[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-deepseek-ai--awesome-deepseek-coder":3,"tool-deepseek-ai--awesome-deepseek-coder":64},[4,17,25,39,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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",140436,2,"2026-04-05T23:32:43",[13,14,15],"开发框架","Agent","语言模型","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":10,"last_commit_at":23,"category_tags":24,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,15],{"id":26,"name":27,"github_repo":28,"description_zh":29,"stars":30,"difficulty_score":10,"last_commit_at":31,"category_tags":32,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[33,34,35,36,14,37,15,13,38],"图像","数据工具","视频","插件","其他","音频",{"id":40,"name":41,"github_repo":42,"description_zh":43,"stars":44,"difficulty_score":45,"last_commit_at":46,"category_tags":47,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,3,"2026-04-04T04:44:48",[14,33,13,15,37],{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":45,"last_commit_at":54,"category_tags":55,"status":16},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74939,"2026-04-05T23:16:38",[15,33,13,37],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":45,"last_commit_at":62,"category_tags":63,"status":16},2181,"OpenHands","OpenHands\u002FOpenHands","OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。\n\n无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。\n\n其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。",70626,"2026-04-05T22:51:36",[15,14,13,36],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":80,"owner_twitter":79,"owner_website":81,"owner_url":82,"languages":79,"stars":83,"forks":84,"last_commit_at":85,"license":79,"difficulty_score":86,"env_os":78,"env_gpu":87,"env_ram":88,"env_deps":89,"category_tags":92,"github_topics":79,"view_count":10,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":93,"updated_at":94,"faqs":95,"releases":96},2229,"deepseek-ai\u002Fawesome-deepseek-coder","awesome-deepseek-coder","A curated list of open-source projects related to DeepSeek Coder","awesome-deepseek-coder 是一个精心整理的开源项目合集，旨在汇聚所有与 DeepSeek Coder 大模型相关的优质资源。它主要解决了开发者和研究人员在面对庞大的 AI 生态时，难以快速定位官方模型、社区微调版本以及量化文件的信息分散痛点。\n\n无论是希望直接体验代码生成能力的开发者，还是致力于模型优化与二次创作的研究人员，都能在这里找到所需内容。该合集不仅提供了从 1.3B 到 33B 不同规模的官方基础版（Base）和指令版（Instruct）模型下载链接，还收录了如 WizardCoder、Magicoder 等基于 DeepSeek Coder 构建的知名社区衍生模型。其独特的技术亮点在于详细整理了由 TheBloke 提供的多种量化格式（包括 AWQ、GGUF 和 GPTQ），这使得资源受限的用户也能在本地设备或消费级显卡上高效运行这些强大的代码模型。通过一站式导航，awesome-deepseek-coder 极大地降低了大家探索和利用 DeepSeek Coder 系列模型的门槛，是拥抱开源代码智能的理想起点。","\u003Cp align=\"center\">\n\u003Cimg width=\"1000px\" alt=\"Awesome DeepSeek Coder\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdeepseek-ai_awesome-deepseek-coder_readme_a358f7ed3998.png\">\n\u003C\u002Fp>\n\n📚 [English] | [中文](https:\u002F\u002Fgithub.com\u002Fdeepseek-ai\u002Fawesome-deepseek-coder\u002Fblob\u002Fmain\u002FREADME_CN.md)\n\u003Cbr> \n\n# awesome-deepseek-coder ![Awesome](https:\u002F\u002Fcdn.rawgit.com\u002Fsindresorhus\u002Fawesome\u002Fd7305f38d29fed78fa85652e3a63e154dd8e8829\u002Fmedia\u002Fbadge.svg)\n\nA curated list of open-source projects related to DeepSeek Coder.