dgf1988/codewhale

Files

T

Hunter Bown 5a80556eb2 feat(models): add recent large OpenRouter models (#2461 )

2026-05-31 11:26:25 -07:00

32 KiB

Raw Blame History

CodeWhale

面向 DeepSeek V4 的终端原生编程智能体：100 万 token 上下文、思考模式流式推理、前缀缓存感知。以 codewhale 调度器和 codewhale-tui 运行时这一组自包含 Rust 二进制发布——开箱即带 MCP 客户端、沙箱和持久化任务队列。

English README 日本語 README Tiếng Việt README

安装

codewhale 以一组自包含 Rust 发布二进制安装：codewhale 调度器命令，以及它在交互会话中启动的同级 codewhale-tui 运行时。npm、Homebrew 和 Docker 会自动安装这两个二进制；Cargo 或手动下载时必须把两者放在同一目录（通常是 PATH 上的某个目录）。运行时不依赖 Node.js 或 Python。

# 1. npm —— 已装 Node 的最方便方式。npm 包只是一个下载器，
#    会从 GitHub Releases 拉取对应平台的预编译二进制对，
#    并不会让 codewhale 本身依赖 Node 运行时。
npm install -g codewhale

# 2. Cargo —— 无需 Node，两个 crate 都要安装。
cargo install codewhale-cli --locked   # `codewhale` 入口
cargo install codewhale-tui     --locked   # `codewhale-tui` TUI 二进制

# 3. Homebrew —— macOS 包管理器。
#    tap/formula 名称仍是旧名；实际安装 codewhale 和 codewhale-tui。
brew tap Hmbown/deepseek-tui
brew install deepseek-tui

# 4. 直接下载 —— GitHub Releases 的平台压缩包。
#    https://github.com/Hmbown/CodeWhale/releases
#    压缩包包含 codewhale 和 codewhale-tui 以及安装脚本；
#    也提供单独二进制给脚本使用，手动安装时请把这一对放在一起。

# 5. Docker —— 预构建发布镜像。
docker volume create codewhale-home
docker run --rm -it \
  -e DEEPSEEK_API_KEY="$DEEPSEEK_API_KEY" \
  -v codewhale-home:/home/codewhale/.codewhale \
  -v "$PWD:/workspace" \
  -w /workspace \
  ghcr.io/hmbown/codewhale:latest

中国大陆访问较慢时，npm 可加 --registry=https://registry.npmmirror.com，或使用下方的 Cargo 镜像。

下载安全：官方二进制只发布在 https://github.com/Hmbown/CodeWhale/releases。手动下载时请校验 SHA-256 manifest，并避免相似仓库名或搜索结果里的镜像站。详见下载安全与校验。

已经安装过？按你的安装方式更新：

codewhale update                         # release 二进制更新器
npm install -g codewhale@latest      # npm 包装器
brew update && brew upgrade deepseek-tui
cargo install codewhale-cli --locked --force
cargo install codewhale-tui     --locked --force

codewhale update 现在可添加 --proxy ,通过代理下载更新 eg: codewhale update --proxy https://localhost:7897

DeepWiki project index

这是什么？

模型回答问题。智能体完成任务。区别在于运行框架——一套在模型偏离时保持方向的规则、证据和反馈系统。

CodeWhale 就是这套框架，围绕 DeepSeek V4 构建，基于三个理念：

原则	如何运作
从信任开始	每一轮以"A"开始——可能性先于确定性，匠心先于便利
清晰的管辖权	成文宪法，九层权威。用户意图优先于陈旧指令。验证优先于自信。
递归改进	V4 参与了框架的编写。框架改进 → V4 更高效 → 进一步改进框架。每轮从更强的位置开始。

开源、终端原生，并以 codewhale / codewhale-tui 这一组 Rust 二进制发布。

框架如何工作

智能体模型面临大规模的冲突信息：用户意图、项目规则、系统默认值、工具输出和陈旧记忆在单轮对话中争夺权威。LLM 作为裁判需要管辖权——当它们冲突时，哪个来源胜出？

