基于 DeepSeek 的编程智能体 TUI

今天发现有个面向DeepSeek V4的终端原生编程工具：DeepSeek TUI，一个完全运行在终端里的编程智能体。

第一感觉是怎么还有人开发专门基于DeepSeek的编程工具。

再就是觉得有了AI编程辅助之后，软件产品简直是层出不穷，目不暇接，之前的文章都介绍过好几个：jcode，Hermes。

jcode 深度解析：纯 Rust 打造，它凭什么号称「最强 Coding Agent」？

当 AI 编程使得代码变得便宜......

Hermes Agent 接入微信（实战）

后来一想，明白了，模型能打，能干活，跟御三家模型效果差不多。

价格还便宜，就是不算活动期间（截止05/31）2.5折的优惠，就算恢复原价，也比御三家的模型划算，性价比拉满。

所以它不是 DeepSeek 官方出品，而是一个社区开源项目，也就不足为奇，它是作为 Claude Code/Codex/Antigravity 的平替。

编程智能体该有的功能，它都有：读写文件、执行命令、搜索网页、管理 Git、调度子智能体。

基于 Rust 编写，单一二进制文件，不依赖 Node.js 或 Python 运行时。

核心能力

100 万 token 上下文。

DeepSeek V4 原生支持 100 万 token 上下文窗口，在上下文接近上限时自动智能压缩，并通过前缀缓存感知降低 API 调用成本。

思考模式流式输出。

可以实时观察模型在解决问题时的思维链展开过程，不是黑盒推理。

完整工具集。

文件操作、shell 执行、git、网页搜索与浏览、apply-patch、子智能体调度、MCP 服务器连接。这些工具通过类型化注册表路由，结果流式返回对话记录。

三种交互模式：

• Plan（只读探索）：模型先探索代码库，提出计划，再做更改
• Agent（默认）：多步工具调用，带审批门禁
• YOLO（自动批准）：在可信工作区内自动批准工具调用

原生 RLM（rlm_query)。

利用现有 API 客户端并行调度 1-16 个低成本的 deepseek-v4-flash 子任务，用于批量分析和并行推理。

会话保存与恢复。

长任务支持断点续作，deepseek resume --last 一键恢复最近会话。

工作区回滚。

通过 side-git 记录每轮操作前后的快照，支持 /restore 和 revert_turn，不影响项目自身的 .git。

持久化任务队列。

后台任务在重启后仍然存在，支持计划任务和长时间运行的操作。

MCP 协议支持。

连接 Model Context Protocol 服务器扩展工具能力。

LSP 诊断。

每次编辑后通过 rust-analyzer、pyright、typescript-language-server、gopls、clangd 提供内联错误和警告，在下一步推理前将诊断结果反馈到模型上下文中。

技能系统。

可通过 GitHub 安装的组合式指令包，从工作区目录和全局 ~/.deepseek/skills 发现技能。

社区技能通过 deepseek skill install github:<owner>/<repo> 直接安装，无需后端服务。

用户记忆。

可选的持久化笔记文件，注入系统提示，实现跨会话偏好保持。

实时成本跟踪。

按轮次和会话统计 token 用量与成本估算，含缓存命中/未命中明细。

这个成本跟踪太好了，目前用的编程工具都不能看到用量，得去购买的平台才能看到。

具体的安装步骤和使用方式可以上官方仓库查看：

https://github.com/Hmbown/DeepSeek-TUI

首次启动时提示输入 DeepSeek API key，也支持 NVIDIA NIM、Fireworks 和自托管 SGLang 作为模型提供方。

安装完成后的界面。

架构

对开发智能体有兴趣的可以研究一下代码，学习它的思路、架构、实现。

在架构图里看到了挂钩（Hook），这个在之前的文章：万字深研 ｜Harness 工程实践：指令遵从率 20%，Hook 执行率 100%提到，目前编程智能体只有Claude Code 才有 Hook 协议：

SessionStart → session 开始时 PreToolUse → 每次工具调用之前 PostToolUse → 每次工具调用之后 PreCompact → 上下文压缩之前 Stop → agent 尝试停止时 SessionEnd → session 结束时 PostToolUseFailure → 工具调用失败后

Hook 相对于提示词，对智能体的执行，约束力更强。

另外，应该都知道前两天 DeepSeek 官宣了第一笔，500亿的融资，估值500亿美元。

下一个版本多模态+MCP全量 V4.1 预定于 6月上线。

估计之前消息说没谈妥的原因梁自己掏210亿，占这轮的40%。

这轮融资应该会加速大模型的迭代研发速度，同时也是稳定团队军心的重要手段。

对于我们这样重度AI用户来说，自然是好事，有国产平替大模型可用。

从OpenAI/Anthropic 的发展路径看：

模型迭代 → 不断推出产品 → 现金流收入 → 再融资 → 算力扩张，形成一个正循环。

而 DeepSeek 走的是开源路径，只靠量化基金提供资金，到现在也没有推出 Code/Token Plan 计划，就是按 API 调用收费。

有点像早期的企鹅，靠外包团队收入来覆盖研发、运维支出。

咱们看看DS后续怎么商业化吧，感觉上大模型本身应该还是会保持开源，附加的服务或者产品收费，有点类似 Linux 系统小红帽 Redhat 模式。

你怎么看？欢迎评论区留言。

-END