[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-Doriandarko--deepseek-engineer":3,"tool-Doriandarko--deepseek-engineer":62},[4,18,28,36,45,54],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":24,"last_commit_at":25,"category_tags":26,"status":17},9989,"n8n","n8n-io\u002Fn8n","n8n 是一款面向技术团队的公平代码（fair-code）工作流自动化平台，旨在让用户在享受低代码快速构建便利的同时，保留编写自定义代码的灵活性。它主要解决了传统自动化工具要么过于封闭难以扩展、要么完全依赖手写代码效率低下的痛点，帮助用户轻松连接 400 多种应用与服务，实现复杂业务流程的自动化。\n\nn8n 特别适合开发者、工程师以及具备一定技术背景的业务人员使用。其核心亮点在于“按需编码”：既可以通过直观的可视化界面拖拽节点搭建流程，也能随时插入 JavaScript 或 Python 代码、调用 npm 包来处理复杂逻辑。此外，n8n 原生集成了基于 LangChain 的 AI 能力，支持用户利用自有数据和模型构建智能体工作流。在部署方面，n8n 提供极高的自由度，支持完全自托管以保障数据隐私和控制权，也提供云端服务选项。凭借活跃的社区生态和数百个现成模板，n8n 让构建强大且可控的自动化系统变得简单高效。",184740,2,"2026-04-19T23:22:26",[16,14,13,15,27],"插件",{"id":29,"name":30,"github_repo":31,"description_zh":32,"stars":33,"difficulty_score":10,"last_commit_at":34,"category_tags":35,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":24,"last_commit_at":42,"category_tags":43,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",161147,"2026-04-19T23:31:47",[14,13,44],"语言模型",{"id":46,"name":47,"github_repo":48,"description_zh":49,"stars":50,"difficulty_score":51,"last_commit_at":52,"category_tags":53,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,27],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":24,"last_commit_at":60,"category_tags":61,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",109154,"2026-04-18T11:18:24",[14,15,13],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":68,"readme_en":69,"readme_zh":70,"quickstart_zh":71,"use_case_zh":72,"hero_image_url":73,"owner_login":74,"owner_name":75,"owner_avatar_url":76,"owner_bio":77,"owner_company":78,"owner_location":79,"owner_email":80,"owner_twitter":81,"owner_website":82,"owner_url":83,"languages":84,"stars":93,"forks":94,"last_commit_at":95,"license":96,"difficulty_score":24,"env_os":97,"env_gpu":98,"env_ram":97,"env_deps":99,"category_tags":105,"github_topics":79,"view_count":24,"oss_zip_url":79,"oss_zip_packed_at":79,"status":17,"created_at":106,"updated_at":107,"faqs":108,"releases":109},9904,"Doriandarko\u002Fdeepseek-engineer","deepseek-engineer","A powerful coding assistant application that integrates with the DeepSeek API to process user conversations and generate structured JSON responses. Through an intuitive command-line interface, it can read local file contents, create new files, and apply diff edits to existing files in real time.","DeepSeek Engineer 是一款基于 DeepSeek API 的强大 AI 编程助手，专为命令行环境设计。它通过自然的对话交互，帮助开发者智能地读取、创建和修改代码文件，将繁琐的文件操作转化为简单的指令。\n\n该工具主要解决了传统 AI 助手在本地开发中“上下文缺失”和“操作割裂”的痛点。用户无需手动复制粘贴代码，只需在终端描述需求，DeepSeek Engineer 即可自动理解项目结构，精准定位并读取相关文件，甚至直接生成差异补丁（diff）来应用修改，极大提升了编码效率与流畅度。\n\n它非常适合需要高效本地开发环境的软件工程师、全栈开发者以及热衷于探索大模型能力的技术研究人员。无论是重构旧代码、搭建新项目脚手架，还是进行复杂的代码审查，它都能提供专家级的支持。\n\n其核心技术亮点在于升级后的“函数调用架构”。不同于早期仅输出结构化文本的模式，DeepSeek Engineer 能自主决定何时调用读取或编辑工具，并展示完整的“思维链（Chain of Thought）”推理过程，让用户清晰看到 AI 解决问题的逻辑路径。此外，它还具备严格的安全机制，包括路径规范化、目录遍历防","DeepSeek Engineer 是一款基于 DeepSeek API 的强大 AI 编程助手，专为命令行环境设计。它通过自然的对话交互，帮助开发者智能地读取、创建和修改代码文件，将繁琐的文件操作转化为简单的指令。\n\n该工具主要解决了传统 AI 助手在本地开发中“上下文缺失”和“操作割裂”的痛点。