有没有感觉deerflow 最新main分支加载skill处理事情变慢了

[pangzhili]

有没有感觉deerflow 最新main分支加载skill处理事情变慢了，似乎每次下方的三个 。。。 要转好久

[WillemJiang]

@pangzhili 可否提供详细的信息，是不是skill还需要调用什么其他工具？

[pangzhili]

@pangzhili 可否提供详细的信息，是不是skill还需要调用什么其他工具？

看下后续这位同学的回复，看起来是更新带来的一些影响

[EmmaHou-Forward]

@WillemJiang 对比了两个节点的代码运行日志，针对skill加载部分分析如下：

Skill 加载阶段变慢分析

对比两个版本在 skill 加载完成之前的每一步耗时：

时序对比

旧版 (162fb214)                         新版 (51920072)
══════════════                          ══════════════
20:10:20 Agent构建开始   (6s)           16:02:25 Agent构建开始   (4s)  ← 更快
20:10:26 call#1 开始                   16:02:29 call#1 开始
20:10:29 call#1 完成 → 3,001ms         16:03:09 call#1 完成 → 39,476ms 
         → 读取 SKILL.md (30ms)                 → 读取 SKILL.md (31ms)
                                                 → bash pandas xlsx (2.6s×2)
20:10:29 call#2 title → 320ms          16:03:15 call#2 title → 6,306ms 
        (Qwen3-Coder-Next-FP8)                  (deepseek-v4-flash)
20:10:35 call#3 完成 → 5,533ms         16:03:29 call#3 完成 → 13,822ms 
         → 读取 alarm-graph.md (30ms)          → glob 子技能 (61ms)
         → 读取 shutdown.md (22ms)             → bash pandas xlsx (2.6s×2)
         → bash openpyxl xlsx (1,081ms)
✅ 技能加载完成 (~17s)                           
                                                16:04:32 call#4 完成 → 59,859ms 
                                                        → 读取 alarm-graph.md (6ms)
                                                        → 读取 shutdown.md (5ms)
                                               ✅ 技能加载完成 (~127s)  ← 7.5倍!

三个导致变慢的因素

因素1：首次 LLM 调用慢 13 倍 —— call#1: 3s → 39.5s (+36.5s)

两个版本 call#1 的输入几乎完全相同：同样是 3 条消息（system + system-reminder + user），user 消息完全一致，唯一的差异是 system prompt：

• 旧版：total=28953 chars
• 新版：total=29480 chars

527 字符的差异无法解释 13 倍的推理时间差异。真正的原因很可能是：

• Thinking/Reasoning 阶段时间增加：两个版本都配置了 thinking_enabled: True + reasoning_effort: high。新版 system prompt 中新增/修改的内容（如 TodoList 相关指令等）可能触发模型在"思考阶段"产生大量 reasoning tokens

因素2：Title 生成模型变更 —— call#2: 320ms → 6,306ms (+6s)

40:2026-05-28 20:10:25 - deerflow.models.factory - INFO - Model created: model=deepseek/deepseek-v4-flash thinking_enabled=True duration_ms=3300.77
41:2026-05-28 20:10:25 - deerflow.models.factory - INFO - Model created: model=Qwen3-Coder-Next-FP8 thinking_enabled=False duration_ms=113.69

43:2026-06-15 16:02:29 - deerflow.models.factory - INFO - Model created: model=deepseek/deepseek-v4-flash thinking_enabled=True duration_ms=2236.50
44:2026-06-15 16:02:29 - deerflow.models.factory - INFO - Model created: model=deepseek/deepseek-v4-flash thinking_enabled=False duration_ms=1.62

旧版 title 使用 Qwen3-Coder-Next-FP8，新版 title 也使用 deepseek-v4-flash，时延增加6s。
Title模型变更是因为调整了config里模型配置的顺序，之前Qwen3在第一个，现在把deepseek调整到了第一个，其他步骤调用的都是deepseek。

因素3：Agent 决策效率降低，多了一轮 LLM 调用 —— call#4: 新增 59.9s (+60s)

这是最大的单项延迟。对比 call#3 两个版本的 Agent 决策行为：

旧版 call#3 一次性并行完成了所有操作：

"好的，我已经加载了技能定义。现在需要先读取子技能 alarm-graph.md 和 shutdown.md，同时将Excel文件转换为可读格式。"

→ 工具调用: read_file(alarm-graph.md) + read_file(shutdown.md) + bash(openpyxl xlsx) → 3 个工具并行，子技能加载完成

新版 call#3 将操作拆成了两轮：

"Excel文件无法直接读取，我需要先将其转换为可读格式。同时，让我先加载子技能文件。"

→ 工具调用: glob(skills/**/*.md) + bash(pandas xlsx) ×2 → 只查找了子技能，没有读取

然后 call#4 才读取子技能：

"好的，数据已读取。现在让我加载子技能文件。"

→ 工具调用: read_file(alarm-graph.md) + read_file(shutdown.md)

新版 agent 用 glob 替代了 read_file 来"加载"子技能，但 glob 只能列出文件名，不能读取内容，导致需要额外的 call#4 轮次。这一轮不仅多了 59.9 秒的 LLM 推理时间，而且此时上下文已有 12 条消息（包含完整的 Excel 数据和 SKILL.md），使单次推理更加耗时。

汇总

延迟来源	耗时增加	根本原因
call#1 13倍变慢	+36.5s	Thinking mode 下推理时间暴增
Title 模型变更	+6s	Qwen3-Coder-Next-FP8 → deepseek-v4-flash，模型变更
额外 call#4 轮次	+60s	Agent 用 glob 替代 read_file 加载子技能，多了一轮 LLM 调用
合计	~103s	从 17s → 127s

[hibari1015]

加一我说怎么这agent酷酷读skill文件

[WillemJiang]

#3598 在跟踪这个问题。