CodeWhale 用一部宪法（prompts/base.md）来回答这个问题。它是一个形式化的法律层级——第七条将九个来源从宪法本身的条款排到前序会话的交接记录。用户当前消息优先于陈旧的项目指令。实时工具输出优先于假设。验证优先于自信。模型每轮继承清晰的权威链，永远不需要猜测该服从哪条指令。

七条条款位于层级之上，定义模型的身份、职责和能动性：验证强制（第五条——每个行动留下证据，绝不凭信念宣告成功）、协作遗产（第六条——让工作区对下一位智能体保持可读）、以及真相优先条款（第二条——任何下级规则不得覆盖它）。

DeepSeek V4 的前缀缓存使其可行。宪法篇幅长且详细，但一旦缓存，每轮成本约为冷读取的百分之一。模型递归引用它——通过 RLM 会话窥视、扫描和查询——按需重访信息，而非依赖单次记忆读取。它的表现更像是开卷考试而非闭卷考试。

因为权威结构是显式的，失败不会被隐藏。非零退出码、两次轮次间来自 rust-analyzer 的类型错误、沙箱拒绝——这些被作为修正向量反馈。模型用自己的漂移进行自我校正。

三种模式控制行动空间。Plan 只读。Agent 对破坏性操作设审批门控。YOLO 在可信工作区自动批准。macOS Seatbelt 是主动执行的沙箱；Linux Landlock 可检测但未执行；Windows 沙箱尚未开放。

Fin——关闭思考的廉价 Flash 调用——每轮处理模型自动路由。--model auto 是默认值。

每轮记录 side-git 快照，在仓库 .git 之外。/restore 和 revert_turn 即刻回滚工作区。

子智能体并发运行（最多 20 个）。agent_open 立即返回；结果以内联完成哨兵形式到达，携带摘要。完整对话记录通过 agent_eval 的有界句柄保存。详见 docs/SUBAGENTS.md。

其余功能面：每次编辑后的 LSP 诊断（rust-analyzer、pyright、typescript-language-server、gopls、clangd、jdtls、vue-language-server）、RLM 会话批量分析、MCP 协议、HTTP/SSE 运行时 API、持久化任务队列、Zed 的 ACP 适配器、SWE-bench 导出、以及带缓存命中/未命中明细的实时成本追踪。

运行框架

codewhale（调度器 CLI）→ codewhale-tui（伴随二进制）→ ratatui 界面 ↔ 异步引擎 ↔ OpenAI 兼容流式客户端。工具调用通过类型化注册表（shell、文件操作、git、web、子智能体、MCP、RLM）路由，结果流式返回对话记录。引擎管理会话状态、轮次追踪、持久化任务队列和 LSP 子系统——它在下一步推理前将编辑后诊断反馈到模型上下文中。

详见 docs/ARCHITECTURE.md。

子智能体：并发后台执行

codewhale 可以同时调度多个子智能体并行运行——类似于并发任务队列：

非阻塞启动。 agent_open 立即返回。子智能体获得独立的上下文和工具注册表，独立运行。父进程继续工作。
后台执行。 子智能体并发运行（默认上限 10，可配置至 20）。引擎管理线程池——无需轮询循环。
完成通知。 子智能体完成后，运行时向父对话注入 <codewhale:subagent.done> 哨兵。人类可读的摘要（包含子智能体的发现、变更文件和风险）位于哨兵的紧前一行。父模型读取该摘要并整合结果，无需额外工具调用。
按需读取结果。 完整子对话记录通过 agent_eval 获取的 transcript_handle 暂存。摘要不够时，父进程通过 handle_read 按切片、行范围或 JSONPath 投影读取——保持父上下文精简而不丢失细节。

详见 docs/SUBAGENTS.md。

快速开始

npm install -g codewhale
codewhale --version
codewhale --model auto

预构建二进制对和平台压缩包覆盖 Linux x64、Linux ARM64（v0.8.8 起）、macOS x64、macOS ARM64 和 Windows x64。其他目标平台（musl、riscv64、FreeBSD 等）请见下方的从源码安装或 docs/INSTALL.md。