\n\n## Chat with DeepSeek Coder\nChat Website: [chat.deepseek.com](https:\u002F\u002Fchat.deepseek.com\u002F)\n\n## Official Resources\n### Released Models\nAll models are available on Hugging Face: [huggingface.co\u002Fdeepseek-ai](https:\u002F\u002Fhuggingface.co\u002Fdeepseek-ai)\n| Model Size | Base | Instruct |\n|------------|------|----------|\n| **1.3B**        | [deepseek-coder-1.3b-base](https:\u002F\u002Fhuggingface.co\u002Fdeepseek-ai\u002Fdeepseek-coder-1.3b-base) | [deepseek-coder-1.3b-instruct](https:\u002F\u002Fhuggingface.co\u002Fdeepseek-ai\u002Fdeepseek-coder-1.3b-instruct) |\n| **5.7B**     | [deepseek-coder-5.7bmqa-base](https:\u002F\u002Fhuggingface.co\u002Fdeepseek-ai\u002Fdeepseek-coder-5.7bmqa-base) | [deepseek-coder-5.7bmqa-instruct](https:\u002F\u002Fhuggingface.co\u002Fdeepseek-ai\u002Fdeepseek-coder-5.7bmqa-instruct)(coming soon) |\n| **6.7B**       | [deepseek-coder-6.7B-base](https:\u002F\u002Fhuggingface.co\u002Fdeepseek-ai\u002Fdeepseek-coder-6.7B-base) | [deepseek-coder-6.7B-instruct](https:\u002F\u002Fhuggingface.co\u002Fdeepseek-ai\u002Fdeepseek-coder-6.7B-instruct) |\n| **33B**         | [deepseek-coder-33B-base](https:\u002F\u002Fhuggingface.co\u002Fdeepseek-ai\u002Fdeepseek-coder-33B-base) | [deepseek-coder-33B-instruct](https:\u002F\u002Fhuggingface.co\u002Fdeepseek-ai\u002Fdeepseek-coder-33B-instruct) |\n\n## Community Resources\n\n### Models built upon DeepSeek Coder\n\n| Model Size | Models | \n|------------|------|\n| **1.3B**        | [OpenCodeInterpreter-DS-1.3B](https:\u002F\u002Fhuggingface.co\u002Fm-a-p\u002FOpenCodeInterpreter-DS-1.3B) |\n| **6.7B**       | [Magicoder-DS-6.7B](https:\u002F\u002Fhuggingface.co\u002Fise-uiuc\u002FMagicoder-DS-6.7B) \u003Cbr> [Magicoder-S-DS-6.7B](https:\u002F\u002Fhuggingface.co\u002Fise-uiuc\u002FMagicoder-S-DS-6.7B) \u003Cbr> [OpenCodeInterpreter-DS-6.7B](https:\u002F\u002Fhuggingface.co\u002Fm-a-p\u002FOpenCodeInterpreter-DS-6.7B) \u003Cbr> [openbuddy-deepseekcoder-6b-v16.1-32k](https:\u002F\u002Fhuggingface.co\u002FOpenBuddy\u002Fopenbuddy-deepseekcoder-6b-v16.1-32k) | \n| **33B**         | [WizardCoder-33B-V1.1](https:\u002F\u002Fhuggingface.co\u002FWizardLM\u002FWizardCoder-33B-V1.1) \u003Cbr> [CodeFuse-DeepSeek-33B](https:\u002F\u002Fhuggingface.co\u002Fcodefuse-ai\u002FCodeFuse-DeepSeek-33B) \u003Cbr> [OpenCodeInterpreter-DS-33B](https:\u002F\u002Fhuggingface.co\u002Fm-a-p\u002FOpenCodeInterpreter-DS-33B) \u003Cbr> [openbuddy-deepseekcoder-33b-v16.1-32k](https:\u002F\u002Fhuggingface.co\u002FOpenBuddy\u002Fopenbuddy-deepseekcoder-33b-v16.1-32k)| \n\n### Quantized Models \n\n- [TheBloke](https:\u002F\u002Fhuggingface.co\u002FTheBloke) - TheBloke develops AWQ\u002FGGUF\u002FGPTQ format model files for DeepSeek's Deepseek Coder 1B\u002F7B\u002F33B models.