DeerFlow 版本演进深度解读:从 2.0「超级智能体」重写走向 2.1.0 里程碑(更新日志全解析)
DeerFlow 的中文更新日志(CHANGELOG_zh.md)完整记录了项目从 2.0.0 彻底重写以来所有重要变更,是了解这个开源 long-horizon SuperAgent harness 技术路线、配置迁移与升级风险的第一手资料。本文将围绕这份更新日志展开,梳理其版本治理约定、2.0 里程碑的能力基线,并对「未发布」章节中累积的 2.1.0 工作(不兼容变更、新增能力、修复与安全加固)逐项给出迁移指引与仓库源码佐证,帮助部署方评估升级影响、顺利完成配置迁移。
更新日志的治理约定:读懂这份文档的「语法」
DeerFlow 的更新日志遵循 Keep a Changelog 与语义化版本规范 的惯例:每个变更条目按 新增 / 变更 / 修复 / 性能优化 / 安全 / 文档 / 内部改进 分类,并以 ([#PR号]) 形式保留到具体 Pull Request 的可追溯引用。仓库同时维护 CHANGELOG.md(英文)与 CHANGELOG_zh.md(中文)两个语言版本。
当前文档包含两大版本块:
[未发布]:累积面向 2.1.0 里程碑的所有工作,结构上先集中声明一批不兼容变更(Breaking Changes),再罗列新增、变更、修复等条目;[2.0.0] — 2026-06-15:DeerFlow 2.0 正式发布,围绕"超级智能体"框架的彻底重写。
阅读时需要注意:日志条目描述的是行为与配置语义,而仓库内 config.example.yaml 与源码实现才是这些语义的落地形态。下文会把日志中的每类关键变更与源码一一对应。
2.0.0 发布:围绕超级智能体框架的彻底重写
更新日志开门见山地指出,2.0 版本与 1.x 系列没有共享代码——DeerFlow 从"Deep Research"框架转变为集子智能体、持久化记忆、沙箱执行与可扩展技能/工具系统于一体的 super agent harness(仓库 backend/packages/harness 即为其核心实现)。原有 1.x 深研框架仍保留维护(不再赘述其远端位置)。该里程碑自首个 2.0 标签以来累计合并 180 个 Pull Request。
核心能力基线(2.0 新增)
智能体与运行时:
- 自定义智能体支持自我更新,且更新按用户隔离——智能体可在普通对话中把对自身
SOUL.md/config.yaml的修改持久化(对应源码目录 backend/packages/harness/deerflow/agents 下的 agent 装配与管理逻辑); - **循环检测(loop detection)**支持配置开关并可按工具维度覆盖触发频率,警告注入延后执行,避免与工具调用生命周期错位;
model_name从 gateway 请求透传到运行时与持久化层;- 子智能体的 token 用量通过终态任务事件流式上报到 header;
- 记忆新增
memory.token_counting配置,可在受限网络环境下禁用 tiktoken(改为字符计数); - AI 追问(follow-up)建议改为可选。
模型与集成:
- 新增 StepFun 推理模型适配器、Brave Search 检索、SearXNG 与 Browserless 网络检索/抓取工具,并为
image_search提供 Serper Google 图片 provider; - 新增 MiMo 推理内容补丁支持与 MiniMax provider(图像/视频/播客类技能、音乐生成技能);
- IM 渠道方面新增 "用户自有 IM 渠道连接"——用户可在运营方配置的 bot 之上绑定自己的 Slack / Telegram / Discord / 飞书 / 钉钉 / 微信 / 企业微信账号(对应 backend/app/channels 中大量
*_channel.py连接器);Discord 增加"仅响应 mention"模式与话题路由;Telegram 回复改为就地编辑占位消息流式输出。
可观测性:LangGraph trace 名设为 lead_agent(自定义智能体则用其 agent_name),子智能体 span 归属到父线程的 Langfuse trace;默认开启 token 用量统计并优化展示;提高默认上下文摘要触发阈值。
技能:新增面向排查的 blocking-io-guard 技能,以及面向维护者的 issue/PR 工作流技能。
性能优化:thread 元数据过滤下推到 SQL;为 run、消息与事件 store 增加索引消除 O(n) 扫描;按类缓存 Base.to_dict 列反射;加速 glob/grep 遍历中的 should_ignore_name。