用户无需手动复制粘贴代码，只需在终端描述需求，DeepSeek Engineer 即可自动理解项目结构，精准定位并读取相关文件，甚至直接生成差异补丁（diff）来应用修改，极大提升了编码效率与流畅度。\n\n它非常适合需要高效本地开发环境的软件工程师、全栈开发者以及热衷于探索大模型能力的技术研究人员。无论是重构旧代码、搭建新项目脚手架，还是进行复杂的代码审查，它都能提供专家级的支持。\n\n其核心技术亮点在于升级后的“函数调用架构”。不同于早期仅输出结构化文本的模式，DeepSeek Engineer 能自主决定何时调用读取或编辑工具，并展示完整的“思维链（Chain of Thought）”推理过程，让用户清晰看到 AI 解决问题的逻辑路径。此外，它还具备严格的安全机制，包括路径规范化、目录遍历防护及二进制文件过滤，确保在自动化操作本地的同时保障系统安全。","# DeepSeek Engineer v2 🐋\n\n## Overview\n\nDeepSeek Engineer v2 is a powerful AI-powered coding assistant that provides an interactive terminal interface for seamless code development. It integrates with DeepSeek's advanced reasoning models to offer intelligent file operations, code analysis, and development assistance through natural conversation and function calling.\n\n## 🚀 Latest Update: Function Calling Architecture\n\n**Version 2.0** introduces a big upgrade from structured JSON output to native function calling, providing:\n- **Natural conversations** with the AI without rigid response formats\n- **Automatic file operations** through intelligent function calls\n- **Real-time reasoning visibility** with Chain of Thought (CoT) capabilities\n- **Enhanced reliability** and better error handling\n\n## Key Features\n\n### 🧠 **AI Capabilities**\n- **Elite Software Engineering**: Decades of experience across all programming domains\n- **Chain of Thought Reasoning**: Visible thought process before providing solutions\n- **Code Analysis & Discussion**: Expert-level insights and optimization suggestions\n- **Intelligent Problem Solving**: Automatic file reading and context understanding\n\n### 🛠️ **Function Calling Tools**\nThe AI can automatically execute these operations when needed:\n\n#### `read_file(file_path: str)`\n- Read single file content with automatic path normalization\n- Built-in error handling for missing or inaccessible files\n- **Automatic**: AI can read any file you mention or reference in conversation\n\n#### `read_multiple_files(file_paths: List[str])`\n- Batch read multiple files efficiently\n- Formatted output with clear file separators\n\n#### `create_file(file_path: str, content: str)`\n- Create new files or overwrite existing ones\n- Automatic directory creation and safety checks\n\n#### `create_multiple_files(files: List[Dict])`\n- Create multiple files in a single operation\n- Perfect for scaffolding projects or creating related files\n\n#### `edit_file(file_path: str, original_snippet: str, new_snippet: str)`\n- Precise snippet-based file editing\n- Safe replacement with exact matching\n\n### 📁 **File Operations**\n\n#### **Automatic File Reading (Recommended)**\nThe AI can automatically read files you mention:\n```\nYou> Can you review the main.py file and suggest improvements?\n→ AI automatically calls read_file(\"main.py\")\n\nYou> Look at src\u002Futils.py and tests\u002Ftest_utils.py\n→ AI automatically calls read_multiple_files([\"src\u002Futils.py\", \"tests\u002Ftest_utils.py\"])\n```\n\n#### **Manual Context Addition (Optional)**\nFor when you want to preload files into conversation context:\n- **`\u002Fadd path\u002Fto\u002Ffile`** - Include single file in conversation context\n- **`\u002Fadd path\u002Fto\u002Ffolder`** - Include entire directory (with smart filtering)\n\n**Note**: The `\u002Fadd` command is mainly useful when you want to provide extra context upfront. The AI can read files automatically via function calls whenever needed during the conversation.