DeepCode · 多智能体编程助手
读了一篇好论文，复现它的代码要两个星期
你是算法工程师，看到新论文兴奋地想试。但论文只给了公式和思路，复现等于从头写一个项目：环境、依赖、评测脚本，一样不能少。等代码跑起来，热点都过了。
从论文到可运行代码的多智能体流水线
DeepCode 是一款开源多智能体编程助手，可将研究论文、需求描述或链接自动转化为可运行代码，支持多种大模型驱动的规划与实现流程，并提供网页端与命令行两种交互方式。
给它一篇论文链接或一段需求描述，多个智能体分工规划与实现，产出项目级代码。部署在云上，浏览器里就能发起任务，适合快速复现研究工作。
边界也说清楚：
- 它做：论文/需求到代码的自动生成、多智能体规划、Web 与 CLI 两种入口。
- 它不做：不保证生成的代码达到论文精度；需要配置有效的 LLM Provider API Key 才能工作。
- API Key 保存在你自己的实例中，生成过程消耗的是你配置的模型额度。
通过阿里云计算巢部署，实例通过控制台安全代理访问，无需暴露公网端口。
它解决了什么问题
| 你原来怎么干 | 代价 | 用它之后 |
|---|---|---|
| 手工复现论文方法 | 两周起步，热点已过 | 论文链接进去，项目代码出来 |
| 需求描述要转成任务拆解 | 自己想架构、写骨架 | 多智能体自动规划实现 |
| 本地环境反复折腾 | 依赖冲突、算力受限 | 云上环境开箱即用 |
| 只能一步步人肉驱动 | 思路断了就卡住 | 规划-实现流水线自动推进 |
核心能力
多智能体协作
- 分工明确 —— 规划、实现、校验各有专责智能体。
- 多模型驱动 —— 可配置不同的 LLM Provider。
多种输入源
- 论文链接 —— 直接给 URL 即可。
- 需求描述 —— 自然语言写需求，也能开工。
网页端与命令行
- Web 界面 —— 浏览器发起与查看任务。
- CLI —— 适合脚本化与自动化场景。
云端运行
- 安全代理访问 —— 不暴露公网端口。
- 实例内保存 —— 代码与配置都在你自己的 ECS 中。
谁最该用
| 用户类型 | 典型场景 | 用它拿到什么 |
|---|---|---|
| 算法工程师 | 快速复现论文方法 | 从链接到可运行代码的流水线 |
| 研究人员 | 验证想法可行性 | 需求描述直接产出原型 |
| 技术团队 | 把文档需求变代码骨架 | 规划与实现自动完成 |
技术支持
- 官方仓库：https://github.com/HKUDS/DeepCode
- 部署文档：https://computenest-service-deploy-document-cn-hangzhou.oss-cn-hangzhou.aliyuncs.com/quickstart-deepcode/index.md
- 问题反馈：GitHub Issues
🚀 立即体验
→ 一键部署 DeepCode
部署完成后通过实例详情页的安全代理地址进入 Web 界面，上传论文或输入需求描述即可开始代码生成（需已配置有效的 LLM Provider API Key）。