安全:拒绝指向符号链接的上传目标(含 Windows 安全支持);MCP 配置接口响应字段脱敏并加固异常输入;拒绝跨站点认证 POST;限制 skill artifact 解压上限防 zip-bomb;仅在 aio(DooD)模式下挂载宿主机 Docker socket;默认不再 bind-mount 宿主机 CLI 认证目录。
2.0 的修复条目体量巨大,覆盖运行时/网关/持久化(如 run 恢复、interrupted 状态幂等取消、ISO 8601 时间戳、SSE 透传 interrupt、剥离 base64 图片数据、token 用量归因到实际模型)、智能体/子智能体/中间件(如子智能体原子化超时、父 run checkpoint 隔离、general-purpose max_turns 提升到 150、默认超时提升到 30 分钟)、记忆与追踪、工具/沙箱/MCP(如 MCP 列表型变量环境变量解析、沙箱 /mnt/user-data 契约、工具检索 ContextVar 修复)以及技能与渠道——这些为后续 2.1 的能力地基打下了基础。
未发布(面向 2.1.0):不兼容变更全解析
「未发布」章节是当前升级最需要关注的部分。以下逐条给出变更内容、影响面与升级动作,并用 config.example.yaml 及源码佐证。
网关:Trace id 无条件签发
Gateway 现在无条件为每个工作单元签发 trace id,且每个 Gateway HTTP 响应都携带 X-Trace-Id header(无论配置如何,无法关闭)。此前二者受 logging.enhance.enabled 控制;现在该配置仅控制日志输出(日志记录是否含 trace_id 字段及其格式)。使用默认 enabled: false 安装升级后也会开始收到该 header。定时任务、MCP 任务通知 run、IM 渠道消息与内嵌 DeerFlowClient 都会绑定 id。
关键影响:run 请求的 metadata 或 config.context 中提供的 deerflow_trace_id 现在会被忽略并覆盖,以保证响应 header、日志与持久化 run 记录一致;如需跨服务固定关联 id,应发送 X-Trace-Id 请求 header。logging 配置重启后生效。本次未新增或移除任何配置键。仓库侧佐证:该语义沉淀在 app_config.py 的 logging.enhance 配置说明("Trace ids are always issued and always returned in the X-Trace-Id response header; this controls log output only"),并在 AGENTS.md 中明确了"重启生效"的重载边界。
技能与沙箱路径体系调整(升级高发区)
围绕技能挂载路径、沙箱容量与包边界,本次有四处相互关联的变更:
/mnt/skills保留给"仅启用项"的托管投影视图:DEER_FLOW_HOST_SKILLS_PATH与SKILLS_HOST_PATH不再使用;Docker/AIO 与 hostPath 部署改为从DEER_FLOW_HOST_BASE_DIR推导投影路径。指向/mnt/skills或其子路径的 E2B operator 挂载会被跳过并告警(避免遮蔽托管投影),额外内容请挂载到其他容器路径。用户投影会从磁盘重读全局启用状态,使技能启停切换在下一次获取沙箱时跨 Gateway worker 生效。既有 E2B 沙箱在重建前仍保留创建时快照;PVC 模式暂不提供已禁用技能的文件系统隔离。([#4178])SKILL.md目录成为运行时包边界:包内嵌套的SKILL.md文件被视为支撑数据,不再注册为独立技能;特殊目录结构需把可独立加载的技能移到不带自身SKILL.md的命名空间目录下。([#4098])- 激活态限制型技能委派需显式声明
task:处于激活态的限制型技能若要委派给子智能体,必须在allowed-tools中显式声明task。只读发现设施(tool_search与describe_skill)不受影响,但无法为被禁用的业务工具授予 schema 可见性或执行权限。 - 安全加固:投影技能文件改为复制而非 hardlink,沙箱写入不能再修改规范来源;遇到漂移的投影命名空间时所有平台(含 Windows)都会 fail closed;Custom Agent 技能 allowlist 在 sandbox 文件系统层强制(带 shell 或文件工具的 Custom Agent 无法读取策略排除的技能)。
E2B 沙箱容量语义与渠道能力变化
- E2B 强制