\n\n### 🎨 **Rich Terminal Interface**\n- **Color-coded feedback** (green for success, red for errors, yellow for warnings)\n- **Real-time streaming** with visible reasoning process\n- **Structured tables** for diff previews\n- **Progress indicators** for long operations\n\n### 🛡️ **Security & Safety**\n- **Path normalization** and validation\n- **Directory traversal protection**\n- **File size limits** (5MB per file)\n- **Binary file detection** and exclusion\n\n## Getting Started\n\n### Prerequisites\n1. **DeepSeek API Key**: Get your API key from [DeepSeek Platform](https:\u002F\u002Fplatform.deepseek.com)\n2. **Python 3.11+**: Required for optimal performance\n\n### Installation\n\n1. **Clone the repository**:\n   ```bash\n   git clone \u003Crepository-url>\n   cd deepseek-engineer\n   ```\n\n2. **Set up environment**:\n   ```bash\n   # Create .env file\n   echo \"DEEPSEEK_API_KEY=your_api_key_here\" > .env\n   ```\n\n3. **Install dependencies** (choose one method):\n\n   #### Using uv (recommended - faster)\n   ```bash\n   uv venv\n   uv run deepseek-eng.py\n   ```\n\n   #### Using pip\n   ```bash\n   pip install -r requirements.txt\n   python3 deepseek-eng.py\n   ```\n\n### Usage Examples\n\n#### **Natural Conversation with Automatic File Operations**\n```\nYou> Can you read the main.py file and create a test file for it?\n\n💭 Reasoning: I need to first read the main.py file to understand its structure...\n\n🤖 Assistant> I'll read the main.py file first to understand its structure.\n⚡ Executing 1 function call(s)...\n→ read_file\n✓ Read file 'main.py'\n\n🔄 Processing results...\nNow I'll create comprehensive tests based on the code structure I found.\n⚡ Executing 1 function call(s)...\n→ create_file\n✓ Created\u002Fupdated file at 'test_main.py'\n\nI've analyzed main.py and created comprehensive tests covering all the main functions...\n```\n\n#### **Automatic Multi-File Analysis**\n```\nYou> Compare the implementation in utils.py with the tests in test_utils.py\n\n💭 Reasoning: I need to read both files to compare them...\n\n🤖 Assistant> I'll read both files to analyze the implementation and tests.\n⚡ Executing 1 function call(s)...\n→ read_multiple_files\n✓ Read files: utils.py, test_utils.py\n\n🔄 Processing results...\nAfter analyzing both files, I can see several areas where the tests could be improved...\n```\n\n#### **Manual Context Loading (Optional)**\n```\nYou> \u002Fadd src\u002F\n\n✓ Added folder 'src\u002F' to conversation.\n📁 Added files: (15 files)\n  📄 src\u002Futils.py\n  📄 src\u002Fmodels.py\n  ...\n\nYou> Now review this codebase structure\n\n🤖 Assistant> I've reviewed your codebase and found several areas for improvement:\n\n1. **Error Handling**: The utils.py file could benefit from more robust error handling...