找找AI 原创出品技术

DeepSeek-TUI：鲸鱼兄弟手搓的编程Agent，火得挺意外

周明远找找AI

2026-05-20 12:45:42

AI 摘要

音乐教育学士、法学在读、英语母语者用DeepSeek润色中文发帖求加微信——光这个开场就够离谱了。但更离谱的是，他手搓的这个Rust编程Agent，在GitHub杀疯了。一周内被全球13万个开发者Star，关键词是「不到10块钱，小白也能开发应用」。

这哥们到底是谁？

先来看一条来自2026年5月1日的推文，翻译得还怪地道的：

“鲸鱼兄弟们，谢谢你们。”

配图是个刚上线几天的GitHub项目地址。

发这条推文的人叫Hunter Bown，美国独立开发者，音乐教育学士、工商管理硕士，目前南方卫理公会大学法学院在读——简单说就是个半路出家的码农。而DeepSeek-TUI，就是他一个人用Rust写的，把DeepSeek V4塞进终端的AI编程Agent。

但这个项目的开发者背景其实很有代表性。他之前给MiniMax和英伟达Nemotron做过类似的Agent工具，还尝试过把学术论文转化成大众可用的工具。所以他不是零基础，但也绝不是大厂背景。

五一长假期间，这位老哥的举动更具戏剧性。他特意用DeepSeek把自己发的推文翻译成了中文，在营销过程中公开求助网友：“求大家帮我弄个微信”——因为他想建个中国开发者的群，跟“鲸鱼兄弟们”一起交流。

结果呢？热心的中国网友真就帮他搞定了微信号。DeepSeek-TUI也顺势冲上GitHub Trending全球第一，短短几天Star数就从8.7k飙到16.3k，一周破2.2万，被称为“DeepSeek版的Claude Code”。

这可以说是2026年上半年最出圈的AI开源项目故事了。

那靠的是营销人设还是真有点东西呢？我帮你拆拆看。

这玩意儿是干什么的？跟Web版有什么区别？

你可能已经有了DeepSeek V4的网页版和App，为什么还需要一个终端里的东西？

真正改变开发者工作流的，从来不只是模型本身，而是模型上的Agent框架-4。OpenAI强，真正让开发者离不OpenAI的是Codex；Claude大牛，真正让它圈粉无数的是Claude Code。DeepSeek V4的代码和推理能力都很能打，但它缺了一个围绕模型专门打造的Agent工具。

DeepSeek-TUI就是来补这个缺的。

它的官方定位是“运行在终端里的DeepSeek编程智能体”。用它的方式解决问题是这样的：你打开终端敲deepseek，然后让它进项目、分析代码、执行Shell、管理Git、跑测试用例，甚至启动多个子Agent同时完成任务——全程不需要跳出终端。

和网页版“顾问式”的交互相比，DeepSeek-TUI更像一个能直接干活的“实习工程师”，给它一个任务，自己就钻进去动手了。

但这里有个关键前提：它是开源的，但底层调DeepSeek V4的API得你自己掏钱。有媒体实测开发一个完整的macOS剪贴板应用，总共只花了9.47元——这个数字包含两次开发流程的API费用-30。项目本身有成本感知系统，实时显示每个操作花了多少token、多少钱，不会让你“玩脱”。

三大模式从“先看再做”到“放手一搏”，总有一款适合你

为了让你在不同场景下找到合适的控制力度，项目设计了三种操作模式：

Plan模式（只读探索）。Agent会先分析你的代码，给出修改建议和计划，列出Todo，但不会真正动手改。适合先看看它想怎么干。

Agent模式（交互执行）。默认模式。Agent开始调用工具——读文件、改代码、执行Shell——但关键步骤会让你按y确认。可控性最强。

YOLO模式（全自动执行）。最激进的一档，所有审批门都关掉，AI自动推进整个任务链。用之前记得备份。

这三个模式的区分挺实用，从“先观察再决定”到“我手放开你来”，能适应从谨慎到信任的不同阶段。

硬核技术亮点：1M上下文、RLM并行、终端安全回滚

抛开营销故事和日常体验，说几个DeepSeek-TUI技术层面真正有点东西的设计。

100万Token的上下文窗口。这意味着它能一次性啃下整部《战争与和平》厚度的代码库，然后接着写代码-26-30。而且DeepSeek-TUI原生支持DeepSeek V4的Thinking-mode流式推理块——模型是怎么分析问题的、走了哪条路、中途改了主意，每一步都实时滚在屏幕上-。