sandbox.replicas作为进程级容量上限:默认wait策略等待acquire_timeout后令当前智能体回合失败(DeerFlow 不自动重试);可用burst+burst_limit允许有限超额度多开 VM;reject策略可在返回容量错误前先回收一个预热 VM。([#4391]) - 入站 webhook 去重迁移到 Postgres:多个 Gateway Pod 可同时服务同一 IM 渠道而不重复处理事件(此前依赖进程内去重);对应的应用层实现见 backend/app/channels/dedupe_store.py。
- 钉钉入站消息支持文件与图片附件([#4423]),并新增 Buzz (Nostr) 渠道连接器。
记忆系统架构级重构(升级动作最多的一类)
这是 2.1 最核心的架构变更,分多条实施:
- 记忆系统可插拔:由
memory.manager_class选择后端,默认deermem自包含后端。DeerMem 私有配置从memory:顶层移入memory.backend_config。仓库侧佐证:config.example.yaml 中memory:顶层仅保留共享字段(enabled、injection_enabled、shutdown_flush_timeout_seconds、manager_class、backend_config),其中manager_class可选择deermem/mem0/noop/openviking已注册名或 dotted 路径;实际后端实现位于 backend/packages/harness/deerflow/agents/memory/backends 下的deermem/、mem0/、noop/、openviking/、honcho/子目录。 /memory/config与client.get_memory_config()响应结构变化:不再返回扁平 DeerMem 字段,改为{enabled, mode, injection_enabled, manager_class, backend_config},其中backend_config为当前后端自行解释的不透明 dict。记忆数据响应不变(/memory、/memory/status的 data);读取旧扁平字段的外部 API/SDK 客户端需改为读取backend_config。([#4122])memory.storage_class迁移:旧默认路径deerflow.agents.memory.storage.FileMemoryStorage已不存在,现为deerflow.agents.memory.backends.deermem.deermem.core.storage.FileMemoryStorage;自定义MemoryStorage子类的__init__必须接受config参数(此前无参)。损坏或过期的storage_class会记录错误并回退到FileMemoryStorage(不崩溃)。参见 backend/packages/harness/deerflow/agents/memory/backends/deermem/deermem/core/storage.py。storage_path语义由"文件路径"改为"根目录":无论绝对或相对值现在都是根目录,按用户的记忆存放在{storage_path}/users/{uid}/memory.json。若沿用旧的相对默认storage_path: memory.json,会导致记忆孤立或保存时触发NotADirectoryError——因此迁移会带告警丢弃以.json结尾的文件式 storage_path 值,且当storage_path解析到已存在文件时工厂抛出异常。自定义根目录应把memory.backend_config.storage_path设为目录。config.example.yaml 中该字段注释明确:空值由工厂注入绝对runtime_home,非空值必须是根目录。- 顶层 DeerMem 字段自动迁移:抽象化之前位于顶层的
memory.*DeerMem 字段(storage_path、max_facts、debounce_seconds、model_name、token_counting、staleness_*、consolidation_*等)在加载时带告警自动迁移到backend_config(model_name→backend_config.model.model)。把它们显式移入memory.backend_config即可消除告警。([#4122]) - 新增