\n\n| Model Size | Base | Instruct |\n|------------|------|----------|\n| **1.3B**   | [deepseek-coder-1.3b-base-AWQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-1.3b-base-AWQ) \u003Cbr> [deepseek-coder-1.3b-base-GGUF](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-1.3b-base-GGUF) \u003Cbr> [deepseek-coder-1.3b-base-GPTQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-1.3b-base-GPTQ) | [deepseek-coder-1.3b-instruct-AWQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-1.3b-instruct-AWQ) \u003Cbr> [deepseek-coder-1.3b-instruct-GGUF](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-1.3b-instruct-GGUF) \u003Cbr> [deepseek-coder-1.3b-instruct-GPTQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-1.3b-instruct-GPTQ) |\n| **5.7B**   | [deepseek-coder-5.7bmqa-base-AWQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-5.7bmqa-base-AWQ) \u003Cbr> [deepseek-coder-5.7bmqa-base-GGUF](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-5.7bmqa-base-GGUF) \u003Cbr> [deepseek-coder-5.7bmqa-base-GPTQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-5.7bmqa-base-GPTQ) | [deepseek-coder-5.7bmqa-instruct-AWQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-5.7bmqa-instruct-AWQ)(coming soon) \u003Cbr> [deepseek-coder-5.7bmqa-instruct-GGUF](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-5.7bmqa-instruct-GGUF)(coming soon) \u003Cbr> [deepseek-coder-5.7bmqa-instruct-GPTQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-5.7bmqa-instruct-GPTQ)(coming soon) |\n| **6.7B**   | [deepseek-coder-6.7B-base-AWQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-6.7B-base-AWQ) \u003Cbr> [deepseek-coder-6.7B-base-GGUF](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-6.7B-base-GGUF) \u003Cbr> [deepseek-coder-6.7B-base-GPTQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-6.7B-base-GPTQ) | [deepseek-coder-6.7B-instruct-AWQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-6.7B-instruct-AWQ) \u003Cbr> [deepseek-coder-6.7B-instruct-GGUF](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-6.7B-instruct-GGUF) \u003Cbr> [deepseek-coder-6.7B-instruct-GPTQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-6.7B-instruct-GPTQ) |\n| **33B**    | [deepseek-coder-33B-base-AWQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-33B-base-AWQ) \u003Cbr> [deepseek-coder-33B-base-GGUF](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-33B-base-GGUF) \u003Cbr> [deepseek-coder-33B-base-GPTQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-33B-base-GPTQ) | [deepseek-coder-33B-instruct-AWQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-33B-instruct-AWQ) \u003Cbr> [deepseek-coder-33B-instruct-GGUF](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-33B-instruct-GGUF) \u003Cbr> [deepseek-coder-33B-instruct-GPTQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-33B-instruct-GPTQ) |\n\n### Copilot\n[refact](https:\u002F\u002Fgithub.com\u002Fsmallcloudai\u002Frefact),  an open-source AI coding assistant with blazing-fast code completion, powerful code improvement tools, and chat. It supports `deepseek-coder\u002F1.3b\u002Fbase`, `deepseek-coder\u002F5.7b\u002Fmqa-base`, `deepseek-coder\u002F6.7b\u002Finstruct`, `deepseek-coder\u002F33b\u002Finstruct`.