首次启动时会提示输入 DeepSeek API key。密钥保存到 ~/.codewhale/config.toml（同时兼容旧版 ~/.deepseek/config.toml），在任意目录、IDE 终端和脚本中都能使用，不会触发系统密钥环弹窗。

也可以提前配置：

codewhale auth set --provider deepseek   # 保存到 ~/.codewhale/config.toml

codewhale auth status                    # 显示当前活跃的凭证来源
export DEEPSEEK_API_KEY="YOUR_KEY"      # 环境变量方式；需要在非交互式 shell 中使用请放入 ~/.zshenv
codewhale

codewhale doctor                          # 验证安装

轮换或移除密钥：codewhale auth clear --provider deepseek。

腾讯云 / CNB 远程优先路径

如果你想要一个长期在线、可从手机控制的工作区，推荐使用腾讯云原生路径： CNB 镜像/源码，腾讯云 Lighthouse 香港实例，飞书/Lark 长连接桥接，以及可选的 EdgeOne 公网 HTTPS 边缘。运行时 API 必须绑定在 localhost；不要通过 EdgeOne 暴露 /v1/*。

先看 docs/TENCENT_CLOUD_REMOTE_FIRST.md，再按 docs/TENCENT_LIGHTHOUSE_HK.md 配置服务器。

Auto 模式

使用 codewhale --model auto 或 /model auto 让 codewhale 自行决定每轮需要多少模型和推理能力。

Auto 模式同时控制两个设置：

模型：deepseek-v4-flash 或 deepseek-v4-pro
推理强度：off、high 或 max

在真实请求发出之前，应用会先用关闭推理的 deepseek-v4-flash 进行一次小型路由调用。路由器审视最新请求和最近的上下文，然后为真实请求选定具体的模型和推理强度。简短/简单的轮次保持在 Flash + 关闭推理；编码、调试、发布、架构、安全审查或模糊的多步骤任务可升级到 Pro 和/或更高推理强度。

auto 是 codewhale 本地行为。上游 API 永远不会收到 model: "auto"，它只会收到为当前轮次选定的具体模型和推理强度设置。TUI 会显示选定的路由，成本跟踪按实际运行的模型计费。如果路由调用失败或返回无效答案，应用会回退到本地启发式规则。子智能体会继承 auto 模式，除非你为它们指定了显式模型。

需要可重复基准测试、严格控制成本上限或特定提供商/模型映射时，请使用固定模型或固定推理强度。

Linux ARM64（HarmonyOS 轻薄本、openEuler、Kylin、树莓派、Graviton 等）

从 v0.8.8 起，npm i -g codewhale 直接支持 glibc 系的 ARM64 Linux。你也可以从 Releases 页面下载预编译二进制，放到 PATH 目录中。

中国大陆 / 镜像友好安装

如果在中国大陆访问 GitHub 或 npm 下载较慢，可以通过 Cargo 注册表镜像安装：

# ~/.cargo/config.toml
[source.crates-io]
replace-with = "tuna"

[source.tuna]
registry = "sparse+https://mirrors.tuna.tsinghua.edu.cn/crates.io-index/"

然后安装两个二进制（调度器在运行时会调用 TUI）：

cargo install codewhale-cli --locked   # 提供推荐入口 `codewhale`
cargo install codewhale-tui     --locked   # 提供交互式 TUI 伴随二进制
codewhale --version

也可以直接从 GitHub Releases 下载预编译二进制。DEEPSEEK_TUI_RELEASE_BASE_URL 可用于镜像后的 release 资产。

Windows (Scoop)

