DeerFlow用户界面指南：红框按钮功能与操作路径说明

DeerFlow用户界面指南：红框按钮功能与操作路径说明

1. DeerFlow是什么：你的个人深度研究助理

DeerFlow不是另一个聊天窗口，而是一个能真正帮你“挖得更深”的研究伙伴。它不满足于简单回答问题，而是主动调用搜索引擎、运行Python代码、抓取网页数据、整合多源信息，最后生成结构清晰的报告，甚至把结论变成一段可听的播客。

想象一下：你想了解某项新技术的落地现状，传统做法是手动搜索、翻页、整理笔记、再写总结——耗时且容易遗漏关键信息。而DeerFlow会自动完成这一整套流程：先规划研究路径，再分头执行搜索与代码分析，最后将结果组织成逻辑连贯的文本，并支持一键转为语音。它不是替代你思考，而是把重复劳动交给工具，让你专注在判断、决策和创造上。

这个能力背后，是一套经过工程验证的协作机制。它不像单一大模型那样“单打独斗”，而是由多个专业角色协同工作：有负责统筹全局的协调器，有擅长拆解任务的规划器，有专攻网络检索的研究员，还有能写代码验证假设的编码员，最后由报告员统一输出成果。这种分工明确、各司其职的方式，让复杂研究变得可预测、可复现、可扩展。

2. 界面初识：从启动到首次提问的完整路径

2.1 启动前确认：两个关键服务是否就绪

DeerFlow的运行依赖两个核心服务：底层大模型推理服务（vLLM）和上层业务逻辑服务（DeerFlow主程序）。它们就像汽车的发动机和驾驶系统——缺一不可。在打开前端界面之前，请务必确认两者都已正常启动。

第一步：检查vLLM模型服务是否就绪
DeerFlow默认内置了Qwen3-4B-Instruct-2507模型，并通过vLLM框架进行高效推理。要确认它是否已加载成功，只需查看日志文件：

cat /root/workspace/llm.log

如果看到类似INFO | vLLM server started on http://0.0.0.0:8000或Model loaded successfully的输出，说明模型服务已准备就绪。日志末尾没有报错、没有卡在“loading”状态，就是最直接的信号。

第二步：检查DeerFlow主服务是否运行正常
模型只是“大脑”，DeerFlow服务才是指挥整个研究流程的“中枢神经”。它的启动日志记录了组件初始化、工具注册、API路由绑定等关键步骤：

cat /root/workspace/bootstrap.log

重点关注是否有All agents registered、Web UI server listening on port 3000或DeerFlow bootstrap completed这类明确的成功提示。若日志中出现Connection refused或ModuleNotFoundError，则需回溯环境配置或依赖安装步骤。

小贴士：这两个日志文件是你排查问题的第一手资料。不必逐行阅读，只需盯住最后一屏的输出——成功启动的服务，日志结尾通常是安静的，而不是滚动着红色错误。

2.2 打开前端界面：三步直达操作入口

当两个服务都确认运行后，就可以进入最直观的交互环节了。整个过程无需命令行输入，全部通过图形界面完成，对新手非常友好。

第一步：点击“WebUI”快捷入口
在开发环境或镜像的桌面环境中，你会看到一个醒目的“WebUI”图标或按钮。点击它，系统会自动在默认浏览器中打开http://localhost:3000（或对应IP地址）的页面。这是DeerFlow的Web控制台，也是你与所有功能交互的唯一窗口。

第二步：找到并点击红框按钮
页面加载完成后，你会看到一个简洁的对话区域。在输入框上方或侧边，有一个被红色边框高亮标注的按钮——它就是DeerFlow的“研究启动键”。这个红框不是装饰，而是设计上的视觉锚点，明确告诉你：“这里开始真正的深度研究”。

它通常位于界面右上角或输入框正上方，形状可能是圆形、方形或带图标的按钮，但红框是其最稳定、最不易被忽略的识别特征。点击它，相当于向系统发出指令：“请按研究流程执行，不要只做简单问答”。

