせて複雑なタスクを自動実行する、ByteDanceのオープンソースフレームワークです。2月にGitHub Trendingで1位を獲得した注目度の高いツールであり、企業レベルのマルチエージェントシステム構築が急速に進む中、実用的なソリューションとして今最も関連性があります。

Experiment #017: production-agentic-rag-course

Master production RAG systems from keyword search to agentic AI. | Reason: Demonstrates the professional RAG development path with Week 7 agentic patterns using LangGraph and Telegram integration—essential skills for building scalable AI agent systems in production environments. | JA: arXivの論文を自動取得・分析し、ユーザーの質問に答えるAI研究助手システムを構築する実践的なRAGコース。キーワード検索からハイブリッド検索、エージェンティックRAG、Telegramボット統合までの全7週間を通じて、本番環境レベルのAIシステム開発スキルを習得できます。

Experiment #016: pentagi

Autonomous AI agents for fully automated penetration testing | Reason: Represents frontier of autonomous AI agents performing complex security tasks with minimal human intervention, demonstrating practical LLM agent orchestration at scale with tool integration and memory systems. | JA: PentAGIは、AI技術を活用して複雑なペネトレーションテストを完全自動化するツールです。Neo4jによる知識グラフやLLMベースのエージェント実行により、セキュリティテストの効率化と高度な自動判断が可能になります。AIエージェントの実用化が進む現在、セキュリティ業界での自動化ニーズの高まりを反映した注目プロジェクトとして認識されています。

Experiment #015: TradingAgents

AI agents that autonomously execute multi-strategy trading decisions | Reason: Multi-agent LLM systems are now capable of coordinating complex financial decision-making at scale, making this framework timely for demonstrating practical agent orchestration in high-stakes domains. | JA: TradingAgentsは複数のLLMベースのAIエージェントが連携して金融取引戦略を自動実行するフレームワークです。GPT-5やGemini、Claudeなど最新のLLMモデルに対応し、マルチエージェント協調システムの実践的な応用例として注目されています。金融市場での意思決定自動化を実現する先進的なツールです。

Experiment #014: opendataloader-pdf

Extract structured data from PDFs for AI pipelines instantly. | Reason: Critical infrastructure for RAG systems and LLM pipelines requiring high-accuracy PDF parsing with deterministic output and bounding box metadata for context-aware retrieval. | JA: PDFから高精度でMarkdown・JSON・HTMLなどの構造化データを抽出し、LLMやRAGパイプラインに最適化したAI対応形式に自動変換するオープンソースツールです。ベンチマークで0.90の抽出精度を達成し、スキャン画像やテーブル、数式にも対応するため、企業のドキュメント処理自動化とAIシステム連携が今すぐ実現できます。

Experiment #013: superpowers

Offline AI knowledge hub that works anywhere, anytime. | Reason: As AI agents increasingly need reliable, private access to knowledge bases and local LLMs without internet dependency, Project N.O.M.A.D. provides a production-ready framework combining Ollama (local LLM), RAG capabilities via Qdrant, and offline information libraries—essential infrastructure for autonomous agents operating in disconnected or privacy-sensitive environments. | JA: Project N.O.M.A.D.はOllama、Qdrant、Kiwixを統合したオフライン対応のAIナレッジハブで、インターネット接続なしで地元のLLMと知識ベースにアクセスできます。エージェント時代においてプライバシーと信頼性を重視するユーザーや組織にとって、完全自己完結型のAIインフラストラクチャを提供する点で注目されています。

Experiment #012: open-swe

Scan containers, code, and infrastructure for vulnerabilities in seconds. | Reason: AI agents increasingly deploy containerized applications and infrastructure-as-code; Trivy enables automated security scanning across the entire deployment pipeline, making it essential for agent-driven DevOps workflows. | JA: Trivyは、コンテナイメージ、ファイルシステム、Kubernetesなど複数の対象から脆弱性、設定ミス、シークレット情報を自動検出する総合的なセキュリティスキャナーです。AIエージェントがインフラストラクチャを自動構築・デプロイする時代において、セキュリティを継続的に監視するための重要なツールとして注目されています。

Experiment #011: claude-hud

- Displays context window usage, active tools, agents, and todo progress in Claude Code's statusline - Prevents context overflow by showing real token counts and consumption rates before hitting limits - Claude Code users managing complex multi-agent workflows requiring visibility into resource utilization

Experiment #010: claude-hud

- Renders real-time context usage, tool activity, and agent status in Claude Code's statusline - Prevents context window overflow by displaying native token metrics and consumption rates - Claude Code power users managing complex multi-agent workflows and long sessions

Experiment #009: opendataloader-pdf

- Extracts structured data (Markdown, JSON, HTML) from PDFs with #1 benchmark accuracy (0.90) - Automates PDF accessibility compliance via auto-tagging to Tagged PDF/PDF/UA standards - For developers building RAG/LLM pipelines and accessibility-focused applications

Experiment #008: opendataloader-pdf

（要約エラー: Error code: 404 - {'type': 'error', 'error': {'type': 'not_found_error', 'message': 'model: claude-3-5-haiku-20241022'}, 'request_id': 'req_011CZEAT7fxiWxqccANASYy9'}）説明: PDF Parser for AI-ready data. Automate PDF accessibility. Open-source.

Experiment #007: opendataloader-pdf

（要約エラー: Error code: 400 - {'type': 'error', 'error': {'type': 'invalid_request_error', 'message': 'Your credit balance is too low to access the Anthropic API. Please go to Plans & Billing to upgrade or purchase credits.'}, 'request_id': 'req_011CZE9no4ihm1B5QAG8dpEv'}）説明: PDF Parser for AI-ready data. Automate PDF accessibility. Open-source.

Experiment #006: opendataloader-pdf

（要約エラー: Error code: 400 - {'type': 'error', 'error': {'type': 'invalid_request_error', 'message': 'Your credit balance is too low to access the Anthropic API. Please go to Plans & Billing to upgrade or purchase credits.'}, 'request_id': 'req_011CZE5Vhxwc1e2th9JL99XT'}）説明: PDF Parser for AI-ready data. Automate PDF accessibility. Open-source.

Experiment #005: superpowers

（要約スキップ: ANTHROPIC_API_KEYが未設定）説明: An agentic skills framework & software development methodology that works.

Experiment #004: open-swe

（要約スキップ: ANTHROPIC_API_KEYが未設定）説明: An Open-Source Asynchronous Coding Agent

Experiment #003: opendataloader-pdf

（要約スキップ: ANTHROPIC_API_KEYが未設定）説明: PDF Parser for AI-ready data. Automate PDF accessibility. Open-source.

Experiment #002: opendataloader-pdf

- PDF Parser for AI-ready data. Automate PDF accessi - Trending rapidly on GitHub - Great for developers and researchers