\n\n[Tabby](https:\u002F\u002Fgithub.com\u002FTabbyML\u002Ftabby), a self-hosted and open-source AI coding assistant, presents itself as a formidable alternative to GitHub Copilot. Its latest leaderboard showcases deepseek-coder-6.7B as the top performer in code completion (https:\u002F\u002Fleaderboard.tabbyml.com\u002F).  Dive in and explore the robust code completion features of DeepSeek Coder with Tabby [(link)](https:\u002F\u002Ftabby.tabbyml.com\u002Fdocs\u002Fmodels\u002F).\n\u003Cp align=\"center\">\n\u003Cimg width=\"500px\" alt=\"Tabby-Leaderboard\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdeepseek-ai_awesome-deepseek-coder_readme_b789dd59ee8d.png\">\n\u003C\u002Fp>\n\n[🧙‍AutoDev](https:\u002F\u002Fgithub.com\u002Funit-mesh\u002Fauto-dev), an open-source JetBrains' IDE AI coding assistant. It provide Deepseek 6.7b finetune data tools by [Unit Eval](https:\u002F\u002Fgithub.com\u002Funit-mesh\u002Funit-eval), related to AutoDev prompts' [datasets](https:\u002F\u002Fhuggingface.co\u002Fdatasets\u002Funit-mesh\u002Funit-eval-completion) and [finetuned model](https:\u002F\u002Fhuggingface.co\u002Funit-mesh\u002Fautodev-deepseek-6.7b-finetunes), and [API server example](https:\u002F\u002Fgithub.com\u002Funit-mesh\u002Funit-eval\u002Fblob\u002Fmaster\u002Ffinetunes\u002Fdeepseek\u002Fapi-server-python38.py)\n\n### APIs\n- [limcheekin\u002Fdeepseek-coder-6.7B-instruct-GGUF](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002Flimcheekin\u002Fdeepseek-coder-6.7B-instruct-GGUF): limcheekin provides API for `deepseek-coder-6.7B-instruct-GGUF` model.\n\n## Contributing\nExcited to see the awesome stuff you guys will create with DeepSeek Coder!\n\n","\u003Cp align=\"center\">\n\u003Cimg width=\"1000px\" alt=\"Awesome DeepSeek Coder\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdeepseek-ai_awesome-deepseek-coder_readme_a358f7ed3998.png\">\n\u003C\u002Fp>\n\n📚 [English] | [中文](https:\u002F\u002Fgithub.com\u002Fdeepseek-ai\u002Fawesome-deepseek-coder\u002Fblob\u002Fmain\u002FREADME_CN.md)\n\u003Cbr> \n\n# awesome-deepseek-coder ![Awesome](https:\u002F\u002Fcdn.rawgit.com\u002Fsindresorhus\u002Fawesome\u002Fd7305f38d29fed78fa85652e3a63e154dd8e8829\u002Fmedia\u002Fbadge.svg)\n\n一个精选的与 DeepSeek Coder 相关的开源项目列表。