memory.mode(middleware|tool):tool模式注册供模型直接调用的记忆工具(memory_search/add/update/delete),取代被动的逐回合摘要;manager_class解析改为快速失败(未知后端抛ValueError,而非静默回退)。([#4023]) mode: tool+ 未实现search()的后端启动即失败:由MemoryManager的不变量校验在 Gateway 启动时抛ValueError(此前是每次memory_search静默返回空)。两个内置后端都实现了search()(DeerMem 检索、noop返回[]);只影响自定义后端。修复:切到mode: middleware,或覆盖search()并设置supports_search=True。([#4324])
配置与部署语义微调
database.checkpoint_delta_snapshot_frequency重命名并改默认值:迁移为database.checkpoint_delta.snapshot_frequency,默认值从1000改为10。旧顶层字段仍会告警后映射到新字段,显式新字段优先。依赖旧默认值的 delta 模式部署快照频率会提高 100 倍;想保留原节奏需显式设为1000。([#4516])仓库侧佐证:DeltaChannel 快照节奏贯穿 agents/factory.py(checkpoint_snapshot_frequency: DeltaChannel snapshot cadence for "delta" mode)与 config.example.yaml 的checkpoint_channel_mode: full(delta用 DeltaChannel)配置块。- Docker 入口端口默认只绑定回环地址(
127.0.0.1):两份 compose 文件发布端口不再默认暴露到所有网卡;需要跨网卡暴露必须设置BIND_HOST。([#4618])
新增能力全景(面向 2.1.0)
认证与授权:从 PAT 到完整 RBAC
- **个人访问令牌(PAT)**用于程序化 API 访问:
POST/GET/DELETE /api/v1/auth/pats管理令牌(仅展示一次,以 SHA-256 摘要存储);默认拒绝的路由策略只允许会话/run 生命周期路由,并进一步受令牌threads/runsscope 限制;具备取消能力的请求维度(?action=、multitask_strategy)还额外要求runs:cancel。([#5041])实现见 backend/app/gateway/auth/pat.py(含is_pat_allowed_route、generate_pat_token、pat_token_digest)与 routers/auth.py 的/pats端点。 - 通用 OIDC / SSO 认证(支持 Keycloak);"保持登录"选项配合统一会话 cookie 策略(HTTPS 下持久化
Securecookie,公网 HTTP 下会话 cookie);部署方可关闭本地自注册,将新账号限制为仅通过 SSO/OIDC 开通。 - 内置 RBAC 鉴权 provider 与统一工厂:工具鉴权在装配期(模型可见前移除工具)与运行期(拒绝被禁用调用)双重强制执行;Gateway 路由权限改由已配置的
AuthorizationProvider推导;模型权限在 Gateway 路由与智能体运行时双重执行,获取沙箱时额外校验sandbox:execute。
智能体、运行时与子智能体
TokenBudgetMiddleware强制单个 run 的 token 预算,在主智能体与子智能体间累加共享([#3412])。实现: token_budget_middleware.py,配置节见 config.example.yaml 的token_budget:与agents:下的 per-agent 覆盖。- 结构化工具结果元数据 + 工具进度状态机,让运行时对多步工具流拥有一等可见性(对应 middlewares 目录下的
tool_result_meta.py、tool_progress_middleware.py、tool_receipt.py等)。 - 上下文持久化:每个 run 记录生效的记忆身份,摘要过程中持久化系统消息/记忆/工具状态,compaction 不再丢信息。
- 目标延续(goal continuation):run 可跨多个智能体回合朝目标继续执行并跟踪
continuation_count(源码runtime/goal.py区域,Evaluator 模型判断可见对话证据后返回 typed blocker)。 - 委派账本(delegation ledger)防重复委派 + 总委派上限约束单 run 扇出(backend/packages/harness/deerflow/agents/middlewares/delegation_ledger.py);会话内持久化并展示子智能体步骤历史。
- 文件工具引入确定性"写前读"版本门控(read_before_write_middleware.py),避免覆盖并发编辑。
