DeerFlow 为开发者提供了一种开源方式，用于运行长时间的 AI 代理，以进行研究、编码、内容创作、文件处理、工具调用和多步骤执行。这很有用，但它也改变了模型使用的经济学。
一个普通的聊天机器人可能发送一个提示并返回一个答案。而一个代理工具可以规划、生成子代理、调用工具、重试失败、压缩上下文，并持续工作数分钟或数小时。每一步都可能产生更多的模型调用。对于基于 DeerFlow 构建的团队来说，路由层与代理运行时同样重要。
ShareAI 不会为您构建或托管 DeerFlow 应用程序。应用程序、工作流或代理产品保持在 ShareAI 之外。ShareAI 作为其背后的 AI 市场和 API 层：一个 API 支持 150 多个模型、模型路由、故障切换、使用可见性，以及当代理体验是您拥有或维护的应用程序的一部分时的 Builder 盈利功能。
DeerFlow 对代理工作负载的改变
鹿流 被设计为一个开源的超级代理工具。其公开文档描述了子代理编排、内存、沙盒执行、自定义技能、MCP 集成以及支持跨更长任务运行的多模型功能。
这种架构不同于单一聊天完成的简单封装。DeerFlow 风格的代理可以将一个请求分解为更小的任务，将这些任务分配给专门的代理，调用外部工具，检查生成的文件，并在中间结果返回后继续任务。
优势是更强大的代理体验。权衡点是操作复杂性：更多的调用、更多的上下文、更多的重试、更多的工具输出，以及一个提供商或一个模型选择成为瓶颈的更多可能性。
为什么路由对 DeerFlow 很重要
当代理在执行实际工作时，模型选择变得更加细化。一个规划步骤可能需要更强的推理能力。一个编码步骤可能需要一个专注于代码的模型。一个总结步骤可能需要低成本和高吞吐量。当一个模型不可用或太慢时，备用路径可能需要切换提供商。
如果没有路由层，团队通常会在应用程序中硬编码提供商选择，将使用跟踪分散在多个账户中，并将计费与他们交付的应用程序价值分开处理。这在测试期间可能有效。但当客户、工作空间或部署开始以非常不同的量级使用代理时，这会变得更加困难。
更清晰的模式是让 DeerFlow 专注于编排，同时通过专用的 API 层路由模型流量。代理工具决定要做什么工作。路由层帮助决定哪个模型路径应该处理每类请求。
有关代理堆栈的更广泛模式，请参阅 ShareAI 的指南 连接 AI 代理框架到一个 API.
ShareAI 在 DeerFlow 堆栈中的定位
ShareAI为团队提供了一个单一的API路径，用于跨市场访问模型。开发者可以从 API参考, 开始，比较可用选项 模型市场, ，并在不将每次模型或提供商的更改转化为应用程序重写的情况下路由AI使用。
对于DeerFlow应用程序，这可以支持一些实际目标：
- 使用更强大的模型进行规划、复杂推理或代码密集型步骤。
- 使用更快或成本更低的模型进行摘要、提取、分类和清理任务。
- 将使用可见性保持在生成流量的应用程序、客户、工作空间或功能附近。
- 在不围绕单一提供商账户重建代理产品的情况下切换模型路径。
- 为代理循环添加故障转移，即使首选模型路径不可用也应继续运行。
当DeerFlow嵌入到产品、开源项目、客户工作流程或自托管工具中时，这尤其相关，因为AI使用因用户而异。
DeerFlow应用程序的构建者货币化
许多代理项目开始时是实验或内部工具。成本问题通常在后期出现，当一些重度用户运行长任务、生成大上下文窗口或触发重复工具调用时。固定定价可能会隐藏这些成本，直到利润开始流失。
ShareAI的Builder模型专为已经拥有或维护ShareAI之外应用程序的团队设计。Builder将该应用程序的AI推理流量连接到ShareAI，配置附加费或利润，并让最终客户直接向ShareAI支付路由的AI使用费用。ShareAI随后根据该流量产生的收入每月向Builder支付费用。
对于DeerFlow团队，这可以使代理使用更容易围绕实际工作定价。Builder可以将路由使用与产生成本和价值的工作流程绑定，而不是为不可预测的AI活动向每位客户收取相同的费用：研究运行、编码任务、文档处理、内部自动化、支持调查或内容生产。
重要的区别在于Builder的支付与Provider的奖励不同。Builder通过他们通过ShareAI路由的应用流量赚取收入。Provider通过向ShareAI网络贡献符合条件的计算能力赚取收入。当收入来自应用程序使用时，DeerFlow维护者、SaaS团队或代理通常充当Builder角色。
鹿流团队的实用路由计划
