参与贡献

组织级的贡献规范在 deskmind-ai/.github/CONTRIBUTING.md，适用于所有仓库。各组件在自己的 CONTRIBUTING.md 里另外写明环境搭建和测试命令，比如 brain/CONTRIBUTING.zh-CN.md。本页是摘要，以这些文件为准。

参与方式

做什么	为什么	仓库
贡献一个桌面任务和评分程序	门槛最低、价值最高	bench
提交你的 agent 在 bench 上的成绩	收录进参考成绩	bench
适配新的应用或平台	Windows、Linux、浏览器、Office	hands
更准的视觉定位	模型、数据、评测	eyes
更快、把握更准的决策	部署、训练、校准	brain
文档、翻译、示例	中英文	任意仓库

从带 good first issue 标签的 issue 开始，每个都写明了要改哪个文件、怎样算完成。

原则

用数据说话。 影响模型行为的改动，要附上针对性的小测试集或 bench 上改动前后的结果。
本地优先，默认保护隐私。 绝不提交真实用户数据、你自己应用的截图、密钥、令牌或原始桌面轨迹。这些都放在不提交的 private/ 目录里；可识别身份的路径和值要脱敏，但保留足以复现的结构。
成绩要诚实。 输在哪里，和赢在哪里一样写清楚。
PR 小而专注。 一个 PR 只做一件事，风格与周围代码一致。

在哪里报告

项目方向、跨组件的环境问题、归属不明的问题、复现报告： 提交到 deskmind 的 issues。
已定位到单个组件的 bug： 提交到对应仓库（brain、eyes、hands、bench、app）。
跨仓库的改动： 在 deskmind 开一个协调 issue，再链接到各组件里具体的 issue 或 PR。
提问与设计讨论： 去 Discussions。
安全问题： 不要公开提交，见安全。

先搜索已有的 issue。报告被转移时，请在新旧位置互相链接，不要另开一个没有关联的重复 issue。

一份好的问题报告

请包含：

能复现问题的最小目标或请求，使用虚构数据和临时文件夹；
准确的源码版本，以及模型版本和量化方式；
硬件、macOS 版本、相关应用的版本、系统语言，必要时还有显示缩放；
预期的和实际的最终状态，以及复现频率；
桌面运行还要写明：允许了哪些应用和文件夹，是否用了投影层、视觉模式或远程升级，以及最终状态是否与 agent 报告的不同。

Brain 的问题，请给出命令、模型和一个能复现问题的最小请求体，去掉一切个人信息。

评测与复现

复现失败和复现成功一样有价值。请记录：

评测方向：Brain、Eyes、端到端，还是部署速度；
源码、模型、数据的固定版本，以及任务集版本；
硬件、系统、运行时、量化与解码方式；
重复次数、重试、限制、路由，单次推理还是两次（比如 Eyes 的放大复查）；
带分子分母的结果，包括所有尝试过的运行和所有排除项；
耗时指的是什么：推理、单次请求，还是整个任务。

只比较条件一致的结果：GPU 与 MLX、单模型与路由、不同版本的执行框架，都要分开报告。在模拟桌面上的运行，或由脚本直接喂正确答案的运行，只验证接线是否正确，不算模型成绩。不要公开密封测试题，也不要公开你无权再分发的数据。

给 Brain 提 PR

摘自 brain/CONTRIBUTING.zh-CN.md：

git clone https://github.com/deskmind-ai/brain && cd brain
uv sync --extra mlx          # Apple Silicon：本地运行和评测
uv run --group dev pytest -q # 提 PR 前必须通过

大部分 issue 不需要 GPU，也不需要模型：测试用的是一个桩服务。训练需要 CUDA 机器。
改变行为的改动要附上前后对比：scripts/probe_ops.py、deskmind-brain-eval score，或一次 bench 运行。
保持接口稳定：POST /v1/systemone 接收 {state, questions}，返回 {answers}。扩展时要保持兼容。
改动提示的渲染方式，要在 deskmind.json 里登记一个新的 prompt_format 编号，因为已有模型都绑定在训练时的格式上。
训练和评测数据的来源和许可必须允许再分发。

行为准则与许可

友善交流。DeskMind 采用 Contributor Covenant 2.1 作为行为准则。举报请发邮件到 conduct@deskmind.dev，或私信任一维护者。
贡献内容按所在仓库的许可发布（代码为 Apache-2.0，文档为 CC BY 4.0）。