JeecgBoot AI专题研究 | 从 GitHub Trending 榜首到一行 npm 命令上手，拆解这款用 Rust 写、跑 DeepSeek V4 的终端编程 Agent
这两年，国内开发者提到 Claude Code，心情大多很复杂——一边是「真好用」，一边是「真用不起」。账号门槛、地区限制、再加上一张随时会让人心跳加速的 API 账单，让不少人只能站在围栏外看着。
转机出现在 2026 年这个五一假期。一位名叫 Hunter Bown（GitHub ID Hmbown）的独立开发者，把一个叫 DeepSeek-TUI 的开源项目推上了 GitHub 热榜。短短几天 Star 数冲到 11000+，假期一过更是直接登顶 Trending 榜首；到 5 月 8 日前后，Star 已经攀到 1.9 万出头，热度还在往上走。
它的定位毫不含糊：DeepSeek 版的 Claude Code。
一匹黑马，外加一句中文「谢谢」
DeepSeek-TUI 火起来之后，作者在 X 上发了条动态：「this has been the craziest 2 days of my life」，下面还特意用中文补了一句——「鲸鱼兄弟们，谢谢你们」。「鲸鱼」指的就是 DeepSeek（它的 Logo 就是一头鲸鱼）。配图是项目的 Star History 曲线，二月到四月还贴着地面爬，进五月直接拔地而起，那条几乎垂直的尾巴很有冲击力。
一个海外开发者，做完工具主动用中文向中国社区致意，这个细节本身就挺有传播力。但光靠情怀冲不上 Trending 榜首——真正撑住热度的，是它的功能清单。它不是简单地把模型 API 包一层 CLI，而是把 Claude Code 那一整套工程化的 Agent 能力，认认真真地在 DeepSeek 上重做了一遍，还顺手把 DeepSeek 自己的特性挖了出来。
DeepSeek-TUI 到底是个什么东西
一句话概括：用 Rust 编写、运行在终端里的编程 Agent，底层跑的是 DeepSeek 刚发布不久的 V4 模型。
「TUI」即 Text User Interface（文本用户界面），意味着它没有花哨的图形窗口，全部交互都在命令行里完成——和 Claude Code 的形态一致，也和大多数程序员的工作习惯一致。Rust 带来的好处是启动快、二进制单文件、跨平台无运行时依赖。
Claude Code 赖以成名的那套「核心动作」，DeepSeek-TUI 基本一个不落地搬了过来：
- 文件读写：直接在项目里读取、创建、修改源码
- 执行 shell 命令：跑测试、装依赖、起服务，结果回灌给模型
- Git 操作：查 diff、提交、切分支，把版本管理纳入 Agent 工作流
- 网页搜索：遇到不熟的报错或新 API，让它自己去查
- 子智能体（Sub-agent）：把一个大任务拆成若干子任务并行处理
- MCP 协议支持：接入 Model Context Protocol 生态里的各种工具服务器，扩展能力边界
到这一步，它已经是一个「能干活」的 Agent 了。真正让它有辨识度的，是下面这三样——都是冲着 DeepSeek 的特性去的设计。
它把 DeepSeek 的「私货」玩明白了
一、思考过程流式输出：看着 V4 一边想一边写
DeepSeek V4 是带「思考模式」的推理模型。DeepSeek-TUI 把这个思考过程做成了流式输出——你能在终端里实时看到模型在动手改代码之前，是怎么一步步推演的：先判断问题出在哪、再决定改哪个文件、为什么这么改。
对调试来说这是个不小的体验差异。当 Agent 改错了方向，你能在它「想偏」的那一刻就发现，而不是等它把一堆代码改完、跑挂了才反应过来。
二、默认开启 1M token 上下文：长任务不断片
DeepSeek-TUI 默认就把上下文窗口拉到 100 万 token——大约相当于一本中长篇小说的体量。这意味着跑那种需要「记住很多东西」的长任务时，它不容易中途丢失上下文。
老代码库重构、跨多个模块的功能改动、一边读文档一边写实现……这类场景最怕的就是 Agent 走到一半「失忆」，前面分析过的结论全忘了。1M 上下文默认开启，相当于先把这个隐患按住。
三、RLM：让一个主 AI 指挥 16 个「廉价」子 AI
这是整个项目里最有意思的设计。RLM 的思路是：用一个主模型负责统筹和决策，再并发调度一群更便宜的子模型去干苦力活。
这套打法之所以成立，关键在 DeepSeek 的价格梯度。看一眼官方价目表就明白了：
- deepseek-v4-pro：1M 上下文，输入（缓存命中）约 $0.003625 / 1M、输入（缓存未命中）约 $0.435 / 1M、输出约 $0.87 / 1M
- deepseek-v4-flash：1M 上下文，输入（缓存命中）约 $0.0028 / 1M、输入（缓存未命中）约 $0.14 / 1M、输出约 $0.28 / 1M
两个数字值得记一下：Flash 的输出价格（$0.28）大约只有 Pro（$0.87）的三分之一；而 Pro 的输入价格，缓存命中（$0.003625）和未命中（$0.435）之间差了一百多倍——这也是后面用户吐槽「缓存命中率」的根子所在。
既然 Flash 便宜这么多，那就别让昂贵的 Pro 一个人串行干完所有事，而是让它当「项目经理」，同时派 16 个 Flash 子任务分头开工。举个具体场景：让 DeepSeek-TUI 给整个项目写文档。
- 主模型（Pro）负责：规划文档结构、确定每个模块该写什么、最后做汇总和润色
