
DeepCode 论文转代码多智能体编程完整指南【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 是一款开源多智能体 AI 编程工具能把研究论文、文本描述自动转化为可运行代码覆盖 Paper2Code论文转代码、Text2Web 与 Text2Backend 三类工作流。这份完整指南带你完成安装并跑通第一次代码生成任务。它解决什么问题读一篇好论文后研究者常卡在同一个环节论文只给了算法和公式要变成能跑的工程还得自己找参考实现、补工程细节、反复修测试。DeepCode 就是为此设计的 Coding Agent能自己搜索代码、写文件、跑命令和测试的编程智能体围绕一个目标持续完成理解 → 实现 → 验证 → 修复的长任务而不是一次性回答后停止。它适合复现论文的研究人员、快速做原型的开发者以及想把重复工程工作自动化起来的团队。核心功能输入与输出三种最常用的用法按给什么 → 得到什么来描述Paper2Code给一篇论文 PDF 或 URL → 得到一个可运行项目含测试与文档验证结果可逐项查看。Text2Web给一段文字描述 → 得到完整前端界面HTML/CSS/JS无需手写页面。⚙️Text2Backend给需求描述 → 得到可用的后端服务含 API、数据结构和业务逻辑。此外它还提供 Goal 长任务围绕目标持续运行可随时暂停、改方向、并行子 Agent 与 Automation把一条固定指令存成手动或定时任务细节见无界面与自动化指南。环境准备与 5 分钟安装安装前先看系统要求依赖项版本要求用途Python3.12核心运行环境uv最新版在隔离环境中安装 CLINode.js22仅源码构建 Desktop 界面时需要Rust 与 Tauri 依赖稳定版仅源码构建 Desktop 界面时需要 最短路径安装 CLIuv tool install --python 3.12 deepcode-hku deepcode initdeepcode init会在~/.deepcode/下创建用户配置。若不想使用 uv也可以在 Python 3.12 环境里执行pip install deepcode-hku。配置至少一个模型 API Keydeepcode provider set personal-openrouter --template openrouter --label OpenRouter · Personal --api-key deepcode provider test personal-openrouter --model model-id--api-key使用不回显输入密钥保存在用户私有存储中不会进入会话历史。OpenAI、Anthropic、DeepSeek、Ollama 及各类 OpenAI 兼容端点都可以按同样方式接入。备选从源码安装git clone https://gitcode.com/GitHub_Trending/deepc/DeepCode cd DeepCode uv venv --python 3.12 uv pip install --python .venv/bin/python -e .需要源码构建 Desktop 图形界面时在desktop/目录执行npm ci npm run setup:sidecar流程见Desktop 运行指南。第一次跑通启动与首个任务▶️ 启动cd 你的项目 deepcodeCLI 直接进入交互式界面Desktop 版用deepcode-desktop启动本地窗口。两者都完全在本地运行不再依赖额外的 Web 服务端口。首次使用先进Settings → AI providers添加模型服务点 Save and check 即可完成凭据与模型列表校验界面各区域的作用左侧项目与 Session会话列表历史记录在 CLI 与 Desktop 间共享中部对话与工具活动实时显示改了哪些文件、跑了哪些命令Goal 面板长任务用/goal 目标CLI或 Goal 面板Desktop创建验证证据测试输出、文件 Diff 与诊断信息随对话一起保存方便审查。常用指令/new新建会话、/resume恢复历史、/model切换模型、/stop停止当前回合。三步完成第一个任务描述任务用自然语言说明目标例如实现这篇论文中的注意力模块并附单元测试可用文件路径附上论文。观察执行Agent 自动搜索、写码、跑测试期间可补充要求或暂停。核对证据完成后查看测试输出与文件变更确认无误再合并。它凭什么靠谱基准数据与多智能体机制PaperBench 基准上的表现原始研究在 OpenAI 提供的 PaperBench 基准上评估该基准要求复现 20 篇 ICML 2024 论文、共 8,316 个可评分组件。论文报告的结果如下评估子集DeepCode该子集最强参照差值人类专家子集75.9%顶尖机器学习博士基线 72.4%3.5 个百分点商业 Agent 子集84.8%最佳商业代码生成工具 58.7%26.1 个百分点科研编程子集73.5%PaperCoder 51.1%22.4 个百分点LLM Agent 基线73.5%最佳单一 LLM Agent 43.3%30.2 个百分点需要说明这是科研代码复现专项的结果不代表通用编程基准也不是对持续更新中的商业产品的实时比较。多智能体如何分工复杂任务不靠单条提示词完成而是拆给多个边界清晰的角色协同以 Paper2Code 架构为例中央编排智能体判断整体进度、选择下一阶段出现新证据时可回退重审意图理解智能体把模糊目标转成明确的功能需求与任务分解文档解析智能体从论文中提取算法、公式、假设和实现要求代码规划与索引智能体规划模块边界和依赖为参考仓库建立可检索的代码索引代码生成智能体 验证循环生成代码与测试执行失败回流到规划阶段继续修复直到有可检查的证据。整体上形成目标 → Agent Harness → 验证循环 → 证据的闭环任务不以生成代码为终点而是以测试、构建等证据确认才算完成问题速查问题可能原因解决办法首次安装报版本错误Python 环境低于 3.12用uv tool install --python 3.12 deepcode-hku显式指定解释器前端页面空白源码构建 Desktopnode_modules 损坏删除 node_modules 目录后重新执行npm ciDocker 构建失败构建缓存被污染执行docker builder prune -f清理缓存后重试连接被拒绝后端进程未启动或端口被占用检查deepcode进程状态与端口配置Windows 下 MCP 服务器配置不生效相对路径解析错误配置 MCP 服务器时改用绝对路径下一步建议先走 CLI 路径装好、配一个模型选一个边界清晰的小项目完成一次生成 → 验证 → 审查的完整闭环再尝试 Paper2Code 长任务与 Automation。需要浏览源码时先克隆仓库git clone https://gitcode.com/GitHub_Trending/deepc/DeepCode【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