LLM Space开源生态：贡献代码与插件开发入门指南-平芜编程栈

LLM Space开源生态：贡献代码与插件开发入门指南

【免费下载链接】llm-spaceA desktop app to prototype agent ideas, inspect every harness step, replay failures, and evaluate performance, all in one place. Local-first.项目地址: https://gitcode.com/gh_mirrors/ll/llm-space

LLM Space是一款面向AI智能体开发者的桌面工作台，让你能够在本地环境中快速构建、调试和评估AI智能体。这款开源项目为开发者提供了完整的代码贡献和插件开发生态，让每个人都能参与其中，共同打造更强大的智能体开发工具。无论你是想修复bug、添加新功能，还是创建自定义工具插件，LLM Space的开源架构都为你铺平了道路。

🚀 为什么选择LLM Space开源生态？

LLM Space不仅仅是一个桌面应用，更是一个完整的开源生态系统。作为DeerFlow的姊妹项目，它已经经历了四个主要版本的迭代，积累了丰富的开发经验和稳定的架构设计。参与LLM Space的开源贡献，你将获得：

直接参与AI智能体工具开发：接触最前沿的智能体开发工具链
学习现代桌面应用架构：深入了解Electrobun、Bun、React等现代技术栈
贡献真实可用的功能：你的代码将被全球开发者使用
加入活跃的开发者社区：与核心团队和其他贡献者交流学习

📁 项目架构概览

LLM Space采用Bun monorepo架构，主要分为两个核心部分：

packages/ core/ # 共享逻辑：类型定义、智能体循环、线程存储 apps/ desktop/ # 桌面应用（Electrobun外壳 + React UI）

核心包（@llm-space/core）包含浏览器安全的客户端代码（./client、./thread、./types）和Node/Bun专用的服务端实现（./server）。桌面应用的Bun进程使用@llm-space/core/server，而渲染器则通过RPC与Bun进程通信。

🛠️ 开发环境搭建

准备工作

首先需要克隆仓库并安装必要的工具链：

# 克隆项目 git clone https://gitcode.com/gh_mirrors/ll/llm-space cd llm-space # 安装Bun（JavaScript运行时和包管理器） # 按照官方指南安装Bun：https://bun.com/docs/installation

安装依赖

LLM Space使用mise作为任务管理前端，Bun作为包管理器和JS运行时：

# 使用mise安装锁定的工具链和JS依赖（推荐） mise run setup # 或者直接使用Bun安装依赖 bun install

运行开发环境

启动桌面应用的开发服务器：

mise run dev

这会启动Vite HMR服务器（端口5173）和Electrobun开发环境。如果要使用CEF/CDP进行调试，可以运行：

mise run dev:cef

这将暴露CDP调试端口9333，方便进行深入的渲染器调试。

🔧 代码贡献流程

理解代码规范

在开始贡献之前，请熟悉项目的代码规范：

文件命名：所有.ts/.tsx文件使用kebab-case（如tool-call-list-item.tsx）
标识符命名：
- React组件、类、类型、接口使用PascalCase
- 函数、变量、钩子使用camelCase
- 模块级常量使用UPPER_SNAKE_CASE
私有成员：使用前导下划线（_foo()、_config）

主要开发区域

根据你的贡献目标，可以关注以下关键模块：

智能体核心逻辑：packages/core/src/server/agent/stream.ts - 智能体流式处理的核心实现
RPC桥接层：apps/desktop/src/shared/rpc.ts - 定义Bun进程和渲染器之间的通信协议
工具注册系统：apps/desktop/src/bun/tools/tool-registry.ts - 工具贡献点的实现
线程存储管理：packages/core/src/server/storage/index.ts - 本地文件系统存储逻辑

提交Pull Request

目前LLM Space只接受DeerFlow核心团队成员的PR。但是，所有人都可以通过提交Issue来帮助改进项目——bug报告、功能建议和反馈都能让项目变得更好。

🔌 插件开发指南

工具插件系统

LLM Space提供了一个稳定的工具贡献点（ToolContribution），通过ToolRegistry注册。虽然这不是一个完整的公开插件SDK，但你可以通过以下方式扩展功能：

