1. 为什么要在 Windows 上折腾 DeepCode 论文反推代码DeepCode 是港大数据智能实验室开源的一个工具核心能力是你丢一篇论文 PDF 进去它自动读论文、抽方法、生成可运行的代码骨架甚至帮你把实验脚本搭起来。对做科研复现、快速验证 idea 的人来说这比手动一行行抄公式再翻译成 PyTorch 省太多时间。它适合谁适合正在读研、做算法工程、需要快速把论文变成可跑代码的人也适合想体验 Agent 工作流的开发者。但 Windows 上跑它有几个现实门槛Python 版本要够、Node.js 要装因为 MCP 搜索服务器依赖它、Streamlit 要能起、最麻烦的是模型 API 通道要配通。很多人卡在配置文件那一步mcp_agent.secrets.yaml和mcp_agent.config.yaml两个文件改来改去endpoint 写错一个字符就报 401 或连接超时。这篇教程的思路是用 TaoToken 的统一 Key 和统一 API 通道把 DeepCode 里所有模型调用收敛到一个入口你只需要维护一份 Key不用在 OpenAI、Anthropic、Google 之间来回切换配置。我试过在 Windows 11 PowerShell 环境下从零搭一遍踩过的坑集中在三处虚拟环境激活策略、MCP 服务器路径斜杠、以及llm_provider和default_model没对齐。下面按可复制的步骤走每一步都给命令和配置骨架。2. TaoToken 前置统一 Key 与 API 通道准备TaoToken 在这里扮演的角色是「统一模型网关」。DeepCode 本身支持多家 provider但每家都要单独申请 Key、单独配 base_url切换模型时改配置很烦。TaoToken 提供一个兼容 OpenAI 协议的 API 入口你拿一个 Key就能在 DeepCode 里调用不同模型base_url 统一指向https://taotoken.net/api。你需要先做两件事第一注册并拿到 API Key。访问官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 完成账号注册然后进入控制台创建 Key。控制台地址是 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 在 API Keys 页面点新建复制那串sk-开头的字符串先存到记事本里后面要填进配置文件。第二确认你要用哪个模型。DeepCode 的论文反推对模型推理能力要求较高建议选长上下文、代码能力强的模型。你可以在模型对话页面先试一下通道是否通https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite 随便发一句「用 Python 写一个快速排序」能正常返回就说明 Key 和通道没问题。注意TaoToken 的 API 入口是https://taotoken.net/api这个地址不加任何 UTM 参数直接写进配置文件即可。官网和控制台的链接才带 UTM别搞混。如果你打算长期用 DeepCode 做论文复现、跑 Agent 任务可以顺带看一下 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewrite 它适合高频编码场景额度模型和按量付费不一样按自己用量选。3. Windows 环境搭建与可复制配置3.1 Python、Node.js、Git 三件套检查打开 PowerShell建议管理员身份逐条执行python --version pip --version node -v npm -v git --versionPython 要求 3.10 以上官方推荐 3.133.11/3.12 实测也能跑。Node.js 是给 MCP 的 Brave Search 和 filesystem 服务器用的不装的话搜索类工具会报command not found。Git 用于克隆源码。如果 Python 没装去 python.org 下 3.12 的 Windows installer安装时勾选「Add Python to PATH」。Node.js 去 nodejs.org 下 LTS 版一路下一步即可。3.2 拉源码与虚拟环境cd /d D:\ git clone https://github.com/HKUDS/DeepCode.git cd /d D:\DeepCode python -m venv .venv .venv\Scripts\Activate.ps1如果激活时报「无法加载脚本因为在此系统上禁止运行脚本」执行Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser按 Y 确认再重新激活。激活成功后提示符前面会出现(.venv)。3.3 安装依赖pip install --upgrade pip pip install -r requirements.txt这一步会拉 Streamlit、mcp-agent 等包网络慢的话可以加国内镜像pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple3.4 配置文件骨架secrets 与 configDeepCode 根目录下需要两个文件mcp_agent.secrets.yaml和mcp_agent.config.yaml。如果仓库里没有从模板复制copy mcp_agent.secrets.yaml.example mcp_agent.secrets.yaml copy mcp_agent.config.yaml.example mcp_agent.config.yaml没有 example 的话直接新建。mcp_agent.secrets.yaml填 Key骨架如下openai: api_key: sk-你的TaoTokenKey base_url: https://taotoken.net/api anthropic: api_key: google: api_key: 三个 provider 只填一个就行。用 TaoToken 统一通道时填在openai段base_url指向 TaoToken 的 API 入口。mcp_agent.config.yaml关键改动llm_provider: openai openai: default_model: gpt-4o base_url: https://taotoken.net/apillm_provider必须和上面填 Key 的段名一致default_model写你在 TaoToken 通道里能调用的模型名。