DeepSearcher开源贡献者指南:代码规范与PR流程
DeepSearcher是一个开源深度研究工具,为私有数据推理提供了强大的替代方案。作为开源项目,我们热忱欢迎开发者参与贡献!本指南将详细介绍如何成为DeepSearcher项目的贡献者,从环境搭建到PR提交的完整流程。🚀
快速入门:贡献者准备工作
在开始贡献代码之前,你需要完成一些基础准备工作。首先克隆项目仓库并建立开发环境:
git clone https://gitcode.com/gh_mirrors/de/deep-searcher
cd deep-searcher
DeepSearcher使用现代化的uv包管理器,确保依赖管理和环境隔离。通过uv sync命令同步依赖并激活虚拟环境,这是项目开发的基础步骤。
开发环境配置详细步骤
uv包管理器设置
DeepSearcher采用uv作为官方包管理器,相比传统工具提供更快的依赖解析和安装速度。配置开发环境的具体命令如下:
uv sync
source .venv/bin/activate
如果需要安装所有可选依赖和开发工具,可以使用:
uv sync --all-extras --dev
依赖管理最佳实践
项目通过pyproject.toml文件管理所有依赖。添加新依赖时使用uv add <package_name>命令,对于可选依赖则使用uv add <package_name> --optional <extra>语法。
代码规范与质量保证
代码格式化和检查
保持一致的代码风格对于项目维护至关重要。DeepSearcher要求所有贡献者在提交PR前运行代码检查和格式化:
# 检查代码风格
make lint
# 自动修复代码风格
make format
我们的CI流水线会在所有拉取请求上自动运行这些检查,确保代码质量和一致性。
测试框架与质量验证
完整的测试套件
DeepSearcher拥有完善的测试体系,覆盖了核心模块:
- 嵌入模块测试:tests/embedding/
- LLM模块测试:tests/llm/
- 加载器测试:tests/loader/
- 向量数据库测试:tests/vector_db/
运行测试的命令
安装测试依赖:
uv sync --all-extras --dev
运行完整测试套件:
uv run pytest tests -v
提交PR的完整流程
五步提交法
- Fork仓库:从master分支创建你的开发分支
- 实现变更:按照项目规范编写代码
- 测试验证:运行测试确保代码质量
- 文档更新:必要时更新相关文档
- 提交PR:通过平台提交拉取请求
开发者证书要求
所有贡献都需要签署开发者证书(DCO),在提交信息中添加:
Signed-off-by: Your Name <your.email@example.com>
项目维护与审核机制
DeepSearcher项目由核心维护团队管理,他们在OWNERS和MAINTAINERS文件中定义。所有PR都会经过维护团队的审核,确保代码符合项目标准。
通过遵循这些指南,你的贡献将更容易被接受,同时也能帮助维护项目的整体质量。我们期待看到你的精彩贡献!🎉
记住:清晰的提交信息、完整的测试覆盖和遵循代码规范是快速通过审核的关键要素。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112