\n\n## 与 DeepSeek Coder 聊天\n聊天网站：[chat.deepseek.com](https:\u002F\u002Fchat.deepseek.com\u002F)\n\n## 官方资源\n### 已发布的模型\n所有模型均可在 Hugging Face 上找到：[huggingface.co\u002Fdeepseek-ai](https:\u002F\u002Fhuggingface.co\u002Fdeepseek-ai)\n| 模型大小 | 基础版 | 指令版 |\n|------------|------|----------|\n| **1.3B**        | [deepseek-coder-1.3b-base](https:\u002F\u002Fhuggingface.co\u002Fdeepseek-ai\u002Fdeepseek-coder-1.3b-base) | [deepseek-coder-1.3b-instruct](https:\u002F\u002Fhuggingface.co\u002Fdeepseek-ai\u002Fdeepseek-coder-1.3b-instruct) |\n| **5.7B**     | [deepseek-coder-5.7bmqa-base](https:\u002F\u002Fhuggingface.co\u002Fdeepseek-ai\u002Fdeepseek-coder-5.7bmqa-base) | [deepseek-coder-5.7bmqa-instruct](https:\u002F\u002Fhuggingface.co\u002Fdeepseek-ai\u002Fdeepseek-coder-5.7bmqa-instruct)(即将推出) |\n| **6.7B**       | [deepseek-coder-6.7B-base](https:\u002F\u002Fhuggingface.co\u002Fdeepseek-ai\u002Fdeepseek-coder-6.7B-base) | [deepseek-coder-6.7B-instruct](https:\u002F\u002Fhuggingface.co\u002Fdeepseek-ai\u002Fdeepseek-coder-6.7B-instruct) |\n| **33B**         | [deepseek-coder-33B-base](https:\u002F\u002Fhuggingface.co\u002Fdeepseek-ai\u002Fdeepseek-coder-33B-base) | [deepseek-coder-33B-instruct](https:\u002F\u002Fhuggingface.co\u002Fdeepseek-ai\u002Fdeepseek-coder-33B-instruct) |\n\n## 社区资源\n\n### 基于 DeepSeek Coder 构建的模型\n\n| 模型大小 | 模型名称 | \n|------------|------|\n| **1.3B**        | [OpenCodeInterpreter-DS-1.3B](https:\u002F\u002Fhuggingface.co\u002Fm-a-p\u002FOpenCodeInterpreter-DS-1.3B) |\n| **6.7B**       | [Magicoder-DS-6.7B](https:\u002F\u002Fhuggingface.co\u002Fise-uiuc\u002FMagicoder-DS-6.7B) \u003Cbr> [Magicoder-S-DS-6.7B](https:\u002F\u002Fhuggingface.co\u002Fise-uiuc\u002FMagicoder-S-DS-6.7B) \u003Cbr> [OpenCodeInterpreter-DS-6.7B](https:\u002F\u002Fhuggingface.co\u002Fm-a-p\u002FOpenCodeInterpreter-DS-6.7B) \u003Cbr> [openbuddy-deepseekcoder-6b-v16.1-32k](https:\u002F\u002Fhuggingface.co\u002FOpenBuddy\u002Fopenbuddy-deepseekcoder-6b-v16.1-32k) | \n| **33B**         | [WizardCoder-33B-V1.1](https:\u002F\u002Fhuggingface.co\u002FWizardLM\u002FWizardCoder-33B-V1.1) \u003Cbr> [CodeFuse-DeepSeek-33B](https:\u002F\u002Fhuggingface.co\u002Fcodefuse-ai\u002FCodeFuse-DeepSeek-33B) \u003Cbr> [OpenCodeInterpreter-DS-33B](https:\u002F\u002Fhuggingface.co\u002Fm-a-p\u002FOpenCodeInterpreter-DS-33B) \u003Cbr> [openbuddy-deepseekcoder-33b-v16.1-32k](https:\u002F\u002Fhuggingface.co\u002FOpenBuddy\u002Fopenbuddy-deepseekcoder-33b-v16.1-32k)| \n\n### 量化模型 \n\n- [TheBloke](https:\u002F\u002Fhuggingface.co\u002FTheBloke) - TheBloke 为 DeepSeek 的 Deepseek Coder 1B\u002F7B\u002F33B 模型开发了 AWQ\u002FGGUF\u002FGPTQ 格式的模型文件。\n\n| 模型大小 | 基础版 | 指令版 |\n|------------|------|----------|\n| **1.3B**   | [deepseek-coder-1.3b-base-AWQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-1.3b-base-AWQ) \u003Cbr> [deepseek-coder-1.3b-base-GGUF](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-1.3b-base-GGUF) \u003Cbr> [deepseek-coder-1.3b-base-GPTQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-1.3b-base-GPTQ) | [deepseek-coder-1.3b-instruct-AWQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-1.3b-instruct-AWQ) \u003Cbr> [deepseek-coder-1.3b-instruct-GGUF](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-1.3b-instruct-GGUF) \u003Cbr> [deepseek-coder-1.3b-instruct-GPTQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-1.3b-instruct-GPTQ) |\n| **5.7B**   | [deepseek-coder-5.7bmqa-base-AWQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-5.7bmqa-base-AWQ) \u003Cbr> [deepseek-coder-5.7bmqa-base-GGUF](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-5.7bmqa-base-GGUF) \u003Cbr> [deepseek-coder-5.7bmqa-base-GPTQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-5.7bmqa-base-GPTQ) | [deepseek-coder-5.7bmqa-instruct-AWQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-5.7bmqa-instruct-AWQ)(即将推出) \u003Cbr> [deepseek-coder-5.7bmqa-instruct-GGUF](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-5.7bmqa-instruct-GGUF)(即将推出) \u003Cbr> [deepseek-coder-5.7bmqa-instruct-GPTQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-5.7bmqa-instruct-GPTQ)(即将推出) |\n| **6.7B**   | [deepseek-coder-6.7B-base-AWQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-6.7B-base-AWQ) \u003Cbr> [deepseek-coder-6.7B-base-GGUF](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-6.7B-base-GGUF) \u003Cbr> [deepseek-coder-6.7B-base-GPTQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-6.7B-base-GPTQ) | [deepseek-coder-6.7B-instruct-AWQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-6.7B-instruct-AWQ) \u003Cbr> [deepseek-coder-6.7B-instruct-GGUF](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-6.7B-instruct-GGUF) \u003Cbr> [deepseek-coder-6.7B-instruct-GPTQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-6.7B-instruct-GPTQ) |\n| **33B**    | [deepseek-coder-33B-base-AWQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-33B-base-AWQ) \u003Cbr> [deepseek-coder-33B-base-GGUF](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-33B-base-GGUF) \u003Cbr> [deepseek-coder-33B-base-GPTQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-33B-base-GPTQ) | [deepseek-coder-33B-instruct-AWQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-33B-instruct-AWQ) \u003Cbr> [deepseek-coder-33B-instruct-GGUF](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-33B-instruct-GGUF) \u003Cbr> [deepseek-coder-33B-instruct-GPTQ](https:\u002F\u002Fhuggingface.co\u002FTheBloke\u002Fdeepseek-coder-33B-instruct-GPTQ) |\n\n### Copilot\n[refact](https:\u002F\u002Fgithub.com\u002Fsmallcloudai\u002Frefact)，一款开源的 AI 编码助手，具有极快的代码补全功能、强大的代码改进工具和聊天功能。它支持 `deepseek-coder\u002F1.3b\u002Fbase`、`deepseek-coder\u002F5.7b\u002Fmqa-base`、`deepseek-coder\u002F6.7b\u002Finstruct`、`deepseek-coder\u002F33b\u002Finstruct`。\n\n[Tabby](https:\u002F\u002Fgithub.com\u002FTabbyML\u002Ftabby)，一款可自行托管的开源 AI 编码助手，被视为 GitHub Copilot 的强大替代品。其最新的排行榜显示，deepseek-coder-6.7B 在代码补全方面表现最佳（https:\u002F\u002Fleaderboard.tabbyml.com\u002F）。快来探索 Tabby 中 DeepSeek Coder 强大的代码补全功能吧 [(链接)](https:\u002F\u002Ftabby.tabbyml.com\u002Fdocs\u002Fmodels\u002F)。\n\u003Cp align=\"center\">\n\u003Cimg width=\"500px\" alt=\"Tabby-Leaderboard\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdeepseek-ai_awesome-deepseek-coder_readme_b789dd59ee8d.png\">\n\u003C\u002Fp>\n\n[🧙‍AutoDev](https:\u002F\u002Fgithub.com\u002Funit-mesh\u002Fauto-dev)，一款开源的 JetBrains IDE AI 编码助手。