DeepCode 多智能体编程上手指南:Paper2Code、Text2Web、Text2Backend 一次跑通【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 是一个开源的多智能体编程工具,把研究论文、一段文字描述,变成能直接运行的代码库。本文按安装、配置、首次运行、原理、排坑的顺序走一遍,顺带把它在 PaperBench 上的成绩放进使用场景里讲,方便你判断它值不值得装。三种玩法:Paper2Code、Text2Web、Text2Backend 怎么选同样是说一段话,拿一堆代码,入口不同,产出也不同。三条路线各适合一类人:路线你给它的东西它给你的东西典型场景Paper2Code论文 PDF、URL 或参考仓库可运行实现 测试 文档复现最新论文里的算法Text2Web一段界面描述HTML/CSS/JS 前端页面快速做出产品原型Text2Backend需求描述API、数据库设计、业务逻辑搭一套完整后端系统如果主要做科研复现,从 Paper2Code 入口进;如果只是想让想法先有个能点的样子,Text2Web 更顺手。图:DeepCode 智能体协作概念图,一个程序员角色在调度代码与数据面板。DeepCode 怎么装:两条路径,先装再配 环境门槛不高:Python 3.9 起步;走前端路线再加 Node.js 18 和 npm 8。装法有两种,挑一种就行。路径一:装包,最快。一条命令拉下包,再启动:pip install deepcode-hku deepcode启动后浏览器里有两个地址:前端在 http://localhost:5173,后端在 http://localhost:8000。后端打不开多半是进程没起,手动跑python deepcode.py一般就能救回来。路径二:从源码装,适合要改代码的。git clone https://gitcode.com/GitHub_Trending/deepc/DeepCode cd DeepCode pip install -r requirements.txt npm install --prefix new_ui/frontend配模型密钥。装完先别急着跑任务——没有可用的 LLM,后面都白搭。编辑本地配置文件,至少填一家提供商的 key:提供商配置项可用模型openaiapi_keyGPT 系列anthropicapi_keyClaude 系列googleapi_keyGemini 系列建议先跑通一家再试别的,配置错了报错会更难排查。桌面端更省事:设置页里点Add provider,填 key,存盘并在线验证,不用碰文件。图:桌面端设置页,提供商、密钥与模型验证都在同一个界面完成。第一次生成代码:上传、等待、拿结果 第一次走 Paper2Code 流程,步骤很少:输入需求:上传论文 PDF,或贴一个 URL;第一次建议把代码索引勾上,生成质量会更稳。看它干活:右侧活动日志滚动显示当前阶段,多智能体在后台依次接手,你不用催。收结果:一个完整的代码库,带测试和文档,可以直接跑。图:测试失败不会让任务停下,失败会回到修复环节,再跑一轮验证。代码质量到底如何?它的第一版研究在 OpenAI 的 PaperBench 上评测过——复现 20 篇 ICML 2024 论文、8316 个可评分组件,成绩在这张图里:图:四组对比——人类专家、商业代码工具、科研代码工具、LLM 代理。对比对象DeepCode对比基线差距人类专家75.9%顶尖 ML 博士 72.4%3.5 个百分点商业代码工具84.8%最佳商业工具 58.7%26.1 个百分点科研代码生成73.5%PaperCoder 51.1%22.4 个百分点LLM 代理73.5%最佳 LLM 代理 43.3%30.2 个百分点注意口径:这是 PaperBench 这个特定基准上的成绩,不是日常写代码的通用分,当科研复现场景的上限参考看比较合适。幕后:多智能体到底怎么分工它不是一个大模型写到底,而是几个角色接力。中央协调智能体看进度、选下一步;意图理解智能体把模糊描述翻译成明确的功能需求和技术约束;文档解析智能体从论文里抽出算法、公式和假设;代码规划智能体出架构、模块边界和验证目标;代码生成智能体最后落码,连同测试一起交付。图:从目标到证据的链路——上下文、执行、验证三层串在一起。真正让它和聊天式生成拉开距离的是最后那个闭环:跑测试、看构建、查差异,失败的结果不是终点,而是下一轮修复的输入。你看到的完成,背后是带证据的完成。常见问题:空白页、连接拒绝、MCP 路径️ 四个高频坑,先对号入座:现象多半的原因怎么处理前端白屏依赖目录损坏删掉 new_ui/frontend/node_modules,重新 npm install连接被拒绝端口不对或后端没起核对 5173/8000,或直接python deepcode.pyDocker 构建失败构建缓存脏了执行docker builder prune -f后重试Windows 上 MCP 服务器报错路径配置问题MCP 服务器一律用绝对路径装完之后,往哪走想系统看一遍,从官方教程入手:docs/guide/README.md 按第一次会话 → 模型 → 技能与记忆 → 无头自动化排好了顺序;想把任务接到 CI 或脚本里,docs/HEADLESS_AND_AUTOMATION.md 覆盖了命令行全部入口;桌面端要自己编译的话,看 desktop/README.md。工具装好只是开始:先拿一篇你最熟的论文试 Paper2Code,效果符合预期,再上真实需求。【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
