克雷西发自凹非寺
量子位 | 公众号 QbitAI
DeepSeek 也有自己专属的 Coding Agent 了。
名字简单粗暴，就叫 DeepSeek-TUI，作者自称是一名“鲸鱼兄弟”的 DeepSeek 爱好者。
刚刚，这个项目的星标数突然开始骤增，来到了 2.3k，还登上了 GitHub 热榜。
这是一个用 Rust 语言编写的 TUI 编程工具，像 Claude Code 一样在终端里运行，但专门针对 DeepSeek 做了优化适配。
为了向国内网友宣传自己的作品，作者 Hunter Bown 还特意用 DeepSeek 把宣传推文翻译成了中文。
当 DeepSeek-TUI 在 GitHub 上如他所愿爆火之后，Hunter 发图哦直言这是自己人生中最疯狂的两天，并用中文向“鲸鱼兄弟”们表示了感谢。
“DeepSeek 版 Claude Code”
DeepSeek-TUI 就是一个住在终端里的编程 Agent，再简单点理解，就是“DeepSeek 版 Claude Code”。
它在今年 1 月由美国独立开发者 Hunter Bown 发起，用 Rust 语言编写，MIT 协议开源，但一直不温不火，直到 DeepSeek-V4 的发布和 Hunter 的中文宣传，这个项目在这个五一假期开始爆火。
像读写文件、执行 Shell、搜网页、管 Git、调度子 Agent、接 MCP 服务器……这些 Claude Code 能干活的它基本都能干，也支持安装 Skills，只不过换成了 DeepSeek V4 在背后跑。
整个工具从设计逻辑到功能细节，都在围绕 DeepSeek 的特性转。
最直接的一个是思维链。
DeepSeek-TUI 把模型的推理过程直接流式输出到终端里——模型怎么分析问题、走了哪条路、中途改没改主意，全部实时可见。
然后是上下文。V4 支持 100 万 token 的上下文窗口，项目默认就把这个用满，跑复杂任务从头到尾不用担心记忆断档。
上下文快填满时，TUI 会自动对内容进行压缩，也可以手动/compact 触发。
压缩策略专门考虑了 DeepSeek 的前缀缓存机制——尽量保住前面稳定的部分，让缓存能继续命中。
这个 TUI 还有一个设计叫 RLM，思路“很 DeepSeek”——既然 DeepSeek 便宜到可以拿来堆数量，这个工具就把这个特性直接用进来了。
在 RLM 模式中，一个主模型指挥最多 16 个 V4 Flash 子任务同时跑，用来做批量分析或任务拆解。Flash 的输出价格大约是 Pro 的三分之一，把不需要强推理的子任务交给它，整体花费能砍不少。
模型切换也做了专门处理，除了 DeepSeek 官方 API，还支持 NVIDIA NIM、Fireworks、自托管的 SGLang 几条路径。
操作模式则一共有三档：
- Plan 是只读探索，先给你出个方案再说；
- Agent 是默认档，每步工具调用都要你点头；
- YOLO 顾名思义，全自动放行，不想被打断就开它。会话可以保存恢复，工作区有独立 Git 快照兜底，按轮次回滚不动原仓库，翻车了也不慌。
不过有一点需要注意的是，子 Agent 开多了，缓存命中率很难保证。
要知道，未命中的 token 价格是命中的 10 倍，项目界面上有逐轮费用显示，跑长会话建议留意一下，别跑完账单吓一跳。
安装上，Linux、macOS、Windows 都有预编译二进制，npm install -g deepseek-tui 一条命令搞定。
另外，作者还给国内用户准备了专门的中文版 README 文档和专门配置路径，支持 TUNA Cargo 镜像，release 包还可以托管到阿里云 OSS 或腾讯云 COS。
项目 1 月 19 日建仓，到现在不到 4 个月，已经迭代到 v0.8.8，发布了 37 个版本，节奏不慢。
从更新记录来看，大致分几个阶段。
早期版本主要在搭骨架——工具调用、session 管理、基础的 Git 快照，把 Agent 跑起来是第一优先级。
v0.7.x 阶段开始往细节上打磨，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、状态栏开始本地化，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，重心在稳定性和体验打磨上。
- v0.8.2 专门修了长会话里文件句柄泄漏的问题；
- v0.8.6/v0.8.7 往上加了一批交互功能，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 在这个基础上做了一轮收口，同时把 Linux ARM64 预编译二进制补上了。
整体节奏上看，这个迭代路径中功能更新密集，但每个版本基本都有明确的问题要解决。
“爱科学的音乐家”
实际上，Hunter 一直是一名 DeepSeek 狂热粉丝，自打 V4 出来之后，他就发过很多推文不断称赞。
同时他也爱好其他中国模型，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，他曾立志当一名乐队指挥。
他先是在北得克萨斯州大学修读音乐教育，毕业后继续深造，取得了南方卫理公会大学的音乐教育硕士。
硕士毕业后，Hunter 如愿当了 3 年的乐队指挥。
后来，他拿了得克萨斯大学达拉斯分校的 MBA，之后又回到了之前的母校 SMU，进入法学院专攻专利法。
至于码代码这件事，就更是“半路出家”的选择了。
但这个“半路”不是转行，更像是几条线最终汇到了一起。
他在学声乐科学时接触到一个概念叫“缺失基音”（missing fundamental）——人耳可以从泛音里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。
这个从音乐里来的直觉，成了他理解 AI 系统的一把钥匙。
去年，他给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 工具包等等。
Shannon Labs 旗下的项目跨度更大。
- Hegelion 是一个辩证推理引擎，走的是"正题→反题→合题"的循环逻辑；
- Aleph 是一个 MCP 服务器，主打零 token 成本的大容量上下文；
- Heliosinger 则把太阳风数据实时转化成声音，从 AI 基础设施一路跨界到了到太空声学。
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 时代做基础设施。
能把这些方向拼在一起，也和他的家族故事颇具关联。
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，自己正在走一条和这位先祖交汇的路——
把音乐人的感知方式带进技术研究，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 的贡献者列表当中，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 模型和 Cursor、GitHub Copilot 等编程工具。
详细记录则表明，大部分的代码由 Hunter 直接提交，还有 150 多次 commit 是 Claude 做的，另外还有一些真人贡献者提交了少量的 commit。
半路出家的程序员，用 AI 辅助编程给 AI 写辅助编程框架，这工作流也是闭环了（手动狗头）。
GitHub 地址：
