Git Stars Git Stars

#deepseek-ai Dépôts

Découvrez 5 dépôts GitHub open source actifs associés à #deepseek-ai, cumulant 7,147 étoiles au total (soit une moyenne de 1,429 étoiles par projet). Le projet en tête de ce thème est oficcejo/aiagents-stock, avec 2,101 étoiles.

5
Total des Dépôts
7,147
Nombre total d'étoiles
1,429
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python TypeScript HTML
1
oficcejo/aiagents-stock

Système composite d'analyse d'équipe boursière à agents intelligents IA multiples pour surveillance des carnets d'ordres, basé sur plusieurs agents IA, simule le processus d'analyse d'une équipe d'analystes financiers, fournissant une analyse complète des investissements boursiers et des suggestions de décision. Nouveauté : analyse de suivi de la liste des dragons et tigres des capitaux spéculatifs, analyse d'alerte et rotation sectorielle, supporte l'analyse par lots multi-threadée, surveillance en temps réel des points clés, envoi d'alertes, interface miniqmt réservée, supporte le trading quantitatif, réalise véritablement « l'IA trade les actions pour vous », adapté aux actions A de la Chine continentale. Pour le site de test ci-dessous, veuillez saisir la clé temporaire deepseek, supprimez après test pour éviter les risques de fuite. Note : Accès excessif au service cloud de test peut entraîner un refus de la source de données. Pour l'utilisation, déployez localement.

oficcejo
⭐ 2,101 Python 👤 oficcejo User 🕐 Mis à jour 2026-10-10 📅 Créé 2025-10-03
2
zhu1090093659/deepseek-pp

Extension de navigateur web DeepSeek : espace de travail d'agent IA avec outils MCP, mémoire, compétences, automatisation, recherche web et exportation de conversations.

zhu1090093659
⭐ 1,875 TypeScript 👤 zhu1090093659 User 🕐 Mis à jour 2026-08-13 📅 Créé 2026-04-27
3
AutoArk/TinyEngram

Recherche sur l'architecture DeepSeek Engram basée sur Qwen-3 et la série Stable Diffusion.

AutoArk
⭐ 1,343 Python 👤 AutoArk Organization 🕐 Mis à jour 2026-05-21 📅 Créé 2026-01-23
4
Electricitysheep/dsh-handbook

Guide approfondi de DeepSeek Harness (dsh), de 0 à 1 : installation / développement de plugins / optimisation des performances / études de cas pratiques / comparaison empirique de plusieurs agents utilisant le même modèle (PDF en chinois et en anglais)

Electricitysheep
⭐ 990 HTML 👤 Electricitysheep User 🕐 Mis à jour 2026-11-04 📅 Créé 2026-08-13
5
huojichuanqi/ds

Trader avec deepseek (pour s'amuser, attention aux risques)

huojichuanqi
⭐ 844 Python 👤 huojichuanqi User 🕐 Mis à jour 2025-11-26 📅 Créé 2025-10-20

Foire aux questions

1

Quel est le dépôt #deepseek-ai le plus populaire sur GitHub ?

Le projet #deepseek-ai open source le mieux classé sur GitHub est oficcejo/aiagents-stock, avec 2,101 étoiles. Système composite d'analyse d'équipe boursière à agents intelligents IA multiples pour surveillance des carnets d'ordres, basé sur plusieurs agents IA, simule le processus d'analyse d'une équipe d'analystes financiers, fournissant une analyse complète des investissements boursiers et des suggestions de décision. Nouveauté : analyse de suivi de la liste des dragons et tigres des capitaux spéculatifs, analyse d'alerte et rotation sectorielle, supporte l'analyse par lots multi-threadée, surveillance en temps réel des points clés, envoi d'alertes, interface miniqmt réservée, supporte le trading quantitatif, réalise véritablement « l'IA trade les actions pour vous », adapté aux actions A de la Chine continentale. Pour le site de test ci-dessous, veuillez saisir la clé temporaire deepseek, supprimez après test pour éviter les risques de fuite. Note : Accès excessif au service cloud de test peut entraîner un refus de la source de données. Pour l'utilisation, déployez localement.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #deepseek-ai ?

Parmi les projets #deepseek-ai les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, TypeScript, HTML.

3

Comment le classement des dépôts #deepseek-ai est-il calculé ?

Nous suivons 5 dépôts open source actifs associés à #deepseek-ai (500+ étoiles), totalisant 7,147 étoiles, avec une moyenne de 1,429 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.