lgwanai DeerFlow Agent
Invoke the DeerFlow agent system directly within Claude Code. No server required - runs embedded in the current process.
Command System
双模式支持: 本 Skill 同时支持显性指令和模糊匹配。当用户输入以
/开头的指令时，直接执行对应操作；否则进行意图推断。
显性指令列表
| 指令 | 别名 | 功能 | 示例 |
|---|---|---|---|
/deer |
/d, /启动 |
启动 DeerFlow agent | /deer 研究量子计算最新进展 |
/deer --flash |
/d -f, /快问 |
快速模式（无思考、无规划） | /deer --flash 法国首都 |
/deer --pro |
/d -p, /专业 |
专业模式（思考+规划） | /deer --pro 创建REST API项目计划 |
/deer --ultra |
/d -u, /超级 |
超级模式（思考+规划+并行子agent） | /deer --ultra 分析所有模块性能瓶颈 |
指令详细说明
/deer - 启动 Agent
/deer <任务描述>
/d <任务描述> # 别名
/启动 <任务描述> # 中文别名
示例:
/deer 研究量子计算的最新进展
/deer 分析宝马中国市场策略
/d 对比 Tesla 和 BYD 的技术路线
/deer --flash - 快速模式
/deer --flash <简单问题>
/d -f <简单问题> # 别名
/快问 <简单问题> # 中文别名
特点: 无思考、无规划、无子agent，快速响应
示例:
/deer --flash 法国的首都是哪里
/d -f 今天天气如何
/快问 1+1等于几
/deer --pro - 专业模式
/deer --pro <复杂任务>
/d -p <复杂任务> # 别名
/专业 <复杂任务> # 中文别名
特点: 有思考、有规划、无子agent，结构化处理
示例:
/deer --pro 创建一个REST API的详细项目计划
/d -p 设计微服务架构方案
/专业 制定代码重构策略
/deer --ultra - 超级模式
/deer --ultra <大型任务>
/d -u <大型任务> # 别名
/超级 <大型任务> # 中文别名
特点: 有思考、有规划、有并行子agent，处理复杂任务
示例:
/deer --ultra 分析所有模块性能并找出瓶颈
/d -u 对比三家竞品公司的技术栈
/超级 研究行业发展趋势并生成报告
模糊匹配关键词
当用户输入不是显性指令时，通过关键词推断意图：
| 意图 | 触发关键词 | 执行模式 |
|---|---|---|
| 简单查询 | 是什么、什么是、多少、哪里 | --flash |
| 网络搜索 | 搜索、查一下、调研、research、search | 标准模式 |
| 复杂任务 | 分析、对比、规划、设计、创建 | --pro |
| 大型任务 | 全面、所有、多个、并行、批量 | --ultra |
Mode Presets
| Mode | Thinking | Planning | Subagents | Use Case |
|---|---|---|---|---|
--flash |
No | No | No | Quick responses, simple queries |
--standard |
Yes | No | No | Default, balanced speed and quality |
--pro |
Yes | Yes | No | Complex tasks requiring structured planning |
--ultra |
Yes | Yes | Yes | Parallel subagent delegation for heavy workloads |
Features
- Web Search: Search the web for current information via Tavily
- Web Fetch: Fetch and extract content from web pages via Jina AI
- Multi-step Reasoning: Extended thinking for complex problems
- Planning Mode: Structured task decomposition with TodoList
- Subagent Delegation: Parallel task execution with specialized agents
Configuration
Requires config.yaml with model credentials. Copy config.example.yaml to config.yaml and configure:
- DEEPSEEK_API_KEY - DeepSeek API key (recommended, cost-effective)
- TAVILY_API_KEY - Tavily API key for web search
- JINA_API_KEY - Jina AI API key for web fetch
Alternative models: OPENAI_API_KEY, ANTHROPIC_API_KEY
Installation
The skill uses its own embedded deerflow modules. Ensure dependencies are installed:
pip install langchain langchain-anthropic langchain-openai tavily-python httpx
Notes
- First run may be slower as the agent initializes
- Web search and fetch require API keys in config.yaml
- For local models via Ollama, ensure Ollama is running on localhost:11434