DeepCode 完整指南15分钟从零跑通本地智能编程任务【免费下载链接】DeepCodeDeepCode: Open Agentic Coding (Agent Harness Loop Engineering Multi-Agent Orchestration)项目地址: https://gitcode.com/GitHub_Trending/deepc/DeepCodeDeepCode 是一个开源的本地智能编程助手你输入需求它读项目、写代码、跑测试一直干到结果被验证。不止于看起来对一个会验证的闭环多数代码生成工具在模型停止说话时就结束了代码能不能跑全靠运气。DeepCode 把看起来对只当完成一半改完代码后它会执行任务需要的测试、构建和诊断一次失败的运行不会被包装成成功而是变成下一轮修复的输入。这条闭环叫验证循环。官方示意图把路径画得很直白左边的 Goal 是你给出的任务中间是 Agent Harness 在权限盾牌下执行工具右边的 Verified 是本次任务留下的证据——测试输出、文件改动 diff 都随会话存档事后能回答凭什么信任这个结果。实现逻辑可以打开验证模块对照着看。Deep这个词官方拆成四种深度各一句话Deep Context智能体模型自主规划、调用工具完成任务的运行方式能看到项目结构、技能库和历史会话而不只是当前这句提示词Deep Execution真的去搜索、编辑、执行命令每一步都摆在明面上Deep Verification用测试和构建输出证明结果而不是模型说完成就算完成Deep Continuity会话、工具记录、证据能跨重启、跨目录、跨模型切换恢复一条命令装好CLI两条命令接通模型前提是 Python 3.12 以上。有 uv一个快速的 Python 工具管理器的话安装只要两行uv tool install --python 3.12 deepcode-hku deepcode initpip install deepcode-hku和 pipx 同样支持。deepcode init会在~/.deepcode/下建立配置目录API 密钥单独存放在私有存储里不会写进任何会话记录。创建一条模型连接DeepCode 不绑定任何单一模型厂商OpenRouter、OpenAI、Anthropic、DeepSeek、Gemini、Ollama、vLLM 等 OpenAI 兼容端点都能接。以 OpenRouter 为例deepcode provider set my-openrouter --template openrouter --api-key deepcode provider test my-openrouter --model deepseek/deepseek-v4-pro--api-key会打开一个不回显的输入框密钥不会留在 shell 历史里。第二条命令发一次真实推理请求证明模型确实有响应中间还可以用deepcode provider models my-openrouter --refresh拉取该连接提供的完整模型列表。桌面版把同样的连接管理做成了可视化页面粘贴密钥、拉取模型目录、验证推理一步到位想从源码跑桌面应用执行git clone https://gitcode.com/GitHub_Trending/deepc/DeepCode之后按桌面指南准备工具链并构建即可。把它指进项目目录让它自己修测试进入要处理的项目cd your-project deepcode第一次指向某个文件夹时它会先停下来问你是否信任这个目录输入 yes 确认。信任按目录记忆之后换新项目才会再问。启动后的状态行写着三件事本次会话用的模型、会话 id会话是持久化档案之后凭 id 恢复、当前权限档位。接下来用一句大白话提需求就行比如找到重试的配置位置把上限提到 5。像读卡片流一样读对话每轮回复都是固定节奏认一次就能看懂所有后续对话● Search retry ⎿ ✓ 3 files matched ● Edit src/client/http.py●表示某个工具开始工作⎿ ✓表示它结束了并显示第一行结果普通文字是模型在跟你说话。回合收尾时有一行小字耗时、输入和输出 token——是模型服务商返回的真实数字不是估算。想执行有副作用的命令这类敏感操作时它会暂停询问回复y本次放行a整个会话放行n拒绝。默认权限档下敏感操作不答就不动。长任务用 /goal 持续推进做不了一轮就完的事用/goal给它一个持续目标。运行途中你可以补充信息、修订目标、把下一条指令排队进去也可以直接停止关掉终端后第二天用/resume恢复同一个目标它从断点继续已完成的工作不丢。 论文转代码把研究论文变成可复现工程Paper2Code 是 DeepCode 最早的研究方向也是现在的专用工作流输入可以是论文 PDF、技术文档、URL 或参考仓库它先组织开发计划再生成代码最后用实验验证结果。三阶段流程如下第一阶段把论文切成结构化要素并提炼算法图式第二阶段迭代生成代码并用记忆机制防止漂移第三阶段在沙盒里运行、根据执行轨迹精炼输出最终代码。底层的多智能体协作写在工作流智能体目录里需求分析、代码实现都是独立角色。随论文给出的基准对比图显示在论文复现类任务上DeepCode 得分 84.8%高于表现最好的商用编码智能体的 58.7%也略超顶级 ML 博士专家组的 72.4%把前面走通剩下的只是场景问题。DeepCode 在设计上是本地优先代码、会话、密钥都留在你自己的机器上交给它的边界由你划。让它无人值守无界面运行、定时任务与权限控制不开界面的场景有两条命令覆盖deepcode exec Fix the failing tests and explain the root cause提交单个回合并把进度流式打到终端deepcode loop Implement the feature and verify it跑一个持久目标。两者与交互模式共用同一套会话、模型、技能和权限不是裁剪过的第二个智能体--json参数逐行输出 JSON 事件方便接进 CI 或别的进程。完整选项见无头与自动化文档。权限档位与定时任务权限分三档Ask敏感操作先确认、Read only只允许读取和分析、Full access在已信任项目里显式授予完整权限。每个会话可单独切换单个工具还能进一步设 allow、ask、deny 三种策略。流程稳定之后把它存成 Automation手动触发或按固定周期自动执行比如每天跑一轮回归测试、每周做一次仓库体检。每次运行都有独立记录可回看、可暂停、可恢复。【免费下载链接】DeepCodeDeepCode: Open Agentic Coding (Agent Harness Loop Engineering Multi-Agent Orchestration)项目地址: https://gitcode.com/GitHub_Trending/deepc/DeepCode创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考