企业官网建设流程全解析

DeepCode 多智能体AI编程终极指南：5 分钟把论文与想法变成可运行代码

【免费下载链接】DeepCode"DeepCode: Open Agentic Coding (Agent Harness & Loop Engineering & Multi-Agent Orchestration)"项目地址: https://gitcode.com/GitHub_Trending/deepc/DeepCode

你手里有一份刚发表的论文，或者只有一句"我想做一个 XX"的想法。找通用大模型要代码，它十有八九能给你一段"看起来对"的片段——但跑不通、测不了、也改不动，最后还得自己动手。DeepCode 是一款开源的多智能体 AI 编程工具（Agentic Coding），由港大数据智能实验室推出：它不给你一段补丁了事，而是直接进入你的仓库，完成理解项目、修改代码、运行测试、修复问题这一整条闭环，直到结果有证据可查。

图：DeepCode 的"首席科学家"形象——它替你把想法推进到可运行的程度

没有它之前，你卡在哪

传统 AI 辅助编程停留在"补全"和"问答"层面：模型输出的代码脱离你的项目上下文，接口对不上、依赖拉不齐、测试没人跑。你省下的写代码时间，又花在了"让代码真的能跑"上。

DeepCode 的做法是把 AI 放进一个受控的本地执行环境里：

• 它先读懂你的仓库结构、工程约定和会话历史（Deep Context）；
• 然后直接动手：搜代码、编辑文件、跑命令、执行测试（Deep Execution）；
• 每步结果都拿证据说话——测试输出、构建日志、Diff，而不是"我觉得写好了"（Deep Verification）；
• 任务中途断了、换模型、换个窗口，进度和上下文都还在（Deep Continuity）。

一句话：它交付的不是"一段代码"，而是"一个能跑、可验证、可追溯的结果"。

核心能力拆解：它替你做的 5 件事

• 🎯目标驱动的循环工程（Loop Engineering）：给它一个自然语言 Goal，它会自己循环"分析 → 实现 → 验证 → 修复"，而不是答完一轮就停。运行中你可以随时追加信息、修改目标、暂停或恢复，已完成的工作不会丢。
• 🔬Paper2Code 论文转代码：这是 DeepCode 的研究起点。从论文、技术文档或参考仓库出发，多智能体分工完成蓝图生成、代码生成、验证与迭代——中央协调、意图理解、文档解析、代码规划、代码生成各司其职。
• 🧩可复用技能（Skills）与本地插件：团队规范和领域知识可以沉淀成 Skill，随项目或用户目录复用；本地插件包（Agent Plugins 1.0.0）也能接入同一套目录。相关实现见 core/skills/builtin/。
• 🔐看得懂的权限体系：项目必须显式信任后才能执行；每个会话选择 Ask / 只读 / 完全访问三档，单个工具还能细粒度 allow、ask、deny，敏感路径受沙箱保护。
• 🧵并行子代理与自动化（Automations）：复杂任务可拆给多个子代理，各自在隔离的 Git worktree 里工作，冲突显式呈现；稳定流程可保存为 Automation，按手动或定时方式反复执行。

图：Paper2Code 的多智能体流水线——从源文档到经过验证的代码

顺带一提它在 PaperBench（ICML 2024 论文复现基准）上的成绩：人类专家子集 75.9%（高出最佳人类基线 3.5 分）、商业代码智能体子集 84.8%（+26.1 分）、LLM 智能体基线 73.5%（+30.2 分）。这些是该研究的专项评测数字，用来说明它"把论文变成系统"的能力，并非通用编码跑分。

图：DeepCode 多智能体编程方案与人类专家、商业工具在四个维度的对比

快速上手：10 分钟跑通第一条会话

DeepCode 有 CLI 和桌面端两个入口，共用同一套 Agent 运行时、会话历史和权限状态。新手建议从 CLI 起步，最短路径如下。

环境要求

CLI 三步跑起来

# 1. 安装（需 Python 3.12+） uv tool install --python 3.12 deepcode-hku deepcode init # 2. 配置并验证一个模型连接（--api-key 会打开不回显的输入） deepcode provider set my-router --template openrouter --label "OpenRouter" --api-key deepcode provider test my-router --model <model-id> # 3. 进入你的项目目录，启动交互智能体 cd <your-project> deepcode

deepcode init会在~/.deepcode/下创建最小用户配置；API 密钥存在用户私有存储里，不会写进会话历史。

桌面端配置模型

桌面端走"设置 → AI providers"一条流：添加提供商 → Save and check 校验凭据并拉取模型目录 → 选中具体模型并验证推理请求，全程不用碰配置文件。

图：在 DeepCode 桌面端完成提供商凭据、模型目录与推理验证配置

想从源码跑桌面端，可以git clone https://gitcode.com/GitHub_Trending/deepc/DeepCode后按 desktop/README.md 的说明构建。

实际操作：一个任务是怎么流转的

启动deepcode进入 TUI 后，你日常接触的就是这些命令：

/new [标题] # 新建会话 @path/to/file # 把文件带进当前任务 /model # 选择下一个 Turn 使用的模型 /effort # 调整该模型支持的思考强度 /permissions # 切换 Ask / 只读 / 完全访问 /skill <name> # 为下一轮加载技能 /goal <objective> # 挂一个可长期推进的目标 /queue <text> # 任务运行中排队下一条指令 /compact # 长对话手动压缩上下文

图：一个 Goal 进入 DeepCode 后，经由深度上下文、Agent Harness 与验证循环产出可审查证据

桌面端则是同一套能力的可视化版本：左侧项目侧边栏管理 Project 与 Session 历史，中间会话流展示工具调用、代码变更与审批，右侧 Goal 面板控制长期任务，设置页管理模型、技能、MCP 与自动化。CLI 里做的事，桌面端一件不少，而且两边共享同一条会话记录，随时切换。

执行层面值得注意它的工作方式：每次编辑都过权限检查，测试失败不会假装成功，而是作为输入进入下一轮修复，直到"Tests passed + 证据留档"才算完。

图：DeepCode 的验证循环——失败不报喜，修复直到测试通过并留下证据

进阶与避坑

几条实用建议：

• 首个任务先挂/goal，让它走完"实现 → 验证 → 修复"，比一次性提问更能看到完整能力；
• 团队重复性工作（回归检查、文档维护）稳定后存成 Automation，参考 docs/HEADLESS_AND_AUTOMATION.md；
• 需要外部能力时用 MCP，deepcode mcp presets列出了内置目录，配置细节见 docs/integrations/MCP.md；
• 想系统过一遍新手路径，官方教学指南在 docs/guide/getting-started.md。

总结与下一步

DeepCode 把"AI 写代码"从生成一段看起来对的文本，推进到理解项目、执行验证、留下证据的完整工程闭环——这正是"多智能体 AI 编程"和普通补全工具的分界线。无论你是想把论文复现成可运行系统（Paper2Code），还是想让一个长任务在夜里自己跑完，它都给了你一个本地、可控、可审计的入口。

现在就试试，最短启动只有两条：

uv tool install --python 3.12 deepcode-hku cd <your-project> && deepcode

【免费下载链接】DeepCode"DeepCode: Open Agentic Coding (Agent Harness & Loop Engineering & Multi-Agent Orchestration)"项目地址: https://gitcode.com/GitHub_Trending/deepc/DeepCode