它由 [Unit Eval](https:\u002F\u002Fgithub.com\u002Funit-mesh\u002Funit-eval) 提供 Deepseek 6.7b 微调数据工具，包括 AutoDev 提示词的相关 [数据集](https:\u002F\u002Fhuggingface.co\u002Fdatasets\u002Funit-mesh\u002Funit-eval-completion) 和 [微调模型](https:\u002F\u002Fhuggingface.co\u002Funit-mesh\u002Fautodev-deepseek-6.7b-finetunes)，以及 [API 服务器示例](https:\u002F\u002Fgithub.com\u002Funit-mesh\u002Funit-eval\u002Fblob\u002Fmaster\u002Ffinetunes\u002Fdeepseek\u002Fapi-server-python38.py)。\n\n### APIs\n- [limcheekin\u002Fdeepseek-coder-6.7B-instruct-GGUF](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002Flimcheekin\u002Fdeepseek-coder-6.7B-instruct-GGUF): limcheekin 为 `deepseek-coder-6.7B-instruct-GGUF` 模型提供了 API。\n\n## 贡献\n非常期待看到大家使用 DeepSeek Coder 创造出的精彩成果！","# DeepSeek Coder 快速上手指南\n\nDeepSeek Coder 是一款专为代码生成和理解设计的开源大语言模型系列。本指南将帮助你快速获取模型资源并集成到开发工作流中。\n\n## 1. 环境准备\n\n在开始之前，请确保你的开发环境满足以下基本要求：\n\n*   **操作系统**: Linux, macOS 或 Windows (推荐 WSL2)。\n*   **Python**: 版本 3.8 及以上。\n*   **依赖库**: 推荐使用 `transformers` 和 `accelerate` 加载官方模型，或使用 `llama-cpp-python` 运行量化版本。\n    ```bash\n    pip install transformers accelerate torch\n    # 若需运行 GGUF 量化模型\n    pip install llama-cpp-python\n    ```\n*   **硬件建议**:\n    *   **1.3B\u002F5.7B 模型**: 普通消费级显卡 (如 RTX 3060) 或 CPU 即可运行。\n    *   **6.7B 模型**: 建议显存 12GB+ (FP16) 或使用量化版本在 8GB 显存上运行。\n    *   **33B 模型**: 需要多卡并行或高显存专业卡，强烈建议使用量化版本 (GGUF\u002FAWQ)。\n\n> **提示**: 国内用户下载模型时，建议使用 Hugging Face 镜像源或国内加速工具（如 `hf-mirror`），以提升下载速度。\n> ```bash\n> export HF_ENDPOINT=https:\u002F\u002Fhf-mirror.com\n> ```\n\n## 2. 安装与模型获取\n\nDeepSeek Coder 提供多种尺寸的模型（Base 版用于代码补全，Instruct 版用于对话和指令遵循）。你可以通过以下方式获取：\n\n### 方式 A：使用 Python 直接加载 (推荐)\n无需手动下载，代码运行时自动拉取。\n\n```python\nfrom transformers import AutoTokenizer, AutoModelForCausalLM\nimport torch\n\nmodel_name = \"deepseek-ai\u002Fdeepseek-coder-6.7b-instruct\" # 可替换为 1.3b, 33b 等\n\ntokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)\nmodel = AutoModelForCausalLM.from_pretrained(\n    model_name, \n    trust_remote_code=True, \n    torch_dtype=torch.float16, \n    device_map=\"auto\"\n)\n```\n\n### 方式 B：下载量化模型 (低显存方案)\n对于显存有限的用户，推荐使用 [TheBloke](https:\u002F\u002Fhuggingface.co\u002FTheBloke) 提供的 GGUF 格式模型。\n\n1.  访问 Hugging Face 搜索 `deepseek-coder-\u003Csize>-instruct-GGUF`。\n2.  下载 `.gguf` 文件到本地。\n3.  使用 `llama-cpp-python` 加载。\n\n## 3. 基本使用\n\n### 场景一：代码指令对话 (Instruct 模型)\n适用于代码生成、解释、调试等任务。\n\n```python\nfrom transformers import AutoTokenizer, AutoModelForCausalLM\nimport torch\n\nmodel_name = \"deepseek-ai\u002Fdeepseek-coder-6.7b-instruct\"\ntokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)\nmodel = AutoModelForCausalLM.from_pretrained(model_name, trust_remote_code=True, torch_dtype=torch.float16, device_map=\"auto\")\n\nprompt = \"\"\"\u003C|im_start|>system\nYou are an AI programming assistant, utilizing the DeepSeek Coder model, developed by DeepSeek Company, and you only answer questions related to computer science. For politically sensitive questions, security and privacy issues, and other non-computer science questions, you will refuse to answer.