第三步：输入你的研究问题，按下回车或点击发送
按钮点击后，输入框会获得焦点，此时你可以直接输入问题，例如：

• “对比2024年主流AI图像生成模型在电商海报生成上的实际效果差异”
• “用Python分析近30天比特币价格与黄金ETF持仓量的相关性”
• “总结最近半年医疗大模型在放射科报告生成中的临床验证进展”

输入完毕后，按回车键或点击旁边的发送图标即可。系统不会立刻返回答案，而是进入一个短暂的“规划-执行-整合”周期。你会看到界面上出现进度提示，如“正在规划研究路径…”、“调用Tavily搜索中…”、“运行数据分析脚本…”等，这正是多智能体协同工作的可视化体现。

3. 红框按钮背后的逻辑：它到底触发了什么

3.1 不是“发送”，而是“启动研究工作流”

很多用户第一次看到红框按钮，会下意识把它当作普通聊天框的“发送”按钮。这是一个常见的理解偏差。实际上，它的作用远比“发送文字”更深层。

当你点击红框按钮时，DeerFlow并不会立即将你的问题丢给大模型生成回复。它首先会启动一个预设的研究工作流（Research Workflow），这个流程包含四个标准阶段：

1. 问题解析与任务拆解：识别问题类型（是事实查询？还是需要代码验证？或是多源对比？），并拆解为若干子任务；
2. 工具调度与并行执行：根据子任务类型，自动调用对应工具——比如搜索类任务调用Tavily API，数据类任务启动Python沙箱执行分析脚本；
3. 结果聚合与交叉验证：将来自不同工具的结果进行比对、去重、补全，识别矛盾点并发起二次验证；
4. 结构化输出与增强呈现：将最终结论组织为带标题、段落、引用来源的报告，并可选生成播客摘要。

这个过程完全自动化，你不需要知道背后调用了哪些API、写了什么代码、如何处理异常——你只需要提出一个足够具体的问题，剩下的交给DeerFlow。

3.2 为什么必须用红框按钮？普通回车不行吗？

可以，但效果完全不同。

如果你绕过红框按钮，直接在输入框里敲回车，DeerFlow会以轻量模式（Light Mode）响应：它会调用大模型进行一次快速推理，给出一个基于已有知识的、相对简短的回答。这种方式适合日常问答，比如“Python里怎么读取CSV文件？”。

而红框按钮强制启用深度模式（Deep Mode）。它会跳过简单推理，直接进入上述四阶段工作流。这意味着：

• 它一定会联网搜索最新信息（而非仅依赖模型训练截止日期前的知识）；
• 它一定会尝试用代码验证可计算的问题（比如价格走势、统计相关性）；
• 它一定会生成带来源标注的结构化报告（而非一段无出处的文字）；
• 它支持后续追问，且上下文会保留完整的执行轨迹（你能看到每一步做了什么、用了什么数据）。

换句话说：红框按钮是开启“研究员模式”的开关，普通回车只是“聊天模式”的快捷键。

4. 实际操作演示：以“分析近期AI芯片价格趋势”为例

4.1 提问设计：让问题天然适配深度工作流

红框按钮的强大，需要匹配合适的问题。我们以一个真实场景为例：你想了解英伟达、AMD、寒武纪三家公司的AI芯片近期市场价格变化，但不想手动查十家电商和行业报告。

一个低效的问法是：“AI芯片价格怎么样？”——太模糊，无法拆解，DeerFlow可能只返回一段泛泛而谈的文字。

一个高效的问法是：
“请分析2024年6月至今，英伟达A100、AMD MI300X、寒武纪MLU370-S4三款AI加速卡在国内主流电商平台（京东、淘宝）的公开售价变化趋势，并用Python绘制价格对比折线图。”

这个提问之所以有效，是因为它天然包含了工作流所需的全部要素：

• 明确对象：三款具体型号；
• 时间范围：2024年6月至今（便于爬虫设定时间窗口）；
• 数据来源：京东、淘宝（DeerFlow已预置对应爬虫模块）；
• 交付形式：折线图（触发Python绘图代码执行）；
• 隐含需求：趋势分析（触发统计计算与结论提炼）。