\n```\n\n## Technical Details\n\n### **Model**: DeepSeek-Reasoner\n- Powered by DeepSeek-R1 with Chain-of-Thought reasoning\n- Real-time reasoning visibility during processing\n- Enhanced problem-solving capabilities\n\n### **Function Call Execution Flow**\n1. **User Input** → Natural language request\n2. **AI Reasoning** → Visible thought process (CoT)\n3. **Function Calls** → Automatic tool execution\n4. **Real-time Feedback** → Operation status and results\n5. **Follow-up Response** → AI processes results and responds\n\n### **Streaming Architecture**\n- **Triple-stream processing**: reasoning + content + tool_calls\n- **Real-time tool execution** during streaming\n- **Automatic follow-up** responses after tool completion\n- **Error recovery** and graceful degradation\n\n## Advanced Features\n\n### **Intelligent Context Management**\n- **Automatic file detection** from user messages\n- **Smart conversation cleanup** to prevent token overflow\n- **File content preservation** across conversation history\n- **Tool message integration** for complete operation tracking\n\n### **Batch Operations**\n```\nYou> Create a complete Flask API with models, routes, and tests\n\n🤖 Assistant> I'll create a complete Flask API structure for you.\n⚡ Executing 1 function call(s)...\n→ create_multiple_files\n✓ Created 4 files: app.py, models.py, routes.py, test_api.py\n```\n\n### **Project Analysis**\n```\nYou> \u002Fadd .\nYou> Analyze this entire project and suggest a refactoring plan\n\n🤖 Assistant> ⚡ Executing 1 function call(s)...\n→ read_multiple_files\nBased on my analysis of your project, here's a comprehensive refactoring plan...\n```\n\n## File Operations Comparison\n\n| Method | When to Use | How It Works |\n|--------|-------------|--------------|\n| **Automatic Reading** | Most cases - just mention files | AI automatically calls `read_file()` when you reference files |\n| **`\u002Fadd` Command** | Preload context, bulk operations | Manually adds files to conversation context upfront |\n\n**Recommendation**: Use natural conversation - the AI will automatically read files as needed. Use `\u002Fadd` only when you want to provide extra context upfront.\n\n## Troubleshooting\n\n### **Common Issues**\n\n**API Key Not Found**\n```bash\n# Make sure .env file exists with your API key\necho \"DEEPSEEK_API_KEY=your_key_here\" > .env\n```\n\n**Import Errors**\n```bash\n# Install dependencies\nuv sync  # or pip install -r requirements.txt\n```\n\n**File Permission Errors**\n- Ensure you have write permissions in the working directory\n- Check file paths are correct and accessible\n\n## Contributing\n\nThis is an experimental project showcasing DeepSeek reasoning model capabilities. Contributions are welcome!\n\n### **Development Setup**\n```bash\ngit clone \u003Crepository-url>\ncd deepseek-engineer\nuv venv\nuv sync\n```\n\n### **Run**\n```bash\n# Run the application (preferred)\nuv run deepseek-eng.py\n```\nor\n```bash\npython3 deepseek-eng.py\n```\n\n## License\n\nThis project is licensed under the MIT License - see the [LICENSE](LICENSE) file for details.\n\nThis project is experimental and developed for testing DeepSeek reasoning model capabilities.