企业官网建设流程全解析

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】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 init

pip 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】DeepCode"DeepCode: Open Agentic Coding (Agent Harness & Loop Engineering & Multi-Agent Orchestration)"项目地址: https://gitcode.com/GitHub_Trending/deepc/DeepCode