- 双模式 checkpoint 存储(基于 LangGraph
DeltaChannel)把长调研/编码 run 的会话存储从 O(N²) 降至近线性([#4292]);Delta 模式历史缓存(内存/Redis)支持 O(1) 增量合成,通过database.checkpoint_cache配置([#4638])。 - 声明式主智能体中间件配置([#3964])、按智能体模型与生成设置覆盖(
temperature/max_tokens/thinking_enabled/reasoning_effort,[#4347])、scheduler.recursion_limit控制定时 run 的 LangGraph super-step 上限(默认 1000,受max_recursion_limit限制,config.example.yaml)。 - 工具回执(tool receipt)与可验证委派:每次工具调用携带运行时签发、防篡改的回执,默认由新的
verification配置节启用;子智能体报告必须引用回执并附可验证 handle,主智能体交叉核对执行记录,task委派的acceptance_criteria在父侧确定性检查,无法判定项报告 UNVERIFIED 而非静默通过。([#4659]、[#5076]、[#5090]、[#5109]) - 人工输入卡片支持结构化表单字段([#4406]);内置子智能体接收当前日期上下文锚点([#4797]);设置页新增部署级子智能体目录 + 显式 worker allowlist([#4887])。
- 并发容量统一控制 + 批量子智能体:统一进程级容量控制器;可选
batch_task工具把大量独立项目作为 SQL 持久、可恢复的批次执行(支持租约、有限重试、暂停/恢复/取消,聊天中展示进度)。([#4998])实现:batch_task_tool.py。
记忆能力深化
记忆合并(consolidation)通过 LLM 为每条事实分配 expected_valid_days 并做过期审查剪除静默过期事实(config.example.yaml 中 staleness_* 系列参数给出默认值);保证纠正事实注入并优雅降级;精简可插拔 MemoryManager 接口;增量式按智能体作用域的 Markdown 事实存储(单条更新无需重建索引);消息处理新增会话水位、无意义回合过滤与持久化队列;内置 FTS5/BM25 检索适配器免外部服务全文搜索;新增 OpenViking、mem0(HTTP)与 Honcho 后端;混合事实淘汰策略([#4789])并有可复现评测位于 backend/scripts/benchmark/deermem_eviction/。OpenViking 后端改用官方适配器,旧 trusted-mode 的 auth_mode/account 字段会被拒绝,改用绑定凭据的 USER API key([#4707])。
技能系统
原生 SkillScan(阶段一)静态分析技能包;describe_skill 延迟发现(模型按需取 schema);按用户的自定义技能隔离配合沙箱挂载;技能列表选中后重开便于连续附加;"技能"设置页可直接安装本地 .skill archive 并复用按用户 installer 与安全扫描。
模型与社区工具集成
新增网络检索/抓取引擎 GroundRoute、Crawl4AI(web_fetch)与 fastCRW provider,Browserless web_capture 截图、Brave image_search;智能体化浏览器控制(Playwright 会话可观察/接管)成为会话一等能力;Lark/飞书 CLI 打包运行时安装与交互授权;新增 Serply(news/scholar 垂直搜索)与腾讯云 WSA,并为 DDGS、Brave、Tavily、SearXNG 提供统一原生时间范围过滤;可选只读 RAGFlow 检索暴露 knowledge_search(query) 工具并带 dataset ID allowlist;支持 MiniMax Code (mcode acp) 原生外部编码智能体;新增 Z.AI GLM-5.3-Flash profile(thinking 常开);"设置 > 集成"按用户切换 Lark/飞书凭据,切换后撤销旧 OAuth token。
MCP:从工具到持久任务运行时
- 持久任务运行时:长时工具任务通过持久 driver 跨 Gateway 重启继续,进度/完成通知在聊天 UI 展示(backend/app/mcp_tasks);共享 MCP server 按用户注入凭据、未映射用户默认拒绝、凭据脱敏;按 server 的