\n\n---\n\n> **Note**: This is an experimental project developed to explore the capabilities of DeepSeek's reasoning model with function calling. The AI can automatically read files you mention in conversation, while the `\u002Fadd` command is available for when you want to preload context. Use responsibly and enjoy the enhanced AI pair programming experience! 🚀\n\n","# DeepSeek Engineer v2 🐋\n\n## 概述\n\nDeepSeek 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。\n\n## 🚀 最新更新：函数调用架构\n\n**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：\n- **自然流畅的对话**，无需拘泥于固定的响应格式\n- **自动化的文件操作**，通过智能函数调用实现\n- **实时推理可见性**，支持思维链（CoT）能力\n- **更高的可靠性**及更完善的错误处理机制\n\n## 核心功能\n\n### 🧠 **AI 能力**\n- **顶尖软件工程经验**：在所有编程领域拥有数十年的经验\n- **思维链推理**：在给出解决方案前展示清晰的思考过程\n- **代码分析与讨论**：提供专家级见解和优化建议\n- **智能问题解决**：自动读取文件并理解上下文\n\n### 🛠️ **函数调用工具**\nAI 在需要时可自动执行以下操作：\n\n#### `read_file(file_path: str)`\n- 自动规范化路径后读取单个文件内容\n- 内置错误处理机制，应对文件缺失或无法访问的情况\n- **自动执行**：AI 可以读取你在对话中提及或引用的任何文件\n\n#### `read_multiple_files(file_paths: List[str])`\n- 高效批量读取多个文件\n- 格式化输出，各文件内容之间有清晰分隔\n\n#### `create_file(file_path: str, content: str)`\n- 创建新文件或覆盖现有文件\n- 自动创建目录并进行安全检查\n\n#### `create_multiple_files(files: List[Dict])`\n- 单次操作即可创建多个文件\n- 非常适合搭建项目框架或生成相关文件\n\n#### `edit_file(file_path: str, original_snippet: str, new_snippet: str)`\n- 基于代码片段的精准编辑\n- 确保精确匹配后再进行替换\n\n### 📁 **文件操作**\n\n#### **自动读取文件（推荐）**\nAI 可自动读取你提到的文件：\n```\n你> 能否查看一下 main.py 文件，并提出改进建议？\n→ AI 自动调用 read_file(\"main.py\")\n\n你> 查看 src\u002Futils.py 和 tests\u002Ftest_utils.py\n→ AI 自动调用 read_multiple_files([\"src\u002Futils.py\", \"tests\u002Ftest_utils.py\"])\n```\n\n#### **手动添加上下文（可选）**\n当你希望提前将文件载入对话上下文时：\n- **`\u002Fadd path\u002Fto\u002Ffile`** - 将单个文件加入对话上下文\n- **`\u002Fadd path\u002Fto\u002Ffolder`** - 加载整个目录（并进行智能过滤）\n\n**注意**：`\u002Fadd` 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。\n\n### 🎨 **丰富的终端界面**\n- **颜色编码反馈**（绿色表示成功，红色表示错误，黄色表示警告）\n- **实时流式输出**，清晰展示推理过程\n- **结构化表格**用于差异预览\n- **进度指示器**用于长时间操作\n\n### 🛡️ **安全与防护**\n- **路径规范化**与验证\n- **防止目录遍历攻击**\n- **文件大小限制**（每文件 5MB）\n- **二进制文件检测**并予以排除\n\n## 开始使用\n\n### 前提条件\n1. **DeepSeek API 密钥**：请从 [DeepSeek 平台](https:\u002F\u002Fplatform.deepseek.com) 获取您的 API 密钥\n2. **Python 3.11+**：为获得最佳性能所必需\n\n### 安装步骤\n\n1. **克隆仓库**：\n   ```bash\n   git clone \u003Crepository-url>\n   cd deepseek-engineer\n   ```\n\n2. **设置环境变量**：\n   ```bash\n   # 创建 .env 文件\n   echo \"DEEPSEEK_API_KEY=your_api_key_here\" > .env\n   ```\n\n3. **安装依赖**（任选其一）：\n\n   #### 使用 uv（推荐——速度更快）\n   ```bash\n   uv venv\n   uv run deepseek-eng.py\n   ```\n\n   #### 使用 pip\n   ```bash\n   pip install -r requirements.txt\n   python3 deepseek-eng.py\n   ```\n\n### 使用示例\n\n#### **自然对话与自动文件操作**\n```\n你> 能否读取 main.py 文件，并为其创建一个测试文件？\n\n💭 推理：我需要先读取 main.py 文件，了解其结构……\n\n🤖 助手> 我将首先读取 main.py 文件，以理解其结构。\n⚡ 正在执行 1 个函数调用……\n→ read_file\n✓ 已读取文件 'main.py'\n\n🔄 处理结果……\n接下来，我将基于所发现的代码结构创建全面的测试。\n⚡ 正在执行 1 个函数调用……\n→ create_file\n✓ 已创建\u002F更新文件 'test_main.py'\n\n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……\n```\n\n#### **自动多文件分析**\n```\n你> 比较一下 utils.py 中的实现与 test_utils.py 中的测试\n\n💭 推理：我需要同时读取这两个文件才能进行比较……\n\n🤖 助手> 我将读取这两个文件，以分析其实现和测试。