Scoop 是一个 Windows 软件包管理器。codewhale 已进入 Scoop main bucket，但该 manifest 独立更新，可能滞后于 GitHub/npm/Cargo release。先运行 scoop update，安装后用 codewhale --version 核对版本：

scoop update
scoop install codewhale
codewhale --version

如果需要最新版本，请优先使用 npm 或直接下载 GitHub Release 资产。

从源码安装

适用于任何 Tier-1 Rust 目标，包括 musl、riscv64、FreeBSD 以及尚无预编译包的 ARM64 发行版。

# Linux 构建依赖（Debian/Ubuntu/RHEL）：
#   sudo apt-get install -y build-essential pkg-config libdbus-1-dev
#   sudo dnf install -y gcc make pkgconf-pkg-config dbus-devel

git clone https://github.com/Hmbown/CodeWhale.git
cd CodeWhale

cargo install --path crates/cli --locked   # 需要 Rust 1.88+；提供 `codewhale`
cargo install --path crates/tui --locked   # 提供 `codewhale-tui`

两个二进制都需要安装。交叉编译和平台特定说明见 docs/INSTALL.md。

其他模型提供方

# NVIDIA NIM
codewhale auth set --provider nvidia-nim --api-key "YOUR_NVIDIA_API_KEY"
codewhale --provider nvidia-nim

# AtlasCloud
codewhale auth set --provider atlascloud --api-key "YOUR_ATLASCLOUD_API_KEY"
codewhale --provider atlascloud

# Wanjie Ark
codewhale auth set --provider wanjie-ark --api-key "YOUR_WANJIE_API_KEY"
codewhale --provider wanjie-ark --model deepseek-reasoner

# OpenRouter
codewhale auth set --provider openrouter --api-key "YOUR_OPENROUTER_API_KEY"
codewhale --provider openrouter --model deepseek/deepseek-v4-pro
codewhale --provider openrouter --model arcee-ai/trinity-large-thinking
codewhale --provider openrouter --model qwen/qwen3.7-max

# Xiaomi MiMo
codewhale auth set --provider xiaomi-mimo --api-key "YOUR_XIAOMI_MIMO_API_KEY"
codewhale --provider xiaomi-mimo --model mimo-v2.5-pro

# Novita
codewhale auth set --provider novita --api-key "YOUR_NOVITA_API_KEY"
codewhale --provider novita --model deepseek/deepseek-v4-pro

# Fireworks
codewhale auth set --provider fireworks --api-key "YOUR_FIREWORKS_API_KEY"
codewhale --provider fireworks --model deepseek-v4-pro

# SiliconFlow
codewhale auth set --provider siliconflow --api-key "YOUR_SILICONFLOW_API_KEY"
codewhale --provider siliconflow --model deepseek-ai/DeepSeek-V4-Pro

# 通用 OpenAI 兼容端点
codewhale auth set --provider openai --api-key "YOUR_OPENAI_COMPATIBLE_API_KEY"
OPENAI_BASE_URL="https://openai-compatible.example/v4" codewhale --provider openai --model glm-5

# 自托管 SGLang
SGLANG_BASE_URL="http://localhost:30000/v1" codewhale --provider sglang --model deepseek-v4-flash

# 自托管 vLLM
VLLM_BASE_URL="http://localhost:8000/v1" codewhale --provider vllm --model deepseek-v4-flash

# 自托管 Ollama
ollama pull codewhale-coder:1.3b
codewhale --provider ollama --model codewhale-coder:1.3b

在 TUI 内，/provider 打开提供方选择器，/model 打开本地模型/思考模式选择器。/provider openrouter 和 /model <id> 可直接切换；/models 会在当前提供方支持模型列表时显式请求并列出 API 返回的实时模型。