模型名不确定的话用 curl 列一下curl -s -H Authorization: Bearer sk-你的TaoTokenKey https://taotoken.net/api/models返回的 JSON 里data数组的id字段就是可用模型名。3.5 MCP ServersNode路径配置如果你要用 Brave Search 或 filesystem 工具先装全局包npm i -g modelcontextprotocol/server-brave-search npm i -g modelcontextprotocol/server-filesystem npm root -gnpm root -g会输出类似C:\Users\你的用户名\AppData\Roaming\npm\node_modules的路径。把它拼进mcp_agent.config.yaml的mcp.servers段mcp: servers: brave: command: node args: [C:/Users/你的用户名/AppData/Roaming/npm/node_modules/modelcontextprotocol/server-brave-search/dist/index.js] filesystem: command: node args: [C:/Users/你的用户名/AppData/Roaming/npm/node_modules/modelcontextprotocol/server-filesystem/dist/index.js, .]路径用正斜杠/或双反斜杠\\别用单反斜杠YAML 里单反斜杠是转义字符会解析失败。4. 启动 Streamlit 并验证论文反推配置改完后在激活的虚拟环境里启动cd /d D:\DeepCode streamlit run ui/streamlit_app.py终端出现You can now view your Streamlit app in your browser和http://localhost:8501就说明起来了。浏览器打开这个地址你会看到 DeepCode 的 Web 界面。验证动作在界面上传一篇论文 PDF建议先用 5 页以内的短文试在输入框里写清楚任务比如「请阅读这篇论文提取核心方法用 PyTorch 实现模型结构并给出训练脚本骨架」。点提交后界面会显示 Agent 的思考过程和工具调用日志。成功的结果长这样Agent 先调用 PDF 解析工具读取内容然后调用搜索工具补充背景最后生成代码文件。你会在输出区看到完整的 Python 代码块包含import torch、模型类定义、forward方法。如果代码能直接复制到本地跑通说明整条链路通了。提示第一次跑建议把default_model设成推理能力强的模型生成质量差别很明显。模型对话页面可以先对比几个模型的表现https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite5. 本篇常见报错排查报错一openai.AuthenticationError: 401Key 填错或 base_url 写成了https://taotoken.net/api/末尾多斜杠。检查mcp_agent.secrets.yaml里api_key是否完整base_url是否精确为https://taotoken.net/api。改完保存重启 Streamlit。报错二ModuleNotFoundError: No module named mcp_agent依赖没装全或者虚拟环境没激活。确认提示符前有(.venv)然后重跑pip install -r requirements.txt。报错三llm_provider openai not foundmcp_agent.config.yaml里llm_provider的值和 secrets 里的段名不一致。比如 secrets 里写的是openaiconfig 里写成了OpenAI大小写敏感改成一致。报错四MCP 服务器启动失败Cannot find modulenpm root -g输出的路径没拼对或者用户名写错了。重新执行npm root -g把完整路径复制进args注意斜杠方向。报错五Streamlit 端口被占用换端口启动streamlit run ui/streamlit_app.py --server.port 8502。报错六PDF 上传后无响应模型上下文不够或 PDF 太大。换长上下文模型或者先用小论文测试。也可以在模型对话页面单独测一下模型是否能处理长文本。6. 后续接入与 Key 管理整条链路跑通后你日常只需要维护一份 TaoToken Key。换模型时改default_model一个字段不用动 base_url也不用重新申请别家 Key。如果要做更复杂的 Agent 编码任务比如让 DeepCode 自动迭代代码、跑测试、修 bug可以看 Coding Plan 的额度方案https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewriteKey 的管理和轮换在控制台完成https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite 建议给 DeepCode 单独建一个 Key方便按项目统计用量。接入文档里有完整的参数说明和兼容性列表https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite如果你用 Claude Code 做编码TaoToken 也支持 Anthropic 协议接入配置方式在文档里有专门章节https://taotoken.net/claude-code?utm_sourcetaotoken_aicg_blog_endutm_contentclaude_codeutm_campaignrewrite最后给一个实用技巧把mcp_agent.secrets.yaml和mcp_agent.config.yaml加入.gitignore别把 Key 提交到仓库。改配置前先备份一份改坏了能快速回滚。Streamlit 启动后如果界面卡住先看终端日志90% 的问题在日志里都有明确报错行。