\n\u003C|im_end|>\n\u003C|im_start|>user\nWrite a Python function to calculate the factorial of a number.\n\u003C|im_end|>\n\u003C|im_start|>assistant\n\"\"\"\n\ninputs = tokenizer(prompt, return_tensors=\"pt\").to(model.device)\noutputs = model.generate(**inputs, max_new_tokens=512, do_sample=False)\nprint(tokenizer.decode(outputs[0], skip_special_tokens=True))\n```\n\n### 场景二：集成到 IDE (Copilot 体验)\n如果你希望在 VS Code 或 JetBrains IDE 中获得类似 GitHub Copilot 的自动补全体验，推荐部署本地服务并使用以下开源插件：\n\n1.  **部署后端服务 (以 Tabby 为例)**:\n    Tabby 是首选的自托管方案，对 DeepSeek Coder 支持极佳。\n    ```bash\n    # 使用 Docker 启动 Tabby，加载 deepseek-coder-6.7b\n    docker run -it --gpus all -p 8080:8080 -v $HOME\u002F.tabby:\u002Fdata tabbyml\u002Ftabby serve --model deepseek-ai\u002Fdeepseek-coder-6.7b-base\n    ```\n\n2.  **配置编辑器插件**:\n    *   **VS Code \u002F IntelliJ**: 安装 **Tabby** 或 **Refact** 插件。\n    *   在插件设置中将 API Endpoint 指向你的本地服务地址 (例如 `http:\u002F\u002Flocalhost:8080`)。\n    *   选择模型类型为 `deepseek-coder-6.7b` 即可享受毫秒级代码补全。\n\n### 场景三：使用在线 API (免部署)\n若不想本地部署，可直接使用社区提供的 API 服务进行测试：\n*   **官方聊天网页**: [chat.deepseek.com](https:\u002F\u002Fchat.deepseek.com\u002F)\n*   **Hugging Face Spaces API**: 参考 `limcheekin\u002Fdeepseek-coder-6.7B-instruct-GGUF` 空间获取接口文档。","某初创团队的后端工程师需要在本地低配服务器上快速部署一个代码生成助手，以辅助团队进行遗留系统的 Python 重构工作。\n\n### 没有 awesome-deepseek-coder 时\n- **模型选型迷茫**：面对 Hugging Face 上众多的 DeepSeek Coder 版本（1.3B 到 33B），难以判断哪个尺寸最适合当前有限的显存资源。\n- **量化版本难寻**：为了在消费级显卡上运行大模型，需要手动搜索并验证由社区提供的 GGUF 或 AWQ 量化文件，极易下载到不兼容或损坏的版本。\n- **生态整合困难**：不知道有哪些基于 DeepSeek Coder 微调的优秀衍生模型（如 Magicoder 或 OpenCodeInterpreter），错失了针对特定任务优化更好的工具。\n- **试错成本高昂**：花费数天时间盲目下载和测试不同模型，导致项目启动严重滞后，开发效率低下。\n\n### 使用 awesome-deepseek-coder 后\n- **精准匹配算力**：通过清晰的模型尺寸对照表，迅速锁定适合本地环境的 6.7B Instruct 版本，平衡了性能与资源消耗。\n- **一键获取量化包**：直接利用列表中整理的 TheBloke 量化模型链接，几分钟内即可下载并在 Ollama 或 LM Studio 中成功运行。\n- **发掘最强变体**：发现列表推荐的 WizardCoder 或 CodeFuse 等衍生模型，针对重构任务选择了代码理解能力更强的特定变体。\n- **极速落地应用**：将原本数天的调研压缩至半小时，当天即完成环境搭建并让团队成员开始使用 AI 辅助编写单元测试。\n\nawesome-deepseek-coder 将分散的模型资源转化为结构化的决策指南，让开发者从繁琐的“找模型”转变为高效的“用模型”。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fdeepseek-ai_awesome-deepseek-coder_a358f7ed.png","deepseek-ai","DeepSeek","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fdeepseek-ai_04503588.png","",null,"service@deepseek.com","https:\u002F\u002Fwww.deepseek.com\u002F","https:\u002F\u002Fgithub.com\u002Fdeepseek-ai",772,209,"2026-04-05T07:29:03",1,"未说明（具体需求取决于所选模型大小及量化格式，如 GGUF\u002FAWQ\u002FGPTQ）","未说明",{"notes":90,"python":88,"dependencies":91},"该仓库主要为 DeepSeek Coder 系列模型及相关开源项目（如 Magicoder, WizardCoder, Tabby, Refact 等）的资源列表，并非单一可执行工具。模型提供多种尺寸（1.3B 至 33B）及格式（Base, Instruct, AWQ, GGUF, GPTQ）。实际运行环境需求需参考具体使用的模型文件或集成工具（如 Tabby, AutoDev）的文档。",[],[15],"2026-03-27T02:49:30.150509","2026-04-06T08:40:52.919433",[],[]]