企业官网建设流程全解析

DeepCode 快速上手指南：10分钟跑通 AI 编程智能体，从需求到可运行代码

【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

DeepCode 是开源的 AI 编程智能体，把需求直接变成经过测试验证、可运行的代码。它不依赖单一模型，支持接入自己的 API Key；TUI、Desktop、Web 三个界面共享同一个本地服务，历史记录与模型设置互通。适合想体验本地代码生成的新手开发者：读完本文，你能装好 DeepCode、接上模型，并完成第一个写代码加测试的任务。

① DeepCode 一分钟看懂

DeepCode 是一款面向真实软件工程任务的开源智能体编程工具：生成代码不难，难的是理解项目、在边界内改代码、用运行结果纠偏，并在中断或切换模型后继续干活。它的工作方式是：你给出 Goal，它在 Agent Harness 里结合项目上下文执行，经过"验证循环"（跑测试、看诊断、检查文件变更）产出可审查的证据；验证失败不算结束，而是下一轮修复的输入。

核心能力：

• 仓库级操作：直接读写代码、执行命令和测试，工具调用与文件变更全程可见
• 目标驱动循环：长任务持续推进"理解—实现—验证—修复"，运行中可随时补充要求、修改目标或叫停
• 证据驱动交付：以测试结果、构建输出、Diff 和 Artifact 作为完成依据，失败会被如实记录而不是报成功
• 持久会话：对话、工具记录、权限决定都保存在本地，CLI、Desktop、Web 可接续同一任务

② 三分钟跑起来

环境要求

最简安装

用 uv 安装发布版只需两步（Windows 可先winget install --id astral-sh.uv --exact安装 uv）：

uv tool install --python 3.12 deepcode-hku deepcode init

装完如果终端提示找不到deepcode，运行uv tool update-shell后重开终端。想用源码版本，克隆https://gitcode.com/GitHub_Trending/deepc/DeepCode进入目录，再执行npm --prefix desktop ci、npm --prefix desktop run build:web和uv tool install --python 3.12 --force .。

核心配置改什么

配置几乎全部由命令生成，只有手动加本地模型时才需要直接编辑文件：

deepcode provider set my-openrouter --template openrouter --api-key deepcode provider models my-openrouter --refresh

第一条命令会提示输入 API Key（输入时不回显）；第二条拉出该连接的模型列表，把后面命令里的MODEL_ID换成列表中的完整 ID。

③ 两个最值钱的用法

用法一：终端里完成第一个编程任务

1. 在你要操作的项目目录（或新建的空目录）运行deepcode --trust --connection my-openrouter --model MODEL_ID，--trust表示信任这个文件夹，每个项目只需一次
2. 粘贴任务描述，建议写清行为要求和验收方式，例如"创建一个 greet(name) 函数：去掉首尾空白后返回 Hello, !；空名字抛 ValueError；用标准库 unittest 写测试覆盖三种情况，最后运行python -m unittest discover -v并总结结果"
3. 观察工具卡片显示它读了哪些文件、跑了哪些命令；弹出审批时按y允许一次、a本次会话允许该工具、n拒绝
4. 核对它生成的两个文件，检查测试输出；中途要打断就按Esc，也可以直接补发消息修正要求

同一会话内用/model可切换模型，/resume恢复之前保存的对话，/help查看全部命令。这个完整练习见 docs/guide/getting-started.md。

用法二：把论文变成可运行代码

Paper2Code 是 DeepCode 的差异化场景：从论文、技术文档、URL 或参考仓库出发，经过文档理解、代码规划、参考检索、生成到迭代验证，产出带测试和文档的可复现代码。

1. 在 Desktop 或 Web 里打开 Paper2Code 工作流（源码入口见 workflows/code_implementation_workflow.py），放入论文 PDF 或参考仓库
2. 用自然语言描述复现目标，例如"实现论文中的核心算法并给出可运行示例"
3. 中央编排 Agent 会按任务状态调度理解、规划、生成、验证等阶段，中途出现检查点与计划评审时你随时可以介入
4. 验收看证据：它交付的是代码加测试加 Artifact，而不是只有一份看起来正确的实现

原始研究在 PaperBench（复现 20 篇 ICML 2024 论文）上的对比结果：

架构与评测细节见 docs/P5_PAPER2CODE_ARCHITECTURE.md。

④ 卡住时查这里

更多场景（Desktop 打不开、升级后仍用旧版本、数据恢复）见 docs/guide/troubleshooting.md。

⑤ 跑通之后

1. 接入本地模型：在 docs/guide/models.md 里看 vLLM、Ollama 等本地服务的完整配置示例，--api-base指向本地端点即可，不必再付 API 费用
2. 写可复用的 Skill：把团队的代码规范和审查流程沉淀成技能，放在.agents/skills（项目级）或~/.agents/skills（个人级），写法见 docs/guide/skills-and-memory.md
3. 跑无人值守任务：deepcode exec和 loop 命令支持 headless 执行与定时 Automation，适合回归扫描、测试修复等重复工程，详见 docs/HEADLESS_AND_AUTOMATION.md
4. 多智能体并行改代码：用 worktree 隔离并行 Agent 避免文件冲突，机制实现见 core/team/worktree.py

DeepCode 的价值是把"写代码、跑测试、验证结果"整条链路交给智能体持续完成，你负责审查证据。下一步：按 docs/guide/getting-started.md 把第一个任务完整跑一遍。

【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