DeepSeek Engineer v2 🐋

概述

DeepSeek Engineer v2 是一款功能强大的 AI 编码助手，提供交互式终端界面，助力无缝的代码开发。它集成了 DeepSeek 的先进推理模型，通过自然对话和函数调用，提供智能文件操作、代码分析和开发辅助功能。

🚀 最新更新：函数调用架构

版本 2.0 对系统进行了重大升级，从结构化的 JSON 输出转变为原生函数调用，带来了以下优势：

• 自然流畅的对话，无需拘泥于固定的响应格式
• 自动化的文件操作，通过智能函数调用实现
• 实时推理可见性，支持思维链（CoT）能力
• 更高的可靠性及更完善的错误处理机制

核心功能

🧠 AI 能力

• 顶尖软件工程经验：在所有编程领域拥有数十年的经验
• 思维链推理：在给出解决方案前展示清晰的思考过程
• 代码分析与讨论：提供专家级见解和优化建议
• 智能问题解决：自动读取文件并理解上下文

🛠️ 函数调用工具

AI 在需要时可自动执行以下操作：

read_file(file_path: str)

• 自动规范化路径后读取单个文件内容
• 内置错误处理机制，应对文件缺失或无法访问的情况
• 自动执行：AI 可以读取你在对话中提及或引用的任何文件

read_multiple_files(file_paths: List[str])

• 高效批量读取多个文件
• 格式化输出，各文件内容之间有清晰分隔

create_file(file_path: str, content: str)

• 创建新文件或覆盖现有文件
• 自动创建目录并进行安全检查

create_multiple_files(files: List[Dict])

• 单次操作即可创建多个文件
• 非常适合搭建项目框架或生成相关文件

edit_file(file_path: str, original_snippet: str, new_snippet: str)

• 基于代码片段的精准编辑
• 确保精确匹配后再进行替换

📁 文件操作

自动读取文件（推荐）

AI 可自动读取你提到的文件：

你> 能否查看一下 main.py 文件，并提出改进建议？
→ AI 自动调用 read_file("main.py")

你> 查看 src/utils.py 和 tests/test_utils.py
→ AI 自动调用 read_multiple_files(["src/utils.py", "tests/test_utils.py"])

手动添加上下文（可选）

当你希望提前将文件载入对话上下文时：

• /add path/to/file - 将单个文件加入对话上下文
• /add path/to/folder - 加载整个目录（并进行智能过滤）

注意：/add 命令主要用于预先提供额外上下文。在对话过程中，AI 会根据需要通过函数调用自动读取文件。

🎨 丰富的终端界面

• 颜色编码反馈（绿色表示成功，红色表示错误，黄色表示警告）
• 实时流式输出，清晰展示推理过程
• 结构化表格用于差异预览
• 进度指示器用于长时间操作

🛡️ 安全与防护

• 路径规范化与验证
• 防止目录遍历攻击
• 文件大小限制（每文件 5MB）
• 二进制文件检测并予以排除

开始使用

前提条件

1. DeepSeek API 密钥：请从 DeepSeek 平台 获取您的 API 密钥
2. Python 3.11+：为获得最佳性能所必需

安装步骤

1. 克隆仓库：

   git clone <repository-url>
   cd deepseek-engineer
   

2. 设置环境变量：

   # 创建 .env 文件
   echo "DEEPSEEK_API_KEY=your_api_key_here" > .env
   

3. 安装依赖（任选其一）：

   使用 uv（推荐——速度更快）

   uv venv
   uv run deepseek-eng.py
   

   使用 pip

   pip install -r requirements.txt
   python3 deepseek-eng.py
   

使用示例

自然对话与自动文件操作

你> 能否读取 main.py 文件，并为其创建一个测试文件？

💭 推理：我需要先读取 main.py 文件，了解其结构……

🤖 助手> 我将首先读取 main.py 文件，以理解其结构。
⚡ 正在执行 1 个函数调用……
→ read_file
✓ 已读取文件 'main.py'

🔄 处理结果……
接下来，我将基于所发现的代码结构创建全面的测试。
⚡ 正在执行 1 个函数调用……
→ create_file
✓ 已创建/更新文件 'test_main.py'

我已经分析了 main.py，并创建了涵盖所有主要函数的全面测试……

自动多文件分析

你> 比较一下 utils.py 中的实现与 test_utils.py 中的测试

💭 推理：我需要同时读取这两个文件才能进行比较……

🤖 助手> 我将读取这两个文件，以分析其实现和测试。
⚡ 正在执行 1 个函数调用……
→ read_multiple_files
✓ 已读取文件：utils.py、test_utils.py

🔄 处理结果……
分析完这两个文件后，我发现测试中有几处可以改进的地方……

手动加载上下文（可选）

你> /add src/

✓ 已将文件夹 'src/' 添加到对话中。
📁 已添加文件：（共 15 个文件）
  📄 src/utils.py
  📄 src/models.py
  …

你> 现在请审查一下这个代码库的结构

🤖 助手> 我已审查了您的代码库，并发现了几个需要改进的地方：

1. **错误处理**：utils.py 文件可以加强错误处理机制……

技术细节

模型：DeepSeek-Reasoner

• 基于 DeepSeek-R1，具备思维链推理能力
• 处理过程中可实时查看推理过程
• 强化的解决问题能力

函数调用执行流程

1. 用户输入 → 自然语言请求
2. AI 推理 → 可见的思维链过程
3. 函数调用 → 自动执行工具
4. 实时反馈 → 操作状态及结果
5. 后续回复 → AI 处理结果并作出回应