版本说明

每个版本的具体变更见 CHANGELOG.md。README 只保留当前安装方式、核心工作流、模型提供方配置、运行时接口和扩展入口。

使用方式

codewhale                                       # 交互式 TUI
codewhale "explain this function"              # 一次性提示
codewhale exec --auto --output-format stream-json "fix this bug" # 面向后端集成的 NDJSON 流
codewhale exec --resume <SESSION_ID> "follow up" # 继续非交互会话
codewhale --model deepseek-v4-flash "summarize" # 指定模型
codewhale --model auto "fix this bug"          # 自动选择模型 + 推理强度
codewhale --yolo                                # 自动批准工具
codewhale auth set --provider deepseek         # 保存 API key
codewhale doctor                                # 检查配置和连接
codewhale doctor --json                         # 机器可读诊断
codewhale setup --status                        # 只读安装状态
codewhale setup --tools --plugins               # 创建本地工具和插件目录
codewhale models                                # 列出可用 API 模型
codewhale sessions                              # 列出已保存会话
codewhale resume --last                         # 恢复最近会话
codewhale resume <SESSION_ID>                   # 按 UUID 恢复指定会话
codewhale fork <SESSION_ID>                     # 将已保存会话分叉为兄弟路径
codewhale serve --http                          # HTTP/SSE API 服务
codewhale serve --mobile                        # 局域网移动端控制页，默认启用 token 保护
codewhale serve --acp                           # Zed/自定义智能体的 ACP stdio 适配器
codewhale run pr <N>                            # 获取 PR 并预填审查提示
codewhale mcp list                              # 列出已配置 MCP 服务器
codewhale mcp validate                          # 校验 MCP 配置和连接
codewhale mcp-server                            # 启动 dispatcher MCP stdio 服务器
codewhale update                                # 检查并应用二进制更新

Docker 镜像发布在 GHCR 上：

docker volume create codewhale-home

docker run --rm -it \
  -e DEEPSEEK_API_KEY="$DEEPSEEK_API_KEY" \
  -v codewhale-home:/home/codewhale/.codewhale \
  -v "$PWD:/workspace" \
  -w /workspace \
  ghcr.io/hmbown/codewhale:latest

固定 tag、本地构建、volume 权限和非交互管道用法见 docs/DOCKER.md。

Zed / ACP

DeepSeek 可作为自定义 Agent Client Protocol 服务器运行，供 Zed 等编辑器通过 stdio 调用本地 ACP 智能体。在 Zed 中添加自定义智能体服务器：

{
  "agent_servers": {
    "DeepSeek": {
      "type": "custom",
      "command": "codewhale",
      "args": ["serve", "--acp"],
      "env": {}
    }
  }
}

首个 ACP 切片支持通过现有 DeepSeek 配置/API 密钥创建新会话和提示响应。工具支持的编辑和检查点回放尚未通过 ACP 暴露。

常用快捷键

按键	功能
`Tab`	补全 `/` 或 `@`；运行中则把草稿排队；否则切换模式
`Shift+Tab`	切换推理强度：off → high → max
`F1`	可搜索帮助面板
`Esc`	返回 / 关闭
`Ctrl+K`	命令面板
`Ctrl+R`	恢复旧会话
`Alt+R`	搜索提示历史和恢复草稿
`Ctrl+S`	暂存当前草稿（`/stash list`、`/stash pop` 恢复）
`@path`	在输入框中附加文件或目录上下文
`↑`（在输入框开头）	选择附件行进行移除

完整快捷键目录：docs/KEYBINDINGS.md。

模式

模式	行为
Plan 🔍	只读调查；模型先探索并提出计划（`update_plan` + `checklist_write`），然后再做更改
Agent 🤖	默认交互模式；多步工具调用带审批门禁
YOLO ⚡	在可信工作区自动批准工具；仍会维护计划和清单以保持可见性

配置

用户配置：~/.codewhale/config.toml（兼容旧版 ~/.deepseek/config.toml）。项目覆盖：<workspace>/.codewhale/config.toml（兼容 <workspace>/.deepseek/config.toml）（以下密钥被拒绝：api_key、base_url、provider、mcp_config_path）。完整选项见 config.example.toml。