如果您正在为实际产品或工作流程评估鹿流，请在使用量增长之前从路由规则开始。目标不是过度设计第一个版本，而是避免将成本、可靠性和货币化决策硬编码到以后难以更改的地方。
- 映射代理步骤。将规划、研究、编码、总结、提取、验证和最终响应生成分开。
- 分配模型需求。决定哪些步骤需要推理质量、代码强度、速度、低成本或多模态支持。
- 设置回退路径。选择当首选模型速度慢、不可用或对于当前任务来说过于昂贵时会发生什么。
- 按客户或工作空间跟踪使用情况。长期运行的代理应在业务价值创造的地方进行测量，而不仅仅是在提供商账户级别。
- 当代理成为付费应用程序、开源项目、代理交付成果或自托管产品的一部分时，添加 Builder 货币化。
鹿流的 文档 是了解其运行时、配置和代理功能的正确地方。当运行时背后的模型流量需要市场访问、使用控制、路由灵活性或 Builder 货币化时，ShareAI 变得相关。
谁应该考虑这种设置
基于 ShareAI 的路由层对于希望保持项目可用性同时单独定价高强度 AI 使用的开源维护者来说可能是合理的。它也适合自托管团队，其客户在不同部署中具有非常不同的推理量。
当代理工作流程交付给客户并希望将持续收入与启动后实际 AI 使用挂钩时，代理机构可以使用类似的模型。当鹿流支持高级代理功能且成本应随客户采用而不是吸收到固定计划中时，SaaS 团队可以使用它。
共同点是控制。鹿流帮助协调工作。ShareAI 可以帮助路由、测量和货币化工作背后的模型使用。
常见问题
什么是鹿流 AI 代理框架？
鹿流是一个用于长周期 AI 任务的开源代理工具。它专注于编排模式，例如子代理、记忆、工具、沙盒执行、技能和多模型工作流程。
ShareAI 是 DeerFlow 的替代品吗？
不是。DeerFlow 是一个代理框架或工具集。ShareAI 是一个 AI 市场和 API 层。团队可以在 ShareAI 之外构建或运行 DeerFlow 应用，并通过 ShareAI 路由应用的模型使用。
为什么通过一个 API 路由 DeerFlow 模型调用？
一个 API 有助于将模型访问、回退、使用可见性和提供商切换更紧密地与应用架构结合。这在代理循环中跨规划、工具、重试和最终答案创建许多调用时尤为重要。
DeerFlow 可以使用多个模型吗？
可以。DeerFlow 设计用于多模型使用，其文档描述了对 OpenAI 兼容模型配置的支持。团队仍应在将生产流量路由之前针对自己的任务测试每个模型路径。
ShareAI 如何帮助控制 DeerFlow 的成本？
ShareAI 通过为团队提供一个市场/API 层来帮助更有计划地跟踪和控制路由的模型使用。实际的好处是代理逻辑与模型访问决策之间的分离更加强大。
ShareAI 托管或构建 DeerFlow 应用吗？
不。ShareAI 不是应用构建器、托管平台、框架、CMS 或工作流构建器。DeerFlow 应用仍由其团队自行构建、托管和维护。ShareAI 在配置后处理路由的 AI 使用、计费、附加费和支付逻辑。
代理应用的构建者货币化何时有意义？
当应用所有者希望 AI 成本和利润率与实际使用情况挂钩时，这就有意义了。长期运行的研究代理、编码代理、文档代理和支持代理可能会在用户或客户之间产生非常不均匀的流量。
Builder的收益与Provider的奖励有何不同？
构建者通过他们拥有或维护的应用发送的 AI 流量赚取收入，包括配置的利润率或附加费。提供者通过向 ShareAI 网络贡献符合条件的计算能力来赚取收入。它们是相关角色，但并不相同。
这对开源的 DeerFlow 项目有用吗？
是的，当维护者希望保持核心项目开源，同时为重度用户提供一种基于使用的方式来支付路由的 AI 推理费用时，这很有用。这可以减少通过捐赠、赞助或固定订阅为所有模型使用提供资金的压力。
这对构建AI代理的机构有用吗？
是的。机构可以为客户在ShareAI之外构建基于DeerFlow的体验，然后通过ShareAI路由客户的AI使用并配置利润率。每月支付取决于实际路由的使用量，而不是保证的预付费用。
团队在扩展DeerFlow之前应该监控什么？
监控每个任务的调用次数、每步的令牌数量、重试率、模型延迟、工具输出大小、回退频率，以及按客户或工作空间的使用情况。这些信号帮助团队决定更便宜、更快或更强的模型适合在哪里。
DeerFlow团队可以在没有盈利的情况下使用ShareAI吗？
可以。团队可以使用ShareAI进行模型访问和路由，而无需立即添加Builder盈利功能。当代理应用程序有客户、客户部署或大量外部使用时，盈利层变得更加重要。