流式架构

• 三重流处理：推理 + 内容 + 工具调用
• 流式过程中自动执行工具
• 工具完成后自动跟进回复
• 错误恢复与优雅降级机制

高级特性

智能上下文管理

• 从用户消息中自动检测文件
• 智能清理对话内容，防止令牌溢出
• 在对话历史中保留文件内容
• 整合工具消息，实现完整操作追踪

批量操作

你> 请创建一个完整的 Flask API，包括模型、路由和测试

🤖 助手> 我将为您构建一个完整的 Flask API 结构。
⚡ 正在执行 1 个函数调用……
→ create_multiple_files
✓ 已创建 4 个文件：app.py、models.py、routes.py、test_api.py

项目分析

你> /add .
你> 分析整个项目并提出重构方案

🤖 助手> ⚡ 正在执行 1 个函数调用...
→ read_multiple_files
根据我对您项目的分析，以下是一个全面的重构计划……

文件操作对比

方法	使用场景	工作原理
自动读取	大多数情况——只需提及文件即可	当您引用文件时，AI 会自动调用 read_file()
/add 命令	预加载上下文、批量操作	提前手动将文件添加到对话上下文中

建议：使用自然对话方式——AI 会根据需要自动读取文件。仅在您希望提前提供额外上下文时才使用 /add。

故障排除

常见问题

未找到 API 密钥

# 确保存在包含 API 密钥的 .env 文件
echo "DEEPSEEK_API_KEY=your_key_here" > .env

导入错误

# 安装依赖
uv sync  # 或 pip install -r requirements.txt

文件权限错误

• 确保您在工作目录中拥有写入权限
• 检查文件路径是否正确且可访问

贡献说明

这是一个展示 DeepSeek 理论模型能力的实验性项目。欢迎各位贡献！

开发环境搭建

git clone <仓库地址>
cd deepseek-engineer
uv venv
uv sync

运行

# 推荐运行应用程序
uv run deepseek-eng.py

或

python3 deepseek-eng.py

许可证

本项目采用 MIT 许可证授权——详情请参阅 LICENSE 文件。

本项目为实验性质，旨在测试 DeepSeek 理论模型的能力。

---

注意：这是一个实验性项目，旨在探索 DeepSeek 理论模型结合函数调用的功能。AI 可以自动读取您在对话中提到的文件，而 /add 命令则适用于您希望预先加载上下文的情况。请合理使用，享受增强的 AI 配对编程体验！🚀

DeepSeek Engineer v2 快速上手指南

DeepSeek Engineer v2 是一款强大的 AI 编程助手，通过终端界面提供交互式代码开发体验。它集成了 DeepSeek 的高级推理模型，支持自然对话、自动文件操作和思维链（Chain of Thought）可视化。

环境准备

在开始之前，请确保满足以下前置条件：

1. DeepSeek API Key
   • 访问 DeepSeek 平台 获取您的 API 密钥。
2. Python 版本
   • 需要安装 Python 3.11 或更高版本以获得最佳性能。
3. 依赖管理工具（推荐）
   • 推荐使用 uv 进行更快的依赖管理和虚拟环境创建（可选，也可使用标准 pip）。

安装步骤

1. 克隆项目

将代码仓库克隆到本地并进入目录：

git clone <repository-url>
cd deepseek-engineer

2. 配置环境变量

创建 .env 文件并填入您的 API Key：

echo "DEEPSEEK_API_KEY=your_api_key_here" > .env

请将 your_api_key_here 替换为您实际的 DeepSeek API 密钥。

3. 安装依赖并运行

您可以选择以下任一方式启动工具：

方式 A：使用 uv（推荐，速度更快）

uv venv
uv run deepseek-eng.py

方式 B：使用 pip

pip install -r requirements.txt
python3 deepseek-eng.py

基本使用

启动后，您将进入交互式终端。DeepSeek Engineer 的核心优势在于自动文件操作：您只需在对话中提及文件名，AI 就会自动读取或创建文件，无需手动加载上下文。

场景一：自动读取与分析文件

直接要求 AI 分析某个文件，它会自动调用 read_file 工具。

You> Can you review the main.py file and suggest improvements?

💭 Reasoning: I need to first read the main.py file to understand its structure...

🤖 Assistant> I'll read the main.py file first to understand its structure.
⚡ Executing 1 function call(s)...
→ read_file
✓ Read file 'main.py'

🔄 Processing results...
Based on my analysis, here are some suggestions for optimization...

场景二：自动创建新文件

要求 AI 基于现有代码生成测试文件或新模块。

You> Create a test file for main.py named test_main.py

💭 Reasoning: I need to read main.py first to understand the functions to test...

🤖 Assistant> I'll read main.py and then create comprehensive tests.
⚡ Executing 1 function call(s)...
→ read_file
✓ Read file 'main.py'

⚡ Executing 1 function call(s)...
→ create_file
✓ Created/updated file at 'test_main.py'

I've created test_main.py with coverage for all main functions...

场景三：批量文件操作

一次性处理多个文件或构建项目骨架。

You> Compare utils.py with test_utils.py

🤖 Assistant> I'll read both files to analyze the implementation and tests.
⚡ Executing 1 function call(s)...
→ read_multiple_files
✓ Read files: utils.py, test_utils.py

After analyzing both files, I can see several areas where the tests could be improved...

提示：大多数情况下，您只需要像平常一样与 AI 对话即可。仅当您希望预先将整个文件夹加载到上下文中时，才需要使用 /add path/to/folder 命令。