创建自定义工具

要添加新的内置工具，你需要：

实现ToolContribution接口：

export interface ToolContribution { readonly id: string; readonly name: string; readonly tools: ToolDefinition[]; }

在启动时注册：在DesktopHost生命周期边界内同步注册工具
定义工具描述和参数模式：使用JSON Schema描述工具参数

MCP服务器集成

LLM Space支持通过MCP（Model Context Protocol）服务器集成外部工具：

要添加MCP服务器支持，你需要：

在设置界面配置MCP服务器连接
服务器提供的工具将自动暴露给模型
工具执行由对应的MCP服务器处理

🧪 测试与验证

代码质量检查

在提交代码前，确保通过所有质量检查：

# 运行代码检查 mise run lint # 自动修复可修复的问题 mise run lint:fix # 类型检查 mise run typecheck

构建验证

验证生产构建是否正常：

# 构建canary版本 mise run build:canary # 构建稳定版本 mise run build:stable

本地打包测试

测试不同环境的打包：

# 本地打包（跳过签名） mise run pack # 性能版打包（嵌入CEF） mise run pack:perf # 临时签名打包 mise run pack:adhoc # 创建本地更新源 mise run pack:feed

📦 发布流程

版本管理

LLM Space的版本号有单一来源：apps/desktop/package.json。electrobun.config.ts会导入这个版本号，如果推送的标签不匹配，CI会失败。

发布新版本

# 发布稳定版 mise run release # 发布canary版 mise run release:canary

发布脚本会自动：

运行commit-and-tag-version（基于conventional commits的版本更新）
创建提交和v*标签
推送更改

更新日志

项目的CHANGELOG.md是手动维护的（遵循Keep a Changelog格式）。在发布稳定版本前，需要手动添加## [x.y.z]部分。CI会从该版本对应的CHANGELOG.md部分提取内容生成GitHub发布说明。

🎯 性能优化建议

LLM Space的UI会流式处理事件并重新渲染热列表（消息、工具调用），因此需要特别注意渲染性能：

使用React.memo：对频繁重新渲染或位于列表中的组件使用memo()包装
稳定的props：使用useMemo/useCallback稳定props
细粒度状态选择：通过useThreadStore(selector)读取store的窄切片
避免不必要的memo：不要在廉价、很少渲染的组件上滥用memo()

🐛 调试技巧

渲染器调试

使用CEF/CDP调试真实的桌面渲染器：

# 启动带CDP调试的开发环境 mise run dev:cef

这会在127.0.0.1:9333暴露Chrome DevTools Protocol端口，你可以使用Chrome DevTools进行调试。

运行时沙盒

当需要隔离的应用数据根目录时，可以将运行时沙盒数据放在系统临时目录：

TMP_ROOT="$(mktemp -d "${TMPDIR:-/tmp}/llm-space-XXXXXX")" LLM_SPACE_HOME="$TMP_ROOT" mise run dev:cef

日志和追踪

LLM Space会在~/.llm-space/traces/目录下保存追踪和调试工作台数据，这对于诊断复杂问题非常有帮助。

🌟 成为核心贡献者

虽然目前只有DeerFlow核心团队成员可以直接合并PR，但通过以下方式，你可以逐步成为社区的重要成员：

提交高质量的Issue：详细描述bug、提出清晰的改进建议
参与文档改进：帮助完善用户指南和开发文档
分享使用经验：在社区中分享LLM Space的最佳实践
创建示例项目：展示LLM Space的高级用法和集成方案

📚 学习资源

官方文档：docs/index.md - 完整的用户手册
核心概念：docs/core-concepts.md - 深入理解LLM Space的核心概念
快速开始：docs/get-started.md - 新手入门指南
设置指南：docs/settings.md - 详细配置说明

🎉 开始你的贡献之旅

LLM Space的开源生态为你提供了一个绝佳的学习和实践平台。无论你是想修复一个小bug，还是实现一个全新的功能，都可以从这里开始。记住，每个伟大的开源项目都是从第一个commit开始的，你的贡献可能会影响全球的AI智能体开发者！

准备好开始了吗？克隆仓库，搭建环境，选择一个你感兴趣的问题，然后开始编码吧！🚀

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

LLM Space开源生态：贡献代码与插件开发入门指南