Olares 上部署 DeerFlow 2.0：用 config.yaml 接入本地模型并运行 AI 深度研究

云原生后端运维【免费下载链接】TerminusOpen-Source Personal Cloud OS for Always-On Agents项目地址https://gitcode.com/gh_mirrors/terminus2/Terminus点击查看免费下载本文以 Olares 设备上的 DeerFlow 2.0 应用为核心完整讲解如何从 Market 安装该应用、通过应用数据目录下的config.yaml将本地大模型Qwen3.8-27B经 Olares Router 接入并重启部署后运行深度研究等任务。读完后你可以独立完成在 Olares 1.12.7 及以上版本中把任意本地/路由模型接入 DeerFlow 2.0理解default-chat路由名与 Base URL 的取值规则并排查“无法生成响应”、启用后续建议等常见问题。DeerFlow 2.0 是什么DeerFlow 是字节跳动开源的智能代理agent框架基于 LangGraph 和 LangChain 构建通过可扩展的 skill 来编排子代理sub-agents、记忆memory和沙盒sandbox以处理复杂任务。DeerFlow 2.0 是原版的彻底重写1.0 版本定位是深度研究框架而 2.0 则是一个通用智能代理平台。从 Market 应用详情页下图可以看到其核心能力子代理并行执行任务的 Super Agent Harness基于沙盒Docker 或本地的代码执行跨会话的持久长期记忆内置自定义 skills支持搜索网络、分析数据、生成可交互 artifacts 等。Market 页面同时标明了资源需求截图所示为 1 GiB 内存、2 GiB 磁盘、200m CPU、无 GPU 要求供安装前参考。需要说明的是DeerFlow 应用本身是经由 Olares Market 分发的第三方应用其源码不在本仓库中本仓库中与它相关的实现证据主要是 Router 连接机制文档AI 服务连接、AI 应用如何连接 Olares 模型本文在配置模型一节会结合这些文档解释连接参数背后的原理。前提条件开始之前你需要一台运行Olares 1.12.7 或更高版本、具有足够磁盘空间和内存的 Olares 设备能够访问 Router本地模型连接的统一入口以下模型模型类型模型获取方式聊天Qwen3.8-27B (llama.cpp)从 Market 安装模型连接的工作原理在 Olares 1.12.7 及以上版本中AI 客户端通过 Olares Router 连接模型。Router 提供 Base URL并将default-chat的请求转发给Default models页面中设置的默认聊天模型。按AI 应用如何连接 Olares 模型的划分Olares 上的 AI 连接包含三个部分客户端应用发送请求的界面/进程、Router统一入口负责验证调用方身份并转发请求、模型服务本地模型应用或已接入的远程服务商。本教程中 DeerFlow 2.0 的后端容器属于“Olares 内的应用进程”请求始终位于 Olares 内部网络因此应选用 Router 的Apps in Olares连接选项——该选项由平台注入应用身份无需 Router API key这正是后文config.yaml中api_key可填任意非空文本如olares的原因。可选使用其他模型——从应用市场安装其他聊天模型或通过引擎基座应用创建模型实例然后在 Router 的Default models页面将其设为默认聊天模型。使用default-chat的客户端会调用新的默认模型无需修改客户端的模型设置。如果希望某个客户端始终使用指定模型则改填 Router 的How to call this model窗口中显示的完整模型名称。安装 DeerFlow 2.0打开 Market搜索 “DeerFlow 2.0”。点击Get然后点击Install等待安装完成。配置模型DeerFlow 2.0 使用config.yaml文件作为核心配置。要将其连接到本地模型需要在这个文件中添加模型及其连接信息。获取模型连接信息对于 Qwen3.8-27B (llama.cpp)按以下步骤从 Router 获取连接参数从 Launchpad 打开 Router。在Default models页面将 Qwen3.8-27B (llama.cpp) 设为默认聊天模型。进入LLM页面找到 Qwen3.8-27B (llama.cpp)点击模型所在行的View connection example图标。在How to call this model窗口中选择Apps in Olares复制完整的Base URL保留末尾的/v1。客户端中的模型名称填写为default-chat。Olares 内的应用无需 Router API 密钥允许留空时留空必填时填olares。注意default-chat是路由名称不会出现在模型列表 API 的返回结果中。如果客户端会自动拉取模型列表需要手动添加它如果客户端只允许选择列表中的模型请改用 Router 中显示的完整模型名称。编辑 config.yaml打开 Files导航至 DeerFlow 2.0 应用数据目录/Data/deerflowv2/config/。打开config.yaml点击右上角编辑图标打开编辑器。