tool_name_prefix、tool_call_timeout(含session_init_timeout默认 60 秒)与路由提示;"设置 > 工具"通过定向 Gateway endpoint 增删改 MCP server;共享 HTTP/SSE server 支持headers_from_context把请求作用域 secret 映射为 header(config.context.secrets提供值、配置只存键名、缺失默认拒绝)。
扩展系统(out-of-tree Python 扩展)
新增可贡献中间件、任务生命周期与系统模型 observer、Gateway 服务与 HTTP 路由的扩展系统,用 deerflow extensions 命令管理。deerflow-extension-api 升至 0.2.0,0.1 扩展启动时会被拒绝。仓库实现位于 backend/packages/harness/deerflow/extensions(loader、manager、registry、stack、gateway、injection 等模块),API 版本号在 backend/packages/extension-api/deerflow_extension_api/init.py 中声明为 API_VERSION = "0.2.0"。
渠道、前端与可观测性
- 渠道:
channel_user_id以DEERFLOW_CHANNEL_USER_ID暴露给沙箱命令;同会话密集消息排队 + 话题卡片预览保持;Buzz (Nostr) 连接器;DingTalk 附件支持。 - 前端:会话分支与追问侧边对话;重新生成最新回答;引用证据面板、工作区变更评审、可视化澄清卡片;语音输入、思考时长标签;上下文窗口使用量实时显示;artifact 内联编辑与 zip 打包下载;长会话大纲侧边菜单;分支会话
Title (2)编号与树形会话列表;Browser Live。 - 可观测性:trace-id 关联 + Monocle 智能体可观测性;类 Hermes 终端工作台(
deerflowCLI,基于DeerFlowClient)+ 脱敏 support-bundle;安装向导询问 thinking 支持并新增火山引擎 Coding Plan 快速安装路径;TUI 支持clear与透明终端背景。
变更(Changes)要点
- 前端性能持续优化:公共根页面与本地化文档静态化、流式状态增量推导、虚拟化超长列表、代表性路由 JS/CSS 预算;Browser Live 帧改 JPEG 二进制协商;文本 artifact 支持 HTTP byte-range 流式读取(Web UI 初始预览限 1 MiB)。
- Helm chart 默认把沙箱 Service 设为
ClusterIP(升级会从NodePort切换;需外部可达时设置provisioner.sandboxServiceType: NodePort)。 - 声明式分层中间件构建器;
ThreadData先于Uploads运行;AGENTS.md成为智能体指引权威来源。 - 子智能体委派改按净收益路由:除非并行延迟、专长能力或上下文隔离明显有益,否则主智能体默认直接执行([#4384]);run-event journal 前创建的会话首 run 前回填 seed event。
- 记忆 OpenViking 后端(见上);Gateway run-event journal、checkpoint 历史回填等数据一致性改进。
修复、性能优化与安全(选读中的高频项)
修复类覆盖了运行时一致性(多 worker 归属、孤儿 run 租约接管、SQLite event-store 序列化)、模型子类(api_base 在全部 BaseChatOpenAI 子类生效、stream_chunk_timeout 默认值统一)、子智能体(继承循环检测与摘要中间件、回合预算 MAX_TURNS_REACHED、压缩前注入持久上下文)、中间件 token 预算锁、沙箱路径/输出脱敏/反向外置目录语义、MCP server 故障隔离与缓存失效、渠道(入站去重 key 按聊天作用域、飞书批量与限流)、记忆空值边界与队列刷写、前端渲染与流式抖动等大量细节。
性能优化:MemoryRunStore/MemoryRunEventStore 建立索引;子智能体流式消息按 seen-id 去重(O(n²)→O(n));LocalSandbox 路径正则按实例缓存;read_file 只读请求行范围;Browser Live JPEG 编码;view_image 通过 wrap_model_call 注入避免 base64 双写 checkpoint;终态 run 后限制 Gateway 内存。