常用环境变量：

变量	用途
`DEEPSEEK_API_KEY`	DeepSeek API key
`DEEPSEEK_BASE_URL`	API base URL
`DEEPSEEK_HTTP_HEADERS`	可选模型请求头，例如 `X-Model-Provider-Id=your-model-provider`
`DEEPSEEK_MODEL`	默认模型
`DEEPSEEK_STREAM_IDLE_TIMEOUT_SECS`	流式响应空闲超时秒数，默认 `300`，限制在 `1..=3600`
`CODEWHALE_PROVIDER` / `DEEPSEEK_PROVIDER`	`deepseek`（默认）、`nvidia-nim`、`openai`、`atlascloud`、`wanjie-ark`、`openrouter`、`xiaomi-mimo`、`novita`、`fireworks`、`siliconflow`、`moonshot`、`sglang`、`vllm`、`ollama`
`DEEPSEEK_PROFILE`	配置 profile 名称
`DEEPSEEK_MEMORY`	设为 `on` 启用用户记忆
`DEEPSEEK_ALLOW_INSECURE_HTTP=1`	在可信网络上允许非本机 `http://` API base URL
`NVIDIA_API_KEY` / `OPENAI_API_KEY` / `ATLASCLOUD_API_KEY` / `WANJIE_ARK_API_KEY` / `OPENROUTER_API_KEY` / `XIAOMI_MIMO_API_KEY` / `MIMO_API_KEY` / `NOVITA_API_KEY` / `FIREWORKS_API_KEY` / `SILICONFLOW_API_KEY` / `MOONSHOT_API_KEY` / `KIMI_API_KEY` / `SGLANG_API_KEY` / `VLLM_API_KEY` / `OLLAMA_API_KEY`	提供商认证
`OPENAI_BASE_URL` / `OPENAI_MODEL`	通用 OpenAI 兼容端点和模型 ID
`ATLASCLOUD_BASE_URL` / `ATLASCLOUD_MODEL`	AtlasCloud 端点和模型覆盖
`WANJIE_ARK_BASE_URL` / `WANJIE_ARK_MODEL`	Wanjie Ark 端点和模型覆盖
`OPENROUTER_BASE_URL`	OpenRouter 端点覆盖
`XIAOMI_MIMO_BASE_URL` / `MIMO_BASE_URL` / `XIAOMI_MIMO_MODEL` / `MIMO_MODEL`	Xiaomi MiMo 端点和模型覆盖
`NOVITA_BASE_URL`	Novita 端点覆盖
`FIREWORKS_BASE_URL`	Fireworks 端点覆盖
`SILICONFLOW_BASE_URL` / `SILICONFLOW_MODEL`	SiliconFlow 端点和模型覆盖
`SGLANG_BASE_URL`	自托管 SGLang 端点
`SGLANG_MODEL`	自托管 SGLang 模型 ID
`VLLM_BASE_URL`	自托管 vLLM 端点
`VLLM_MODEL`	自托管 vLLM 模型 ID
`OLLAMA_BASE_URL`	自托管 Ollama 端点
`OLLAMA_MODEL`	自托管 Ollama 模型标签
`NO_ANIMATIONS=1`	启动时强制无障碍模式
`SSL_CERT_FILE`	企业代理的自定义 CA 包

locale 会控制界面语言，并作为模型自然语言的兜底设置；最新用户消息的语言优先级更高。也就是说，即使系统 locale 是英文，用户用中文提问时，V4 的 reasoning_content 和最终回复也应该使用中文。可在 config.toml 中设置 locale、使用 /config locale zh-Hans、或依赖 LC_ALL/LANG。详见 docs/LOCALIZATION.md 和 docs/CONFIGURATION.md。

切换为中文界面

如果界面是其他语言，可以在 TUI 内一键切换为简体中文：

在 Composer 里输入 /config，按 Tab 或 Enter 打开配置面板。
选择 Edit locale，在 New: 字段输入 zh-Hans，按 Enter 应用。

可选语言：auto | en | ja | zh-Hans | pt-BR。

也可以在 ~/.codewhale/config.toml 里直接设置 locale = "zh-Hans"，或通过 LC_ALL / LANG 环境变量自动选择：

# ~/.codewhale/config.toml
[tui]
locale = "zh-Hans"

或者通过环境变量（中文系统通常已自动生效）：

LANG=zh_CN.UTF-8 codewhale run

模型和价格

模型	上下文	输入（缓存命中）	输入（缓存未命中）	输出
`deepseek-v4-pro`	1M	$0.003625 / 1M	$0.435 / 1M	$0.87 / 1M
`deepseek-v4-flash`	1M	$0.0028 / 1M	$0.14 / 1M	$0.28 / 1M