在models:部分下添加以下模型配置并把PASTE_ROUTER_BASE_URL替换为从 Router 复制的 Base URLmodels: - name: default-chat # 模型的唯一标识符 display_name: Qwen3.8-27B # UI 中显示的名称 use: langchain_openai:ChatOpenAI # 用于 OpenAI-compatible API 的 LangChain 类 model: default-chat # 模型 ID api_key: olares # 使用任意非空文本 base_url: PASTE_ROUTER_BASE_URL supports_thinking: true # 如果模型支持扩展思考则设为 true各字段的作用字段说明name模型在 DeerFlow 内部配置中的唯一标识符display_name在 UI 中展示的模型名称use指定 LangChain 的加载器与类langchain_openai:ChatOpenAI表示通过 OpenAI 兼容 API 调用model发给 Router 的模型 ID这里填路由名default-chatapi_key因请求来自 Olares 内部网络、由平台注入应用身份此值可填任意非空文本base_url从 Router 复制的 Base URL需包含/v1路径supports_thinking模型支持扩展思考thinking时设为true否则应设为false点击保存按钮保存更改。重启以应用更改config.yaml的修改不会热生效需要重启后端容器打开 Control Hub选择 DeerFlow 2.0 项目。在Deployments下找到后端容器并点击Restart。在确认对话框中确认重启。等待状态图标变为绿色表示部署恢复正常运行。使用 DeerFlow 2.0模型配置完成后就可以开始使用了。从 Launchpad 打开 DeerFlow 2.0点击Get Started with 2.0。首次启动时创建用于访问和管理当前 DeerFlow 2.0 实例的管理员账号Email输入管理员账号的电子邮箱地址Password输入至少包含八个字符的密码Confirm Password再次输入密码。账号数据包括登录信息仅保存在当前 DeerFlow 2.0 实例中创建账号和登录均不连接外部账号服务。点击Create Admin Account进入聊天界面。选择执行模式。聊天界面提供 Flash、Reasoning、Pro、Ultra 等多种执行模式控制代理如何处理你的请求——从快速单次回答到带子代理的多步骤研究。Flash快速高效但可能不够准确Reasoning先推理再行动在速度与准确性之间取平衡Pro推理、规划、行动执行并重耗时更长Ultra最重型模式带规划器拆解任务适合复杂的多步骤任务。在聊天框中输入提示词或选择一个建议主题作为灵感。例如对某个主题进行深度研究从上图可以看到一次深度研究会产出结构化的研究过程“6 more steps”等子任务进度和可下载/可预览的交付物如ai_note_taking_apps_research.md研究报告右侧面板支持查看渲染后的 artifact。你也可以上传附件让 DeerFlow 将其作为输入进行处理。常见问题DeerFlow 2.0 无法生成响应如果代理无法启动或卡住检查模型兼容性确保你选择的模型已在config.yaml中正确配置验证端点 URLbase_url是否正确检查连接信息确保 Model name 和 Base URL 与 Router 中显示的值一致使用default-chat作为模型并在 Router 的Default models页面确认默认聊天模型就是你要调用的模型。如何启用后续建议默认情况下为了降低响应生成后不必要的 GPU 使用率Olares 上的 DeerFlow 2.0 关闭了后续建议follow-up suggestions功能。要启用它打开 Control Hub选择 DeerFlow 2.0 项目。在Deployments下点击deerflowv2-frontend部署。点击编辑图标编辑 YAML。找到ENABLE_FOLLOWUP_SUGGESTIONS环境变量将其值改为true。点击Confirm应用更改。版本与适用范围本文基于 Olares 1.12.7 的连接机制connectionVersion: 1.12.7文档版本 1.2应用版本 1.0.6更新日期 2026-09-23。仓库中同时保留了一份面向 1.12.6 的对应版本文档docs/zh/use-cases/deerflow2-1.12.6.md在 1.12.6 及以下版本中Router 的连接方式与 Base URL 规则可能与本文不同若你的设备尚未升级到 1.12.7请以该版本化文档为准。英文原文见 docs/use-cases/deerflow2.md模型连接的完整规则见 docs/zh/manual/best-practices/connect-ai-apps.md 与 docs/zh/reusables/ai-service-connections.md。赞分享云原生后端运维【免费下载链接】TerminusOpen-Source Personal Cloud OS for Always-On Agents项目地址https://gitcode.com/gh_mirrors/terminus2/Terminus点击查看免费下载相关推荐在 Olares 上部署 DeerFlow 2.0config.yaml 接入本地模型并跑通深度研究在 Olares 上部署 DeerFlow 2.0config.yaml 接入本地模型并跑通深度研究 DeerFlow 2.0 是 ByteDance 开源的云原生后端运维在 Olares 1.12.6 上部署 DeerFlow 2.0用本地模型驱动 AI 深度研究与任务处理在 Olares 1.12.6 上部署 DeerFlow 2.0用本地模型驱动 AI 深度研究与任务处理 本文基于 Olares 1.12.6 版本文档 do云原生后端运维Olares 1.12.6 部署 DeerFlow 2.0用本地大模型构建可深度研究的 AI 智能体Olares 1.12.6 部署 DeerFlow 2.0用本地大模型构建可深度研究的 AI 智能体 本文基于 Terminus 仓库的官方使用案例文档详解云原生后端运维上一篇Civitai 定价模板Pricing Templates实现指南从数据模型到分阶段落地的完整方案下一篇wagmi Tempo 的 zone.getWithdrawalFee查询 Zone 提现手续费的动作与 Hook 实战指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考