安全:输入净化中间件与伪造框架标签拦截;对渲染进模型 prompt 的不可信内容 HTML 转义(记忆/SOUL.md/子智能体描述/技能元数据)并中和 web_capture 注入标签;清除技能环境继承的密钥变量(MYSQL_PWD、REDISCLI_AUTH、*_PASS、PGPASSFILE);web_fetch SSRF 防护;护栏空 allowlist 改为拒绝全部工具;MCP 来源工具结果经与内置网络工具相同信任边界净化;本地 Docker sandbox container 默认绑定 Docker bridge gateway、默认 seccomp profile、丢弃全部 capability、no-new-privileges 与有界资源(可用 DEER_FLOW_SANDBOX_BIND_HOST=0.0.0.0 / DEER_FLOW_SANDBOX_SECCOMP_UNCONFINED=1 恢复旧行为);支持 bundle 中 secret-shaped key 脱敏;GET stream join 上的取消/回滚 action 返回 405;复用持久化 sandbox 前重新检查授权策略。
文档与内部改进
文档侧聚焦生产 Docker 下 LocalSandboxProvider 解析 sandbox.mounts[].host_path、Crawl4AI >= 0.9 bearer token、GitHub 去重 TTL、Honcho 记忆后端专门指南。内部改进包括:前端测试迁移 rstest、live client 测试显式 opt-in、blocking-IO 检测器跟踪 self/cls 属性链、checkpoint channel-mode 基准(对比 full/delta 的延迟/存储/回放,见 backend/scripts/benchmark)、混合 memory eviction 评测、五个远程 sandbox provider 共享 identity 推导与 acquire serialization(RFC #4741),以及若干依赖升级。
升级建议速览
- 先读不兼容变更:升级前对照上文逐条检查——若自定义了记忆相关配置,务必把 DeerMem 字段迁入
memory.backend_config、把storage_path改为目录、更新storage_class为...deermem.core.storage.FileMemoryStorage并让子类__init__接受config; - 注意 X-Trace-Id:升级后所有 HTTP 响应都会带该 header,
logging.enhance.enabled只控制日志输出,跨服务关联请改用X-Trace-Id请求 header; - 沙箱/技能路径:检查是否有指向
/mnt/skills的 E2B 挂载、是否使用DEER_FLOW_HOST_SKILLS_PATH等废弃变量、SKILL.md目录结构是否符合包边界约定; - 数据库配置:若依赖
database.checkpoint_delta_snapshot_frequency或旧默认快照节奏(1000),请显式设置database.checkpoint_delta.snapshot_frequency: 1000; - 网络绑定:依赖外部访问 compose 端口的部署需设置
BIND_HOST; - 完整可参考配置统一维护在 config.example.yaml,文档与设计说明见 backend/docs 与根目录 README_zh.md。
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 StartedRust0629
MiniCPM5-2BMiniCPM5-2B 是一款面向端侧、本地部署和资源受限场景的 2B 稠密 Transformer,能够达到同尺寸开源模型 SOTA 水平。Markdown00
GLM-5.3GLM-5.3 与 GLM-5.2 使用相同的基座模型——所有提升均来自后训练。与 GLM-5.2 相比,它在复杂编程和长程任务上的表现显著提升。Jinja00
HivisionIDPhotos⚡️HivisionIDPhotos: a lightweight and efficient AI ID photos tools. 一个轻量级的AI证件照制作算法。Python07
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
Spark-X2.5-1.7BSpark-X2.5-1.7B 旨在让强大的 AI 更加实用、高效且易于获取。这些模型在广泛的日常任务中表现出色,涵盖对话、写作、翻译、推理、编程、工具调用和智能体工作流,并在同等规模的开源模型中取得领先结果。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00