旧别名 deepseek-chat / deepseek-reasoner 映射到 deepseek-v4-flash。NVIDIA NIM 变体使用你的 NVIDIA 账号条款。

Note

上表的 V4 Pro 单价现已成为官方长期价格：DeepSeek 已宣布在 75% 限时折扣窗口于 2026 年 5 月 31 日 23:59（北京时间） 结束后，正式将原始价格调整为约四分之一。TUI 的成本估算已使用这些数值，因此无需任何代码改动。后续价格变动请参阅官方 DeepSeek 定价页面。

创建和安装技能

codewhale 从工作区目录（.agents/skills → skills → .opencode/skills → .claude/skills）和全局 ~/.codewhale/skills（兼容旧版 ~/.deepseek/skills）发现技能。每个技能是一个包含 SKILL.md 的目录：

~/.codewhale/skills/my-skill/
└── SKILL.md

需要 YAML frontmatter：

---
name: my-skill
description: 当 DeepSeek 需要遵循我的自定义工作流时使用这个技能。
---

# My Skill
这里写给智能体的指令。

常用命令：/skills（列出）、/skill <name>（激活）、/skill new（创建）、/skill install github:<owner>/<repo>（社区）、/skill update / uninstall / trust。社区技能直接从 GitHub 安装，无需后端服务。已安装技能在模型可见的会话上下文里列出；当任务匹配技能描述时，智能体可通过 load_skill 工具自动读取对应的 SKILL.md。

文档

文档	主题
ARCHITECTURE.md	代码库内部结构
CONFIGURATION.md	完整配置参考
MODES.md	Plan / Agent / YOLO 模式
MCP.md	Model Context Protocol 集成
RUNTIME_API.md	HTTP/SSE API 服务和移动端控制页
INSTALL.md	各平台安装指南
DOCKER.md	GHCR 镜像、volume 和 Docker 用法
CNB_MIRROR.md	CNB 镜像和中国大陆友好安装说明
TENCENT_CLOUD_REMOTE_FIRST.md	腾讯云/CNB/Lighthouse/飞书远程优先路径
TENCENT_LIGHTHOUSE_HK.md	腾讯云 Lighthouse 香港实例配置
MEMORY.md	用户记忆功能指南
SUBAGENTS.md	子智能体角色分类与生命周期
KEYBINDINGS.md	完整快捷键目录
RELEASE_RUNBOOK.md	发布流程
LOCALIZATION.md	UI 语言矩阵与切换
OPERATIONS_RUNBOOK.md	运维和恢复

完整更新历史：CHANGELOG.md。

致谢

DeepSeek — 感谢 DeepSeek 提供模型与支持，让每一次交互成为可能。
DataWhale — 感谢 DataWhale 的支持，并欢迎我们加入“鲸兄弟”大家庭。
OpenWarp — 感谢 OpenWarp 优先支持 codewhale，并一起打磨更好的终端智能体体验。
Open Design — 感谢 Open Design 对面向设计的智能体工作流提供支持与协作。

