A era do 'Copilot' está oficialmente recebendo uma atualização. Embora o mundo da tecnologia tenha passado os últimos dois anos se acostumando com a IA que sugere código ou rascunha e-mails, a equipe da ByteDance está mudando os objetivos. Eles lançaram o DeerFlow 2.0, uma estrutura de ‘SuperAgente’ recém-disponibilizada como código aberto que não apenas sugere trabalho; ela o executa. O DeerFlow foi projetado para pesquisar, programar, construir sites, criar apresentações e gerar conteúdo de vídeo de forma autônoma. A Sandbox: Uma IA com um Computador Próprio O maior diferencial do DeerFlow é sua abordagem à execução. A maioria dos agentes de IA opera dentro das restrições de uma interface de caixa de texto, enviando consultas a uma API e retornando uma cadeia de texto. Se você quiser que esse código seja executado, você — o humano — precisa copiá-lo, colá-lo e depurá-lo. O DeerFlow inverte esse cenário. Ele opera dentro de um contêiner Docker isolado e real. Para desenvolvedores de software, as implicações são enormes. Esta não é uma IA 'alucinando' que executou um script; é um agente com um sistema de arquivos completo, um terminal bash e a capacidade de ler e gravar arquivos reais. Quando você dá uma tarefa ao DeerFlow, ele não apenas sugere um script Python para analisar um CSV — ele configura o ambiente, instala as dependências, executa o código e entrega o gráfico resultante. Ao fornecer à IA seu próprio 'computador', a equipe da ByteDance resolveu um dos maiores pontos de atrito nos fluxos de trabalho agent_s: a entrega. Por ter memória persistente e um sistema de arquivos com estado, o DeerFlow pode lembrar seus estilos de escrita específicos, estruturas de projeto e preferências entre diferentes sessões. Orquestração Multiagente: Dividir, Conquistar e Convergir A 'mágica' do DeerFlow reside em sua camada de orquestração. Ele utiliza um 'harness' de SuperAgente — um agente líder que atua como gerente de projeto. Quando um prompt complexo é recebido — por exemplo, 'Pesquise as 10 principais startups de IA em 2026 e monte uma apresentação completa' — o DeerFlow não tenta fazer tudo em um processo de pensamento linear. Em vez disso, ele emprega a decomposição de tarefas: O Agente Líder divide o prompt em subtarefas lógicas. Subagentes são gerados em paralelo. Um pode lidar com a raspagem de dados de financiamento, outro pode conduzir a análise da concorrência e um terceiro pode gerar imagens relevantes. Convergência: Uma vez que os subagentes concluem suas tarefas em suas respectivas sandboxes, os resultados são canalizados de volta para o agente líder. Entrega Final:
Fonte: MarkTechPost
Publicado em 2026-03-10