DeepCode 多智能体编程上手指南:Paper2Code、Text2Web、Text2Backend 一次跑通
DeepCode 多智能体编程上手指南:Paper2Code、Text2Web、Text2Backend 一次跑通【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 是一个开源的多智能体编程工具,把研究论文、一段文字描述,变成能直接运行的代码库。本文按安装、配置、首次运行、原理、排坑的顺序走一遍,顺带把它在 PaperBench 上的成绩放进使用场景里讲,方便你判断它值不值得装。三种玩法:Paper2Code、Text2Web、Text2Backend 怎么选同样是说一段话,拿一堆代码,入口不同,产出也不同。三条路线各适合一类人:路线你给它的东西它给你的东西典型场景Paper2Code论文 PDF、URL 或参考仓库可运行实现 测试 文档复现最新论文里的算法Text2Web一段界面描述HTML/CSS/JS 前端页面快速做出产品原型Text2Backend需求描述API、数据库设计、业务逻辑搭一套完整后端系统如果主要做科研复现,从 Paper2Code 入口进;如果只是想让想法先有个能点的样子,Text2Web 更顺手。图:DeepCode 智能体协作概念图,一个程序员角色在调度代码与数据面板。DeepCode 怎么装:两条路径,先装再配 环境门槛不高:Python 3.9 起步;走前端路线再加 Node.js 18 和 npm 8。装法有两种,挑一种就行。路径一:装包,最快。一条命令拉下包,再启动:pip install deepcode-hku deepcode启动后浏览器里有两个地址:前端在 http://localhost:5173,后端在 http://localhost:8000。后端打不开多半是进程没起,手动跑python deepcode.py一般就能救回来。路径二:从源码装,适合要改代码的。git clone https://gitcode.com/GitHub_Trending/deepc/DeepCode cd DeepCode pip install -r requirements.txt npm install --prefix new_ui/frontend配模型密钥。装完先别急着跑任务——没有可用的 LLM,后面都白搭。编辑本地配置文件,至少填一家提供商的 key:提供商配置项可用模型openaiapi_keyGPT 系列anthropicapi_keyClaude 系列googleapi_keyGemini 系列建议先跑通一家再试别的,配置错了报错会更难排查。桌面端更省事:设置页里点Add provider,填 key,存盘并在线验证,不用碰文件。图:桌面端设置页,提供商、密钥与模型验证都在同一个界面完成。第一次生成代码:上传、等待、拿结果 第一次走 Paper2Code 流程,步骤很少:输入需求:上传论文 PDF,或贴一个 URL;第一次建议把代码索引勾上,生成质量会更稳。看它干活:右侧活动日志滚动显示当前阶段,多智能体在后台依次接手,你不用催。收结果:一个完整的代码库,带测试和文档,可以直接跑。图:测试失败不会让任务停下,失败会回到修复环节,再跑一轮验证。代码质量到底如何?它的第一版研究在 OpenAI 的 PaperBench 上评测过——复现 20 篇 ICML 2024 论文、8316 个可评分组件,成绩在这张图里:图:四组对比——人类专家、商业代码工具、科研代码工具、LLM 代理。对比对象DeepCode对比基线差距人类专家75.9%顶尖 ML 博士 72.4%3.5 个百分点商业代码工具84.8%最佳商业工具 58.7%26.1 个百分点科研代码生成73.5%PaperCoder 51.1%22.4 个百分点LLM 代理73.5%最佳 LLM 代理 43.3%30.2 个百分点注意口径:这是 PaperBench 这个特定基准上的成绩,不是日常写代码的通用分,当科研复现场景的上限参考看比较合适。幕后:多智能体到底怎么分工它不是一个大模型写到底,而是几个角色接力。中央协调智能体看进度、选下一步;意图理解智能体把模糊描述翻译成明确的功能需求和技术约束;文档解析智能体从论文里抽出算法、公式和假设;代码规划智能体出架构、模块边界和验证目标;代码生成智能体最后落码,连同测试一起交付。图:从目标到证据的链路——上下文、执行、验证三层串在一起。真正让它和聊天式生成拉开距离的是最后那个闭环:跑测试、看构建、查差异,失败的结果不是终点,而是下一轮修复的输入。你看到的完成,背后是带证据的完成。常见问题:空白页、连接拒绝、MCP 路径️ 四个高频坑,先对号入座:现象多半的原因怎么处理前端白屏依赖目录损坏删掉 new_ui/frontend/node_modules,重新 npm install连接被拒绝端口不对或后端没起核对 5173/8000,或直接python deepcode.pyDocker 构建失败构建缓存脏了执行docker builder prune -f后重试Windows 上 MCP 服务器报错路径配置问题MCP 服务器一律用绝对路径装完之后,往哪走想系统看一遍,从官方教程入手:docs/guide/README.md 按第一次会话 → 模型 → 技能与记忆 → 无头自动化排好了顺序;想把任务接到 CI 或脚本里,docs/HEADLESS_AND_AUTOMATION.md 覆盖了命令行全部入口;桌面端要自己编译的话,看 desktop/README.md。工具装好只是开始:先拿一篇你最熟的论文试 Paper2Code,效果符合预期,再上真实需求。【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