- 16 个 Flash 子任务负责：分头去读不同模块的源码，各自产出该模块的初稿
- 主模型再把这些初稿收回来，合并成一份完整文档
原本 Pro 串行跑两个小时的活，这么一并发，十几分钟就能出结果，而且总账单还砍掉了一大半。这其实是「用模型分层定价做工程优化」的一个很典型的实践——把任务按「需不需要强推理」分级，强的给贵模型，弱的批量丢给便宜模型并发跑。
三档操作模式 + Git 快照兜底
Agent 工具最让人不放心的就是「它会不会自作主张把我项目改坏」。DeepSeek-TUI 给了三档从严到松的操作模式，让你自己拿捏放权的尺度：
- Plan（只读探索）：什么都不改，模型先做调查、用
update_plan、checklist_write提出一份计划，然后才动手——适合接手一个陌生项目的第一步 - Agent（每步确认）：默认的交互模式，多步工具调用都带「审批门禁」，每一步操作前要你点头——日常开发的稳妥档
- YOLO（全自动放行）：在可信任的工作区里自动批准工具调用，但仍然维护计划和清单以保持可见性——适合那些可控的批量任务，「一把梭哈」
YOLO 这个名字本身就带点黑色幽默——「You Only Live Once」，人生苦短，放手一搏。
当然，光靠模式还不够保险。DeepSeek-TUI 在工作区底下还垫了一层 Git 快照：每次改动都自动留存版本，万一翻车了，一键就能回滚到改之前的状态。这点配合 YOLO 模式用尤其重要——敢放开手，是因为有后悔药。
为中国用户做的那些「贴心活儿」
很多海外开源项目「能用但难装」，DeepSeek-TUI 在这块下了功夫：
- 发布包托管在阿里云 OSS 和腾讯云 COS 上，国内下载不再卡半天
- 专门做了 npm 安装方式，前端、Node 用户拿来即用
- 终端界面原生支持中文，配置项里直接写明
zh-Hans
这些细节加在一起，传递的信号很明确：作者是真的把中文用户当成了核心受众，而不是顺手翻译两句了事。
上手只要一行命令
最简单的方式是走 npm：
npm install -g deepseek-tui
装好之后，去 DeepSeek 开放平台拿一个 API Key，按提示填进去就能开跑。
如果你不想装 Node 环境，也可以直接下二进制包一键安装，Linux、macOS、Windows 三个平台都支持。
项目地址在这里：https://github.com/Hmbown/DeepSeek-TUI
一个非科班音乐家，用 AI 写了个给 AI 用的工具
聊到这儿，你大概会以为作者 Hunter Bown 是个老牌极客。还真不是。
他本科和硕士读的都是音乐教育，毕业后真的去当了三年乐队指挥；后来又去读了 MBA，再之后拐进法学院专攻专利法。写代码这件事，在他的人生时间线上排得相当靠后。他在个人网站上的自我介绍是一句话：「我是音乐家，爱科学。」
那 DeepSeek-TUI 是怎么写出来的？答案是——AI 辅助编程。翻一下项目的贡献者列表，会发现单单 Claude 这一个「贡献者」就提交了 150 多次代码。
一个非科班出身的音乐家，借助 AI 协作，做出了一个登上 GitHub Trending 榜首的工程级项目——而且这个项目本身又是给 AI 用的编程工具。这件事绕起来有点像递归，但它确实发生了。
真实使用反馈：好用，但记得盯紧你的账单
工具火归火，几条来自一线用户的吐槽也值得拿出来说说，对要不要上手很有参考价值：
- 「不能自定义模型，有点烦」——它是专门为 DeepSeek 打造的，模型选择就锁在 DeepSeek 自家的 Pro / Flash 几档之间，想接第三方 API 或本地模型暂时没戏。也有人帮作者解释：专为 DeepSeek 优化的 TUI，要是随便换模型，这「专为」二字也就没法立了。
- 「首次配置就花了 60 多块钱（V4 Pro）」——第一次跑、让它扫一遍项目建立上下文的时候，token 消耗会比较猛。老用户的经验是：首配之后日常处理工作，一天也就几块钱；而且可以按任务难度手动选 Flash 还是 Pro，简单活儿丢 Flash，省钱效果立竿见影。
- 「缓存命中率太低，费钱」——结合上面那张价目表就懂了：Pro 的输入价格，缓存命中和未命中之间差着一百多倍。长任务、反复改同一批文件时，留意一下缓存命中率，对控制成本有实打实的帮助。
一句话总结这些反馈：它确实好用，但「好用」和「不花钱」是两回事——上手前先想清楚自己的预算和使用强度，把 Plan / Flash / 模式切换这些省钱开关用起来。
写在最后
回头看 DeepSeek-TUI 这件事，它的意义已经不只是「又多了一个开源工具」。
往里看一层：一个完全非科班的人，靠和 AI 协作，做出了登顶 Trending 的工程级项目。这本身就是当下最值得琢磨的信号——写代码的技术门槛正在被重构，决定能不能做出东西的，越来越是想法、品味和把事情拆解清楚的能力，而不是「你科班学了几年」。
往外看一层：国产模型的生态也开始转向了。放在两年前，「一个海外独立开发者主动跑来，想跟中国社区一起共建一个围绕国产模型的工具」——这种事不太敢想。现在它真实地发生了，还带着一句中文的「谢谢」。这种双向奔赴，确实让人欣慰。
工具已经开源，一行 npm install -g deepseek-tui 就能装上跑跑看。对长期被 Claude Code 价格劝退的开发者来说，这至少是个值得认真试一试的低成本平替——只是别忘了，先把账单这根弦绷住。
本文为 JeecgBoot AI 专题研究系列文章。
