From 96fb5d653bab1fb10d707b019cce3bb0be518c81 Mon Sep 17 00:00:00 2001 From: =?UTF-8?q?Ern=C3=A2ni=20de=20Britto=20Murtinho?= Date: Fri, 16 May 2025 10:10:17 -0300 Subject: [PATCH] Added Portuguese pt-br Readme File Version (#127) --- README_pt.md | 545 +++++++++++++++++++++++++++++++++++++++++++++++++++ 1 file changed, 545 insertions(+) create mode 100644 README_pt.md diff --git a/README_pt.md b/README_pt.md new file mode 100644 index 0000000..646bb09 --- /dev/null +++ b/README_pt.md @@ -0,0 +1,545 @@ +# 🦌 DeerFlow + +[![Python 3.12+](https://img.shields.io/badge/python-3.12+-blue.svg)](https://www.python.org/downloads/) +[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT) +[![DeepWiki](https://img.shields.io/badge/DeepWiki-bytedance%2Fdeer--flow-blue.svg?logo=data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAACwAAAAyCAYAAAAnWDnqAAAAAXNSR0IArs4c6QAAA05JREFUaEPtmUtyEzEQhtWTQyQLHNak2AB7ZnyXZMEjXMGeK/AIi+QuHrMnbChYY7MIh8g01fJoopFb0uhhEqqcbWTp06/uv1saEDv4O3n3dV60RfP947Mm9/SQc0ICFQgzfc4CYZoTPAswgSJCCUJUnAAoRHOAUOcATwbmVLWdGoH//PB8mnKqScAhsD0kYP3j/Yt5LPQe2KvcXmGvRHcDnpxfL2zOYJ1mFwrryWTz0advv1Ut4CJgf5uhDuDj5eUcAUoahrdY/56ebRWeraTjMt/00Sh3UDtjgHtQNHwcRGOC98BJEAEymycmYcWwOprTgcB6VZ5JK5TAJ+fXGLBm3FDAmn6oPPjR4rKCAoJCal2eAiQp2x0vxTPB3ALO2CRkwmDy5WohzBDwSEFKRwPbknEggCPB/imwrycgxX2NzoMCHhPkDwqYMr9tRcP5qNrMZHkVnOjRMWwLCcr8ohBVb1OMjxLwGCvjTikrsBOiA6fNyCrm8V1rP93iVPpwaE+gO0SsWmPiXB+jikdf6SizrT5qKasx5j8ABbHpFTx+vFXp9EnYQmLx02h1QTTrl6eDqxLnGjporxl3NL3agEvXdT0WmEost648sQOYAeJS9Q7bfUVoMGnjo4AZdUMQku50McDcMWcBPvr0SzbTAFDfvJqwLzgxwATnCgnp4wDl6Aa+Ax283gghmj+vj7feE2KBBRMW3FzOpLOADl0Isb5587h/U4gGvkt5v60Z1VLG8BhYjbzRwyQZemwAd6cCR5/XFWLYZRIMpX39AR0tjaGGiGzLVyhse5C9RKC6ai42ppWPKiBagOvaYk8lO7DajerabOZP46Lby5wKjw1HCRx7p9sVMOWGzb/vA1hwiWc6jm3MvQDTogQkiqIhJV0nBQBTU+3okKCFDy9WwferkHjtxib7t3xIUQtHxnIwtx4mpg26/HfwVNVDb4oI9RHmx5WGelRVlrtiw43zboCLaxv46AZeB3IlTkwouebTr1y2NjSpHz68WNFjHvupy3q8TFn3Hos2IAk4Ju5dCo8B3wP7VPr/FGaKiG+T+v+TQqIrOqMTL1VdWV1DdmcbO8KXBz6esmYWYKPwDL5b5FA1a0hwapHiom0r/cKaoqr+27/XcrS5UwSMbQAAAABJRU5ErkJggg==)](https://deepwiki.com/bytedance/deer-flow) + + + +[English](./README.md) | [简体中文](./README_zh.md) | [日本語](./README_ja.md) | [Deutsch](./README_de.md) | [Portuguese](./README_pt.md) + +> Originado do Open Source, de volta ao Open Source + +**DeerFlow** (**D**eep **E**xploration and **E**fficient **R**esearch **Flow**) é um framework de Pesquisa Profunda orientado-a-comunidade que baseia-se em um íncrivel trabalho da comunidade open source. Nosso objetivo é combinar modelos de linguagem com ferramentas especializadas para tarefas como busca na web, crawling, e execução de código Python, enquanto retribui com a comunidade que o tornou possível. + +Por favor, visite [Nosso Site Oficial](https://deerflow.tech/) para maiores detalhes. + +## Demo + +### Video + +https://github.com/user-attachments/assets/f3786598-1f2a-4d07-919e-8b99dfa1de3e + +Nesse demo, nós demonstramos como usar o DeerFlow para: +In this demo, we showcase how to use DeerFlow to: + +- Integração fácil com serviços MCP +- Conduzir o processo de Pesquisa Profunda e produzir um relatório abrangente com imagens +- Criar um áudio podcast baseado no relatório gerado + +### Replays + +- [Quão alta é a Torre Eiffel comparada ao prédio mais alto?](https://deerflow.tech/chat?replay=eiffel-tower-vs-tallest-building) +- [Quais são os top repositórios tendência no GitHub?](https://deerflow.tech/chat?replay=github-top-trending-repo) +- [Escreva um artigo sobre os pratos tradicionais de Nanjing's](https://deerflow.tech/chat?replay=nanjing-traditional-dishes) +- [Como decorar um apartamento alugado?](https://deerflow.tech/chat?replay=rental-apartment-decoration) +- [Visite nosso site oficial para explorar mais replays.](https://deerflow.tech/#case-studies) + +--- + +## 📑 Tabela de Conteúdos + +- [🚀 Início Rápido](#Início-Rápido) +- [🌟 Funcionalidades](#funcionalidades) +- [🏗️ Arquitetura](#arquitetura) +- [🛠️ Desenvolvimento](#desenvolvimento) +- [🐳 Docker](#docker) +- [🗣️ Texto-para-fala Integração](#texto-para-fala-integração) +- [📚 Exemplos](#exemplos) +- [❓ FAQ](#faq) +- [📜 Licença](#licença) +- [💖 Agradecimentos](#agradecimentos) +- [🏆 Contribuidores-Chave](#contribuidores-chave) +- [⭐ Histórico de Estrelas](#Histórico-Estrelas) + +## Início-Rápido + +DeerFlow é desenvolvido em Python, e vem com uma IU web escrita em Node.js. Para garantir um processo de configuração fácil, nós recomendamos o uso das seguintes ferramentas: + +### Ferramentas Recomendadas + +- **[`uv`](https://docs.astral.sh/uv/getting-started/installation/):** + Simplifica o gerenciamento de dependência de ambientes Python. `uv` automaticamente cria um ambiente virtual no diretório raiz e instala todos os pacotes necessários para não haver a necessidade de instalar ambientes Python manualmente + +- **[`nvm`](https://github.com/nvm-sh/nvm):** + Gerencia múltiplas versões do ambiente de execução do Node.js sem esforço. + +- **[`pnpm`](https://pnpm.io/installation):** + Instala e gerencia dependências do projeto Node.js. + +### Requisitos de Ambiente + +Certifique-se de que seu sistema atenda os seguintes requisitos mínimos: + +- **[Python](https://www.python.org/downloads/):** Versão `3.12+` +- **[Node.js](https://nodejs.org/en/download/):** Versão `22+` + +### Instalação + +```bash +# Clone o repositório +git clone https://github.com/bytedance/deer-flow.git +cd deer-flow + +# Instale as dependências, uv irá lidar com o interpretador do python e a criação do venv, e instalar os pacotes necessários +uv sync + +# Configure .env com suas chaves de API +# Tavily: https://app.tavily.com/home +# Brave_SEARCH: https://brave.com/search/api/ +# volcengine TTS: Adicione sua credencial TTS caso você a possua +cp .env.example .env + +# Veja as seções abaixo 'Supported Search Engines' and 'Texto-para-Fala Integração' para todas as opções disponíveis + +# Configure o conf.yaml para o seu modelo LLM e chaves API +# Por favor, consulte 'docs/configuration_guide.md' para maiores detalhes +cp conf.yaml.example conf.yaml + +# Instale marp para geração de ppt +# https://github.com/marp-team/marp-cli?tab=readme-ov-file#use-package-manager +brew install marp-cli +``` + +Opcionalmente, instale as dependências IU web via [pnpm](https://pnpm.io/installation): + +```bash +cd deer-flow/web +pnpm install +``` + +### Configurações + +Por favor, consulte o [Guia de Configuração](docs/configuration_guide.md) para maiores detalhes. + +> [!NOTA] +> Antes de iniciar o projeto, leia o guia detalhadamente, e atualize as configurações para baterem com os seus requisitos e configurações específicas. + +### Console IU + +A maneira mais rápida de rodar o projeto é usar o console IU. + +```bash +# Execute o projeto em um shell tipo-bash +uv run main.py +``` + +### Web IU + +Esse projeto também inclui uma IU Web, trazendo uma experiência mais interativa, dinâmica e engajadora. + +> [!NOTA] +> Você precisa instalar as dependências do IU web primeiro. + +```bash +# Execute ambos os servidores de backend e frontend em modo desenvolvimento +# No macOS/Linux +./bootstrap.sh -d + +# No Windows +bootstrap.bat -d +``` + +Abra seu navegador e visite [`http://localhost:3000`](http://localhost:3000) para explorar a IU web. + +Explore mais detalhes no diretório [`web`](./web/) . + +## Mecanismos de Busca Suportados + + +DeerFlow suporta múltiplos mecanismos de busca que podem ser configurados no seu arquivo `.env` usando a variável `SEARCH_API`: + +- **Tavily** (padrão): Uma API de busca especializada para aplicações de IA + + - Requer `TAVILY_API_KEY` no seu arquivo `.env` + - Inscreva-se em: https://app.tavily.com/home + +- **DuckDuckGo**: Mecanismo de busca focado em privacidade + + - Não requer chave API + +- **Brave Search**: Mecanismo de busca focado em privacidade com funcionalidades avançadas + + - Requer `BRAVE_SEARCH_API_KEY` no seu arquivo `.env` + - Inscreva-se em: https://brave.com/search/api/ + +- **Arxiv**: Busca de artigos científicos para pesquisa acadêmica + - Não requer chave API + - Especializado em artigos científicos e acadêmicos + +Para configurar o seu mecanismo preferido, defina a variável `SEARCH_API` no seu arquivo: + +```bash +# Escolha uma: tavily, duckduckgo, brave_search, arxiv +SEARCH_API=tavily +``` + +## Funcionalidades + +### Principais Funcionalidades + +- 🤖 **Integração LLM** + + - Suporta a integração da maioria dos modelos através de [litellm](https://docs.litellm.ai/docs/providers). + - Suporte a modelos open source como Qwen + - Interface API compatível com a OpenAI + - Sistema LLM multicamadas para diferentes complexidades de tarefa + +### Ferramentas e Integrações MCP + +- 🔍 **Busca e Recuperação** + + - Busca web com Tavily, Brave Search e mais + - Crawling com Jina + - Extração de Conteúdo avançada + +- 🔗 **Integração MCP perfeita** + + - Expansão de capacidades de acesso para acesso a domínios privados, grafo de conhecimento, navegação web e mais + - Integração facilitdade de diversas ferramentas de pesquisa e metodologias + +### Colaboração Humana + +- 🧠 **Humano-no-processo** + + + - Suporta modificação interativa de planos de pesquisa usando linguagem natural + - Suporta auto-aceite de planos de pesquisa + +- 📝 **Relatório Pós-Edição** + - Suporta edição de edição de blocos estilo Notion + - Permite refinamentos de IA, incluindo polimento de IA assistida, encurtamento de frase, e expansão + - Distribuído por [tiptap](https://tiptap.dev/) + +### Criação de Conteúdo + +- 🎙️ **Geração de Podcast e apresentação** + + - Script de geração de podcast e síntese de áudio movido por IA + - Criação automatizada de apresentações PowerPoint simples + - Templates customizáveis para conteúdo personalizado + +## Arquitetura + +DeerFlow implementa uma arquitetura de sistema multi-agente modular designada para pesquisa e análise de código automatizada. O sistema é construído em LangGraph, possibilitando um fluxo de trabalho flexível baseado-em-estado onde os componentes se comunicam através de um sistema de transmissão de mensagens bem-definido. + +![Diagrama de Arquitetura](./assets/architecture.png) + +> Veja ao vivo em [deerflow.tech](https://deerflow.tech/#multi-agent-architecture) + +O sistema emprega um fluxo de trabalho simplificado com os seguintes componentes: + +1. **Coordenador**: O ponto de entrada que gerencia o ciclo de vida do fluxo de trabalho + + - Inicia o processo de pesquisa baseado na entrada do usuário + - Delega tarefas so planejador quando apropriado + - Atua como a interface primária entre o usuário e o sistema + +2. **Planejador**: Componente estratégico para a decomposição e planejamento + + - Analisa objetivos de pesquisa e cria planos de execução estruturados + - Determina se há contexto suficiente disponível ou se mais pesquisa é necessária + - Gerencia o fluxo de pesquisa e decide quando gerar o relatório final + +3. **Time de Pesquisa**: Uma coleção de agentes especializados que executam o plano: + + - **Pesquisador**: Conduz buscas web e coleta informações utilizando ferramentas como mecanismos de busca web, crawling e mesmo serviços MCP. + - **Programador**: Lida com a análise de código, execução e tarefas técnicas como usar a ferramenta Python REPL. + Cada agente tem acesso à ferramentas específicas otimizadas para seu papel e opera dentro do fluxo de trabalho LangGraph. + +4. **Repórter**: Estágio final do processador de estágio para saídas de pesquisa + - Resultados agregados do time de pesquisa + - Processa e estrutura as informações coletadas + - Gera relatórios abrangentes de pesquisas + +## Texto-para-Fala Integração + +DeerFlow agora inclui uma funcionalidade Texto-para-Fala (TTS) que permite que você converta relatórios de busca para voz. Essa funcionalidade usa o mecanismo de voz da API TTS para gerar áudio de alta qualidade a partir do texto. Funcionalidades como velocidade, volume e tom também são customizáveis. + +### Usando a API TTS + +Você pode acessar a funcionalidade TTS através do endpoint `/api/tts`: + +```bash +# Exemplo de chamada da API usando curl +curl --location 'http://localhost:8000/api/tts' \ +--header 'Content-Type: application/json' \ +--data '{ + "text": "This is a test of the text-to-speech functionality.", + "speed_ratio": 1.0, + "volume_ratio": 1.0, + "pitch_ratio": 1.0 +}' \ +--output speech.mp3 +``` + +## Desenvolvimento + +### Testando + +Rode o conjunto de testes: + +```bash +# Roda todos os testes +make test + +# Roda um arquivo de teste específico +pytest tests/integration/test_workflow.py + +# Roda com coverage +make coverage +``` + +### Qualidade de Código + +```bash +# Roda o linting +make lint + +# Formata de código +make format +``` + +### Debugando com o LangGraph Studio + +DeerFlow usa LangGraph para sua arquitetura de fluxo de trabalho. Nós podemos usar o LangGraph Studio para debugar e visualizar o fluxo de trabalho em tempo real. + +#### Rodando o LangGraph Studio Localmente + +DeerFlow inclui um arquivo de configuração `langgraph.json` que define a estrutura do grafo e dependências para o LangGraph Studio. Esse arquivo aponta para o grafo do fluxo de trabalho definido no projeto e automaticamente carrega as variáveis de ambiente do arquivo `.env`. + +##### Mac + +```bash +# Instala o gerenciador de pacote uv caso você não o possua +curl -LsSf https://astral.sh/uv/install.sh | sh + +# Instala as dependências e inicia o servidor LangGraph +uvx --refresh --from "langgraph-cli[inmem]" --with-editable . --python 3.12 langgraph dev --allow-blocking +``` + +##### Windows / Linux + +```bash +# Instala as dependências +pip install -e . +pip install -U "langgraph-cli[inmem]" + +# Inicia o servidor LangGraph +langgraph dev +``` + +Após iniciar o servidor LangGraph, você verá diversas URLs no seu terminal: + +- API: http://127.0.0.1:2024 +- Studio UI: https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024 +- API Docs: http://127.0.0.1:2024/docs + +Abra o link do Studio UI no seu navegador para acessar a interface de depuração. + +#### Usando o LangGraph Studio + +No Studio UI, você pode: + + +1. Visualizar o grafo do fluxo de trabalho e como seus componentes se conectam +2. Rastrear a execução em tempo-real e ver como os dados fluem através do sistema +3. Inspecionar o estado de cada passo do fluxo de trabalho +4. Depurar problemas ao examinar entradas e saídas de cada componente +5. Coletar feedback durante a fase de planejamento para refinar os planos de pesquisa + +Quando você envia um tópico de pesquisa ao Studio UI, você será capaz de ver toda a execução do fluxo de trabalho, incluindo: + +- A fase de planejamento onde o plano de pesquisa foi criado +- O processo de feedback onde você pode modificar o plano +- As fases de pesquisa e escrita de cada seção +- A geração do relatório final + +## Docker + +Você também pode executar esse projeto via Docker. + +Primeiro, voce deve ler a [configuração](#configuration) below. Make sure `.env`, `.conf.yaml` files are ready. + +Segundo, para fazer o build de sua imagem docker em seu próprio servidor: + +```bash +docker build -t deer-flow-api . +``` + +E por fim, inicie um container docker rodando o servidor web: + +```bash +# substitua deer-flow-api-app com seu nome de container preferido +docker