\n⚡ 正在执行 1 个函数调用……\n→ read_multiple_files\n✓ 已读取文件：utils.py、test_utils.py\n\n🔄 处理结果……\n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……\n```\n\n#### **手动加载上下文（可选）**\n```\n你> \u002Fadd src\u002F\n\n✓ 已将文件夹 'src\u002F' 添加到对话中。\n📁 已添加文件：（共 15 个文件）\n  📄 src\u002Futils.py\n  📄 src\u002Fmodels.py\n  …\n\n你> 现在请审查一下这个代码库的结构\n\n🤖 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：\n\n1. **错误处理**：utils.py 文件可以加强错误处理机制……\n```\n\n## 技术细节\n\n### **模型**：DeepSeek-Reasoner\n- 基于 DeepSeek-R1，具备思维链推理能力\n- 处理过程中可实时查看推理过程\n- 强化的解决问题能力\n\n### **函数调用执行流程**\n1. 用户输入 → 自然语言请求\n2. AI 推理 → 可见的思维链过程\n3. 函数调用 → 自动执行工具\n4. 实时反馈 → 操作状态及结果\n5. 后续回复 → AI 处理结果并作出回应\n\n### **流式架构**\n- **三重流处理**：推理 + 内容 + 工具调用\n- **流式过程中自动执行工具**\n- **工具完成后自动跟进回复**\n- **错误恢复**与优雅降级机制\n\n## 高级特性\n\n### **智能上下文管理**\n- 从用户消息中自动检测文件\n- 智能清理对话内容，防止令牌溢出\n- 在对话历史中保留文件内容\n- 整合工具消息，实现完整操作追踪\n\n### **批量操作**\n```\n你> 请创建一个完整的 Flask API，包括模型、路由和测试\n\n🤖 助手> 我将为您构建一个完整的 Flask API 结构。\n⚡ 正在执行 1 个函数调用……\n→ create_multiple_files\n✓ 已创建 4 个文件：app.py、models.py、routes.py、test_api.py\n```\n\n### **项目分析**\n```\n你> \u002Fadd .\n你> 分析整个项目并提出重构方案\n\n🤖 助手> ⚡ 正在执行 1 个函数调用...\n→ read_multiple_files\n根据我对您项目的分析，以下是一个全面的重构计划……\n```\n\n## 文件操作对比\n\n| 方法 | 使用场景 | 工作原理 |\n|--------|-------------|--------------|\n| **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()` |\n| **`\u002Fadd` 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 |\n\n**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 `\u002Fadd`。\n\n## 故障排除\n\n### **常见问题**\n\n**未找到 API 密钥**\n```bash\n# 确保存在包含 API 密钥的 .env 文件\necho \"DEEPSEEK_API_KEY=your_key_here\" > .env\n```\n\n**导入错误**\n```bash\n# 安装依赖\nuv sync  # 或 pip install -r requirements.txt\n```\n\n**文件权限错误**\n- 确保您在工作目录中拥有写入权限\n- 检查文件路径是否正确且可访问\n\n## 贡献说明\n\n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！\n\n### **开发环境搭建**\n```bash\ngit clone \u003C仓库地址>\ncd deepseek-engineer\nuv venv\nuv sync\n```\n\n### **运行**\n```bash\n# 推荐运行应用程序\nuv run deepseek-eng.py\n```\n或\n```bash\npython3 deepseek-eng.py\n```\n\n## 许可证\n\n本项目采用 MIT 许可证授权——详情请参阅 [LICENSE](LICENSE) 文件。\n\n本项目为实验性质，旨在测试 DeepSeek 理论模型的能力。\n\n---\n\n> **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 `\u002Fadd` 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\n\nDeepSeek 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。\n\n## 环境准备\n\n在开始之前，请确保满足以下前置条件：\n\n1.  **DeepSeek API Key**\n    *   访问 [DeepSeek 平台](https:\u002F\u002Fplatform.deepseek.com) 获取您的 API 密钥。\n2.  **Python 版本**\n    *   需要安装 **Python 3.11** 或更高版本以获得最佳性能。\n3.  **依赖管理工具（推荐）**\n    *   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）。\n\n## 安装步骤\n\n### 1. 克隆项目\n将代码仓库克隆到本地并进入目录：\n```bash\ngit clone \u003Crepository-url>\ncd deepseek-engineer\n```\n\n### 2. 配置环境变量\n创建 `.env` 文件并填入您的 API Key：\n```bash\necho \"DEEPSEEK_API_KEY=your_api_key_here\" > .env\n```\n*请将 `your_api_key_here` 替换为您实际的 DeepSeek API 密钥。*\n\n### 3. 安装依赖并运行\n您可以选择以下任一方式启动工具：\n\n**方式 A：使用 uv（推荐，速度更快）**\n```bash\nuv venv\nuv run deepseek-eng.py\n```\n\n**方式 B：使用 pip**\n```bash\npip install -r requirements.txt\npython3 deepseek-eng.py\n```\n\n## 基本使用\n\n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。