RLM并行处理模式。RLM（Recursive Language Model）模式可以同时驱动最多16个V4 Flash子任务并行运行，成本大约是Pro版的三分之一。

双二进制Rust架构。调度器deepseek负责思考规划和任务分解，执行器deepseek-tui负责TUI渲染、工具执行和本地环境安全操作。完全本地运行，不需要Node/Python运行时依赖。

side-git快照机制。每次执行前会自动创建工作区快照，/restore一条命令就能回滚到操作前状态——不会污染你真实的Git仓库历史，但提供了完整的后悔药。

Claude Code Skill无缝迁移。DeepSeek-TUI的Skill发现路径直接包含了.claude/skills，你现成的SKILL.md文件原地不动就能被识别，格式和Claude Code完全一致-。MCP服务器也无需修改代码，只需把配置文件从JSON改成TOML。

它跟Claude Code到底差在哪儿？

说实话，日常任务——单文件编辑、改Bug、写单元测试——V4 Pro和Claude Opus的输出质量几乎不可区分。

但差距在复杂任务上就拉开了。Claude Opus在多文件架构推理时表现更好——SWE-bench Pro上V4 Pro拿55.4，Opus 4.7拿64.3-10。V4 Pro一旦走错更容易在错误路径上越陷越深。

另一个在意的点是缓存命中率。有用户在issue反馈同等工作量的任务下DeepSeek-TUI的缓存命中不如Claude Code稳定。另外CLAUDE.md不像Claude Code那样“始终注入”——项目级别的硬约束在DeepSeek-TUI里不会自动生效，需要手动做成Skill并按需调用。

但DeepSeek-TUI有个无法拒绝的优势：成本便宜太多了-26。对刚起步或预算有限的开发者来说，有没有必要为了那10-20%的复杂任务精准度提升，多付几十倍的API费用，得自己掂量。

快速上手

DeepSeek-TUI提供了四种安装方式，不需要Node/Python环境：


# npm
npm install -g deepseek-tui

# cargo
cargo install deepseek-tui-cli --locked

# homebrew (macOS)
brew tap Hmbown/deepseek-tui && brew install deepseek-tui

# 直接下载二进制
# 访问 https://github.com/Hmbown/DeepSeek-TUI/releases

安装完成后输入 deepseek-tui 启动，一路确认、输入DeepSeek API Key，就能进入对话界面。

国内用户npm走 --registry=https://registry.npmmirror.com 速度会更好。

说两句感(tu)想(cao)

我其实挺纠结的。

一方面，DeepSeek-TUI在“把大模型接入终端”这件事上确实做到了一个很高的水准——完整工程能力、人性化交互设计、对新手友好的安装方式，这些都是Hard事实。

另一方面，它的火爆节点和“美国佬示好求加微信”的传播路径确实也带着点情绪营销的味道。有用户在V2EX直言“这个项目能火本质上还是对外国人有滤镜”。公平地说，类似品质的国内开源项目，未必能有同样的曝光量。

但一个不争的事实是：技术世界正在从“模型与模型比谁更会写代码”，走向“谁能用合适的工具让模型真实落地”。DeepSeek-TUI找到了一个精准的生态位——补齐了DeepSeek生态里的Agent工具链缺失，成本低，上手快，独立开发者也能用得起。一个美国法学院学生靠着Rust和DeepSeek V4的API，冲上了全球GitHub榜首——这件事本身就是对“AI开发平民化”最好的注脚。

如果能把复杂的架构做好、把粗粝的边缘体验打磨得更丝滑、再把缓存命中率提上去——就真的很难挑了。

至于那些复杂的多文件场景是不是真能打得过Claude Code，得你自己试试再判断。