4.2 点击红框后的界面反馈与关键节点识别

当你输入上述问题并点击红框按钮后，界面会出现清晰的阶段性反馈：

• 第一阶段：规划中…
  显示：“已识别3个研究子任务：① 抓取京东A100价格历史 ② 抓取淘宝MI300X价格历史 ③ 编写价格对比分析脚本”。这说明问题已被正确解析。

• 第二阶段：执行中…
  显示：“正在调用Tavily搜索‘寒武纪MLU370-S4 淘宝价格’”、“正在运行Python脚本提取京东商品页价格”、“已获取127条有效价格数据”。此时你可在后台看到爬虫日志滚动，证明工具正在真实运行。

• 第三阶段：生成中…
  显示：“正在整合三平台数据”、“正在计算周度均价”、“正在生成Matplotlib折线图”。最终输出不仅是一张图，还包括图下方的解读文字：“A100价格波动最小（±3.2%），MI300X在6月中旬出现12%跳涨，MLU370-S4呈持续缓降趋势”。

整个过程无需你干预，所有中间数据、代码、图表均保留在会话上下文中，支持随时导出或二次编辑。

5. 常见疑问与实用建议

5.1 红框按钮没反应？先检查这三点

• 服务状态：回到第2.1节，重新执行cat /root/workspace/llm.log和cat /root/workspace/bootstrap.log，确认无ERROR级别报错；
• 网络权限：DeerFlow需要访问外部网站（如Tavily、京东），检查容器或虚拟机是否配置了正确DNS与出网策略；
• 输入内容：极短的输入（如“你好”）或纯符号输入（如“####”）可能被系统判定为无效请求，不予响应。确保输入是完整、通顺的中文句子。

5.2 如何让红框按钮产出更符合预期的结果

• 善用“再试一次”功能：如果首次结果不够理想，不要反复修改问题重发。点击结果区域右上角的图标，DeerFlow会在保持同一工作流的前提下，优化工具调用策略或调整分析维度；
• 主动提供约束条件：在问题中加入“仅限2024年数据”、“排除二手市场报价”、“用中文输出”等限定词，能显著提升结果精准度；
• 分步提问优于一步到位：对于超复杂问题（如“为我设计一个AI芯片投资组合”），可先用红框按钮问“当前AI芯片厂商的技术路线图对比”，再基于该报告追问“哪些技术路线具备长期投资价值”，让研究层层深入。

5.3 红框之外：其他值得了解的界面元素

虽然红框按钮是核心入口，但界面中还有几个辅助功能值得关注：

• 历史会话面板：左侧栏可查看所有过往研究记录，支持按日期、关键词筛选，方便复用已有分析；
• 报告导出按钮：每个完成的研究结果下方都有PDF/Markdown导出选项，一键生成可分享的专业文档；
• 播客生成开关：在报告右侧，有一个耳机图标按钮，点击即可将当前报告内容转为语音，支持调节语速与音色。

这些功能共同构成了DeerFlow“研究-输出-传播”的完整闭环，而红框按钮，正是这个闭环的起点。

6. 总结：掌握红框，就是掌握深度研究的钥匙

DeerFlow的红框按钮，表面看只是一个UI元素，实则是整套深度研究能力的“总开关”。它代表的不是一次简单的交互，而是一整套被封装好的工程化研究范式：从问题理解、工具调度、数据验证，到结构化表达与多模态输出。

学会使用它，意味着你不再需要在多个工具间手动切换，不再需要为数据来源的真实性反复验证，也不再需要把零散结论重新组织成报告。你只需聚焦在最关键的一环——提出一个好问题。

而这个问题的质量，决定了DeerFlow能为你走多远。它不会替你思考方向，但它会以远超人工的效率和精度，帮你抵达那个方向的每一个细节。

所以，下次打开DeerFlow，别急着输入。先停顿一秒，看清那个红框——然后，带着一个真正值得深挖的问题，坚定地按下去。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。