\n\n### 场景一：自动读取与分析文件\n直接要求 AI 分析某个文件，它会自动调用 `read_file` 工具。\n\n```text\nYou> Can you review the main.py file and suggest improvements?\n\n💭 Reasoning: I need to first read the main.py file to understand its structure...\n\n🤖 Assistant> I'll read the main.py file first to understand its structure.\n⚡ Executing 1 function call(s)...\n→ read_file\n✓ Read file 'main.py'\n\n🔄 Processing results...\nBased on my analysis, here are some suggestions for optimization...\n```\n\n### 场景二：自动创建新文件\n要求 AI 基于现有代码生成测试文件或新模块。\n\n```text\nYou> Create a test file for main.py named test_main.py\n\n💭 Reasoning: I need to read main.py first to understand the functions to test...\n\n🤖 Assistant> I'll read main.py and then create comprehensive tests.\n⚡ Executing 1 function call(s)...\n→ read_file\n✓ Read file 'main.py'\n\n⚡ Executing 1 function call(s)...\n→ create_file\n✓ Created\u002Fupdated file at 'test_main.py'\n\nI've created test_main.py with coverage for all main functions...\n```\n\n### 场景三：批量文件操作\n一次性处理多个文件或构建项目骨架。\n\n```text\nYou> Compare utils.py with test_utils.py\n\n🤖 Assistant> I'll read both files to analyze the implementation and tests.\n⚡ Executing 1 function call(s)...\n→ read_multiple_files\n✓ Read files: utils.py, test_utils.py\n\nAfter analyzing both files, I can see several areas where the tests could be improved...\n```\n\n> **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 `\u002Fadd path\u002Fto\u002Ffolder` 命令。","一位后端开发者需要在遗留的 Python 项目中快速定位并修复一个涉及多个文件调用的复杂逻辑漏洞。\n\n### 没有 deepseek-engineer 时\n- 开发者必须手动打开终端查找文件路径，再逐个用编辑器打开 `src\u002Futils.py`、`config.py` 等文件复制内容到对话窗口，过程繁琐且容易出错。\n- 在理解代码逻辑时，缺乏可视化的思维链展示，难以判断 AI 是基于完整上下文还是片面信息给出的建议，导致信任度低。\n- 应用修复方案时，需手动对照 AI 生成的代码片段进行复制粘贴，极易因缩进错误或遗漏行引入新的 Bug。\n- 每次修改都需要重新运行测试脚本验证，无法在对话中直接让 AI 读取最新文件状态进行迭代，沟通成本极高。\n\n### 使用 deepseek-engineer 后\n- 开发者只需在终端自然描述“检查 src 目录下的认证逻辑”，deepseek-engineer 便自动调用函数批量读取相关文件，瞬间构建完整上下文。\n- 工具实时流式展示 AI 的推理过程（Chain of Thought），让开发者清晰看到从问题分析到定位漏洞的每一步逻辑，决策更安心。\n- 确认方案后，deepseek-engineer 直接执行精确的代码片段替换操作，自动处理文件保存与目录创建，彻底杜绝手动粘贴错误。\n- 支持多轮即时迭代，开发者可立即指令“再次读取修改后的文件并运行单元测试”，AI 基于最新状态自动调整策略，大幅缩短调试周期。\n\ndeepseek-engineer 将原本割裂的文件操作与代码对话融合为流畅的自动化工作流，让开发者从繁琐的上下文切换中解放，专注于核心逻辑创新。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FDoriandarko_deepseek-engineer_280683a5.png","Doriandarko","Pietro Schirano","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FDoriandarko_7146aa01.jpg","Passionate AI engineer on a mission to democratize AI tools.\r\n\r\nFounder at MagicPath 🎨✨\r\n\r\nmagicpath.ai","MagicPath",null,"pietro.schirano@gmail.com","skirano","magicpath.ai","https:\u002F\u002Fgithub.com\u002FDoriandarko",[85,89],{"name":86,"color":87,"percentage":88},"Python","#3572A5",71.9,{"name":90,"color":91,"percentage":92},"HTML","#e34c26",28.1,2240,363,"2026-04-13T09:12:25","MIT","未说明","不需要本地 GPU（基于 DeepSeek API 的云端推理）",{"notes":100,"python":101,"dependencies":102},"该工具通过 API 调用云端模型，无需本地部署大模型或配置 CUDA 环境。必须拥有 DeepSeek API Key 并配置在 .env 文件中。推荐使用 'uv' 工具进行依赖管理和运行以获得更佳性能。文件操作有 5MB 大小限制，且会自动排除二进制文件。","3.11+",[103,104],"uv (推荐)","requirements.txt 中定义的依赖",[44,13,27],"2026-03-27T02:49:30.150509","2026-04-20T10:23:17.645386",[],[]]