本项目由不断壮大的贡献者社区共同打造：

merchloubna70-dot — 28 个 PR，涵盖功能、修复和 VS Code 扩展基础架构 (#645–#681)
WyxBUPT-22 — Markdown 表格、粗体/斜体和水平线渲染 (#579)
loongmiaow-pixel — Windows + 中国安装文档 (#578)
20bytes — 用户记忆文档和帮助优化 (#569)
staryxchen — glibc 兼容性预检 (#556)
Vishnu1837 — glibc 兼容性改进 (#565)
shentoumengxin — Shell cwd 边界验证 (#524)
toi500 — Windows 粘贴修复报告
xsstomy — 终端启动重绘报告
melody0709 — 斜杠前缀回车激活报告
lloydzhou 和 jeoor — 压缩成本报告；lloydzhou 还贡献了确定性的环境上下文注入 (#813, #922) 和 KV 前缀缓存稳定化 (#1080)
Agent-Skill-007 — README 清晰化改进 (#685)
woyxiang — Windows 安装文档 (#696)
wangfeng — 价格/折扣信息更新 (#692)
zichen0116 — CODE_OF_CONDUCT.md (#686)
dfwqdyl-ui — 模型 ID 大小写兼容性报告 (#729)
Oliver-ZPLiu — working... 卡死状态 Bug 报告和 Windows 剪贴板兜底修复 (#738, #850)
reidliu41 — 退出后的恢复提示、工作区信任持久化、Ollama provider 支持，以及思考块流式终结修复 (#863, #870, #921, #1078)
xieshutao — 纯 Markdown skill 兜底解析 (#869)
GK012 — npm wrapper 的 --version 兜底 (#885)
y0sif — 直接子智能体完成后唤醒父级 turn loop (#901)
mac119 和 leo119 — codewhale update 命令文档 (#838, #917)
dumbjack / 浩淼的mac — shell 命令空字节安全加固 (#706, #918)
macworkers — fork 完成后显示新 session id (#600, #919)
zero 和 zerx-lab — 通知条件配置和更完整的 OSC 9 通知正文 (#820, #920)
chnjames — @mention 补全缓存、配置恢复优化，以及 Windows UTF-8 shell 输出修复 (#849, #927, #982, #1018)
angziii — 配置安全、异步清理、Docker 加固和命令安全修复 (#822, #824, #827, #831, #833, #835, #837)
elowen53 — UTF-8 解码和确定性测试覆盖 (#825, #840)
wdw8276 — 用于自定义 session 标题的 /rename 命令 (#836)
banqii — .cursor/skills 发现路径支持 (#817)
junskyeed — API 请求动态 max_tokens 计算 (#826)
Hafeez Pizofreude — fetch_url 的 SSRF 保护和 Star History 图表
Unic (YuniqueUnic) — 基于 schema 的配置 UI（TUI + web）
Jason — SSRF 安全加固
axobase001 — 快照孤儿文件清理、npm 安装守卫、会话遥测修复、模型作用域缓存清理、符号链接技能支持，以及 npm 镜像逃生路径指引 (#975, #1032, #1047, #1049, #1052, #1019, #1051, #1056)
MengZ-super — /theme 命令基础和 SSE gzip/brotli 解压支持 (#1057, #1061)
DI-HUO-MING-YI — Plan 模式只读沙箱安全修复 (#1077)
bevis-wong — 粘贴-回车自动提交问题的精确复现 (#1073)
Duducoco 和 AlphaGogoo — 技能斜杠菜单和 /skills 覆盖范围修复 (#1068, #1083)
ArronAI007 — macOS Terminal.app 和 ConHost 窗口大小调整残留修复 (#993)
THINKER-ONLY — OpenRouter 和自定义端点模型 ID 保留 (#1066)
Jefsky — deepseek-cn 官方端点默认值 (#1079, #1084)
wlon — NVIDIA NIM provider API key 优先级诊断 (#1081)
donglovejava — paste @file 整合、CJK panic 修复、用户反馈、RLM 路由、edit_file 重试 (#2154–#2168)
encyc — session token 分解显示和 /status (#2152)
saieswar237 — 审查流程文档 (#2178)
sximelon — paste Enter 抑制、键盘处理提取 (#2174, #2042)
nanookclaw — search provider 显示在 doctor (#2135)
Sskift — CLI 默认环境变量覆盖防止 (#2119)
xin1104 — Homebrew codewhale 二进制安装 (#2105)
mrluanma — Metaso 搜索提供商 (#2059)
Lellansin — 主目录下跳过配置合并 (#2055)
zhuangbiaowei — 更新发布渠道 (#2145)

贡献

欢迎提交 pull request——请先查看 CONTRIBUTING.md 并留意开放 issue 中的好入门任务。

本项目与 DeepSeek Inc. 无隶属关系。

许可证

MIT

32 KiB Raw Blame History Unescape Escape