DeepSeek 专属 Coding Agent 来了
这款工具的名字相当直白——DeepSeek-TUI。它的作者自称是一位“鲸鱼兄弟”的DeepSeek狂热爱好者。
就在不久前，这个项目的星标数突然飙升，迅速突破 2.3k，成功登上了 GitHub 热榜。
这是一款采用 Rust 语言开发的 TUI（终端用户界面）编程工具。它和 Claude Code 类似，完全在终端中运行，但专门针对 DeepSeek 进行了深度优化和适配。
为了让国内用户更好地了解自己的作品，作者 Hunter Bown 还特意借助 DeepSeek，将宣传推文翻译成了中文。
当 DeepSeek-TUI 在 GitHub 上如他所愿地爆火之后，Hunter 发文直言这是他人生中最疯狂的两天，并用中文向“鲸鱼兄弟”们表达了感谢。
“DeepSeek 版的 Claude Code”
简单来说，DeepSeek-TUI 就是一个“住”在终端里的编程 Agent。更通俗地理解，它就是“DeepSeek 版的 Claude Code”。
该项目由美国独立开发者 Hunter Bown 于今年 1 月发起，采用 Rust 语言编写，基于 MIT 协议开源。起初一直不温不火，直到 DeepSeek-V4 的发布以及 Hunter 的中文宣传，这个项目才在五一假期期间迅速走红。
像读写文件、执行 Shell 命令、搜索网页、管理 Git、调度子 Agent、连接 MCP 服务器……这些 Claude Code 能做的事情，它基本都能胜任。它也支持安装 Skills，只不过背后运行的是 DeepSeek V4。
整个工具从设计理念到功能细节，都紧密围绕 DeepSeek 的特性展开。
最直观的一点是思维链（Chain of Thought）。
DeepSeek-TUI 会将模型的推理过程实时流式输出到终端中——模型如何分析问题、选择了哪条路径、中途是否改变主意，所有这些都清晰可见。
其次是上下文窗口。V4 支持高达 100 万 token 的上下文，项目默认就将其用满，处理复杂任务时从头到尾都不必担心记忆丢失。
当上下文快被填满时，TUI 会自动对内容进行压缩，用户也可以手动输入 /compact 来触发压缩。压缩策略专门考虑了 DeepSeek 的前缀缓存机制——尽量保留前面稳定的部分，让缓存能够持续命中。
这个 TUI 还有一个名为 RLM 的设计，其思路“非常 DeepSeek”——既然 DeepSeek 便宜到可以大量使用，这个工具就直接利用了这一特性。
在 RLM 模式下，一个主模型可以指挥最多 16 个 V4 Flash 子任务同时运行，用于批量分析或任务拆解。Flash 的输出价格大约是 Pro 的三分之一，将不需要强推理的子任务交给它，整体成本能大幅降低。
模型切换也做了专门处理。除了 DeepSeek 官方 API，它还支持 NVIDIA NIM、Fireworks、自托管的 SGLang 等多种路径。
操作模式共有三档：
- Plan：只读探索模式，先给出方案再说。
- Agent：默认模式，每次工具调用都需要用户确认。
- YOLO：顾名思义，全自动放行，不想被打断就开启它。会话可以保存和恢复，工作区有独立的 Git 快照作为保障，按轮次回滚不会影响原始仓库，即使出现问题也不必慌张。
不过有一点需要注意：子 Agent 开得太多，缓存命中率很难保证。要知道，未命中的 token 价格是命中 token 的 10 倍。项目界面上有逐轮费用显示，运行长会话时建议留意一下，以免最后账单让人惊讶。
安装方面，Linux、macOS、Windows 都有预编译的二进制文件，一条命令 npm install -g deepseek-tui 即可完成。此外，作者还为国内用户准备了专门的中文版 README 文档和配置路径，支持 TUNA Cargo 镜像，release 包也可以托管到阿里云 OSS 或腾讯云 COS。
项目于 1 月 19 日建仓，至今不到 4 个月，已经迭代到 v0.8.8，发布了 37 个版本，节奏相当快。
从更新记录来看，大致可以分为几个阶段。
早期版本主要是在搭建基础框架——工具调用、session 管理、基础的 Git 快照，让 Agent 先跑起来是首要任务。