run -d -t -p 8000:8000 --env-file .env --name deer-flow-api-app deer-flow-api + +# pare o servidor +docker stop deer-flow-api-app +``` + +### Docker Compose (inclui ambos backend e frontend) + +DeerFlow fornece uma estrutura docker-compose para facilmente executar ambos o backend e frontend juntos: + +```bash +# building docker image +docker compose build + +# start the server +docker compose up +``` + +## Exemplos: + +Os seguintes exemplos demonstram as capacidades do DeerFlow: + +### Relatórios de Pesquisa + +1. **Relatório OpenAI Sora** - Análise da ferramenta Sora da OpenAI + + - Discute funcionalidades, acesso, engenharia de prompt, limitações e considerações éticas + + - [Veja o relatório completo](examples/openai_sora_report.md) + +2. **Relatório Protocolo Agent-to-Agent do Google** - Visão geral do protocolo Agent-to-Agent (A2A) do Google + + - Discute o seu papel na comunicação de Agente de IA e seu relacionamento com o Protocolo de Contexto de Modelo ( MCP ) da Anthropic + - [Veja o relatório completo](examples/what_is_agent_to_agent_protocol.md) + +3. **O que é MCP?** - Uma análise abrangente to termo "MCP" através de múltiplos contextos + + - Explora o Protocolo de Contexto de Modelo em IA, Fosfato Monocálcio em Química, e placa de microcanal em eletrônica + - [Veja o relatório completo](examples/what_is_mcp.md) + +4. **Bitcoin Price Fluctuations** - Análise das recentes movimentações de preço do Bitcoin + + - Examina tendências de mercado, influências regulatórias, e indicadores técnicos + - Fornece recomendações baseadas nos dados históricos + - [Veja o relatório completo](examples/bitcoin_price_fluctuation.md) + +5. **O que é LLM?** - Uma exploração em profundidade de Large Language Models + + - Discute arquitetura, treinamento, aplicações, e considerações éticas + - [Veja o relatório completo](examples/what_is_llm.md) + +6. **Como usar Claude para Pesquisa Aprofundada?** - Melhores práticas e fluxos de trabalho para usar Claude em pesquisa aprofundada + + - Cobre engenharia de prompt, análise de dados, e integração com outras ferramentas + - [Veja o relatório completo](examples/how_to_use_claude_deep_research.md) + +7. **Adoção de IA na Área da Saúde: Fatores de Influência** - Análise dos fatores que levam à adoção de IA na área da saúde + + - Discute tecnologias de IA, qualidade de dados, considerações éticas, avaliações econômicas, prontidão organizacional, e infraestrutura digital + - [Veja o relatório completo](examples/AI_adoption_in_healthcare.md) + +8. **Impacto da Computação Quântica em Criptografia** - Análise dos impactos da computação quântica em criptografia + + - Discture vulnerabilidades da criptografia clássica, criptografia pós-quântica, e soluções criptográficas de resistência-quântica + - [Veja o relatório completo](examples/Quantum_Computing_Impact_on_Cryptography.md) + +9. **Destaques da Performance do Cristiano Ronaldo** - Análise dos destaques da performance do Cristiano Ronaldo + - Discute as suas conquistas de carreira, objetivos internacionais, e performance em diversas partidas + - [Veja o relatório completo](examples/Cristiano_Ronaldo's_Performance_Highlights.md) + +Para executar esses exemplos ou criar seus próprios relatórios de pesquisa, você deve utilizar os seguintes comandos: + +```bash +# Executa com uma consulta específica +uv run main.py "Quais fatores estão influenciando a adoção de IA na área da saúde?" + +# Executa com parâmetros de planejamento customizados +uv run main.py --max_plan_iterations 3 "Como a computação quântica impacta na criptografia?" + +# Executa em modo interativo com questões embutidas +uv run main.py --interactive + +# Ou executa com um prompt interativo básico +uv run main.py + +# Vê todas as opções disponíveis +uv run main.py --help +``` + +### Modo Interativo + +A aplicação agora suporta um modo interativo com questões embutidas tanto em Inglês quanto Chinês: + +1. Inicie o modo interativo: + + ```bash + uv run main.py --interactive + ``` + +2. Selecione sua linguagem de preferência (English or 中文) + +3. Escolha uma das questões embutidas da lista ou selecione a opção para perguntar sua própria questão + +4. O sistema irá processar sua questão e gerar um relatório abrangente de pesquisa + +### Humano no processo + +DeerFlow inclue um mecanismo de humano no processo que permite a você revisar, editar e aprovar planos de pesquisa antes que estes sejam executados: + +1. **Revisão de Plano**: Quando o humano no processo está habilitado, o sistema irá apresentar o plano de pesquisa gerado para sua revisão antes da execução + +2. **Fornecimento de Feedback**: Você pode: + + - Aceitar o plano respondendo com `[ACCEPTED]` + - Edite o plano fornecendo feedback (e.g., `[EDIT PLAN] Adicione mais passos sobre a implementação técnica`) + - O sistema irá incorporar seu feedback e gerar um plano revisado + +3. **Auto-aceite**: Você pode habilitar o auto-aceite ou pular o processo de revisão: + + - Via API: Defina `auto_accepted_plan: true` na sua requisição + +4. **Integração de API**: Quanto usar a API, você pode fornecer um feedback através do parâmetro `feedback`: +```json + { + "messages": [{ "role": "user", "content": "O que é computação quântica?" }], + "thread_id": "my_thread_id", + "auto_accepted_plan": false, + "feedback": "[EDIT PLAN] Inclua mais sobre algoritmos quânticos" + } + ``` + +### Argumentos via Linha de Comando + +A aplicação suporta diversos argumentos via linha de comando para customizar o seu comportamento: + +- **consulta**: A consulta de pesquisa a ser processada (podem ser múltiplas palavras) +- **--interativo**: Roda no modo interativo com questões embutidas +- **--max_plan_iterations**: Número máximo de ciclos de planejamento (padrão: 1) +- **--max_step_num**: Número máximo de passos em um plano de pesquisa (padrão: 3) +- **--debug**: Habilita Enable um log de depuração detalhado + +## FAQ + +Por favor consulte a [FAQ.md](docs/FAQ.md) para maiores detalhes. + +## Licença + +Esse projeto é open source e disponível sob a [MIT License](./LICENSE). + +## Agradecimentos + +DeerFlow é construído através do incrível trabalho da comunidade open-source. Nós somos profundamente gratos a todos os projetos e contribuidores cujos esforços tornaram o DeerFlow possível. Realmente, nós estamos apoiados nos ombros de gigantes. + +Nós gostaríamos de extender nossos sinceros agradecimentos aos seguintes projetos por suas invaloráveis contribuições: + +- **[LangChain](https://github.com/langchain-ai/langchain)**: O framework excepcional deles empodera nossas interações via LLM e correntes, permitindo uma integração perfeita e funcional. +- **[LangGraph](https://github.com/langchain-ai/langgraph)**: A abordagem inovativa para orquestração multi-agente deles tem sido foi fundamental em permitir o acesso dos fluxos de trabalho sofisticados do DeerFlow. + +Esses projetos exemplificam o poder transformador da colaboração open-source, e nós temos orgulho de construir baseado em suas fundações. + +### Contribuidores-Chave + +Um sincero muito obrigado vai para os principais autores do `DeerFlow`, cuja visão, paixão, e dedicação trouxe esse projeto à vida: + +- **[Daniel Walnut](https://github.com/hetaoBackend/)** +- **[Henry Li](https://github.com/magiccube/)** + +O seu compromisso inabalável e experiência tem sido a força por trás do sucesso do DeerFlow. Nós estamos honrados em tê-los no comando dessa trajetória. + +## Histórico-Estrelas + +[![Gráfico do Histórico de Estrelas](https://api.star-history.com/svg?repos=bytedance/deer-flow&type=Date)](https://star-history.com/#bytedance/deer-flow&Date)