deerflow-skill

name	deerflow-skill
description	DeerFlow agent orchestration for complex tasks requiring multi-step reasoning, web search, tool orchestration, or parallel subagent delegation. Use when user needs to research topics, search web, or delegate complex tasks to subagents. 使用此 Skill 进行复杂任务的编排和执行。
allowed-tools	["web_search","web_fetch"]
version	1.0.0
author	openforce
license	MIT

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