v0.7.x 阶段开始打磨细节，增加了多语言界面支持（v0.7.6）、中文等语言的 TUI 提示、帮助文本，以及状态栏的本地化，这也是为国内用户做适配的一步。
v0.8.x 是最近几个版本的主轴，重点放在稳定性和体验打磨上。
- v0.8.2 专门修复了长会话中文件句柄泄漏的问题。
- v0.8.6/v0.8.7 增加了一批交互功能，包括限流或服务器报错时显示倒计时重试横幅、输入历史搜索、运行中消息队列可视化。
- v0.8.8 在此基础上进行了一轮收口，同时补上了 Linux ARM64 预编译二进制文件。
整体来看，这个迭代路径中功能更新密集，但每个版本都有明确要解决的问题。
“爱科学的音乐家”
实际上，Hunter 一直是 DeepSeek 的狂热粉丝。自从 V4 发布以来，他发过很多推文不断称赞。
同时，他也喜爱其他中国模型，并参加过小米的百万亿 Token 创造者激励计划。
而 Hunter Bown 的起点，其实是音乐。他曾立志成为一名乐队指挥。他先在北得克萨斯州大学攻读音乐教育，毕业后继续深造，获得了南方卫理公会大学的音乐教育硕士学位。
硕士毕业后，Hunter 如愿以偿地当了 3 年的乐队指挥。
后来，他取得了得克萨斯大学达拉斯分校的 MBA 学位，之后又回到了之前的母校 SMU，进入法学院专攻专利法。
至于写代码这件事，就更是“半路出家”了。但这个“半路”并非转行，更像是几条线最终汇聚到了一起。
他在学习声乐科学时接触到一个概念叫“缺失基音”（missing fundamental）——人耳可以从泛音中重建出一个物理上并不存在的音高。他后来发现这和信息论直接对应：你不需要把所有信息都显式给出，系统本身也会补全。这个来自音乐的直觉，成了他理解 AI 系统的一把钥匙。
去年，他为自己创立了一个工作室，名字叫 Shannon Labs，定位是“AGI 时代的下一个贝尔实验室”。DeepSeek-TUI 在他这里只是众多研究项目之一，他的 GitHub 上有 65 个公开仓库，包括面向 NVIDIA Nemotron 的同款终端 Agent NeMoCode，以及 MLX kernel 工具包等。
Shannon Labs 旗下的项目跨度更大：
- Hegelion：一个辩证推理引擎，走的是“正题→反题→合题”的循环逻辑。
- Aleph：一个 MCP 服务器，主打零 token 成本的大容量上下文。
- Heliosinger：将太阳风数据实时转化为声音，从 AI 基础设施一路跨界到太空声学。
他还自己建了三套软件架构（SCU、Driftlock、Hegelion）和一个硬件方案（Driftlock Choir）。在他看来，这些拼在一起，是在为 AGI 时代构建基础设施。
能把这些方向拼在一起，也与他的家族故事密切相关。他的曾祖父 Ralph Bown Sr. 是贝尔实验室的研究副总裁、无线电先驱，业余时间喜欢自制蜡筒，跑去卡内基音乐厅录音。
Hunter 在专利法课堂上意识到，自己正在走一条与这位先祖交汇的路——把音乐人的感知方式带入技术研究，去发现那些“因为没有这种背景的研究者而被忽视的想法”。他在个人网站上将自己和曾祖父进行了对比：“他是科学家，爱音乐；我是音乐家，爱科学。”
One More Thing
在 DeepSeek-TUI 的贡献者列表中，还能看到一些我们熟悉的影子。其中包括了 Claude、Gemini、Qwen 等一系列 AI 模型，以及 Cursor、GitHub Copilot 等编程工具。
详细记录则表明，大部分代码由 Hunter 直接提交，还有 150 多次 commit 是 Claude 完成的，另外还有一些真人贡献者提交了少量的 commit。
一位半路出家的开发者，利用AI辅助编程为AI编写辅助编程框架，这种工作流可谓形成了一个完美的闭环（手动狗头）。
项目GitHub地址：
https://github.com/Hmbown/DeepSeek-TUI
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：https://www.itsolotime.com/archives/33066
