GitHub热门4.6k星：Rust写的DeepSeek-TUI终端编程Agent适配V4

DeepSeek 终于有了专属的 Coding Agent，名字直白就叫 DeepSeek-TUI。作者是一位称自己为“鲸鱼兄弟”的 DeepSeek 爱好者。

就在最近，该项目的星标数急剧上升，突破 4.6k，并成功登上了 GitHub 热门榜单。

这是一个基于 Rust 语言编写的 TUI（终端用户界面）编程工具。它就像 Claude Code 一样栖身于终端，但所有优化都只为 DeepSeek 量身定制。

为了向国内的技术同好宣传这个作品，作者 Hunter Bown 还特意用 DeepSeek 把宣传文案译成了中文。

当 DeepSeek-TUI 如他所愿在 GitHub 上爆火后，Hunter 发图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 Claude Code” 到底怎么玩

把 DeepSeek-TUI 看作一个寄居在终端里的编程 Agent，简单理解——它就是“DeepSeek 版的 Claude Code”。

这个项目今年 1 月由美国独立开发者 Hunter Bown 发起，基于 Rust 构建，采用 MIT 协议开源。它沉寂了数月，直到 DeepSeek V4 发布，再加上 Hunter 那篇地道的中文贴，项目在五一假期期间彻底被点燃。

Claude Code 的那些看家本领它几乎全盘接收：读写文件、执行 Shell 命令、网页搜索、Git 管理、子 Agent 调度以及连接 MCP 服务器……它甚至还支持安装 Skills，只不过这一切的后台大脑换成了 DeepSeek V4。

整套工具从架构逻辑到功能细节，都在尽力挖掘 DeepSeek 的特性。

最直观的一点是 思维链。
DeepSeek-TUI 会直接把模型的推理过程以流的方式打印在终端里——模型如何剖析问题、走了哪条思路、中途是否改变了策略，这一切都实时可见。

接着是 上下文。既然 V4 支持 100 万 token 的超大上下文窗口，项目就默认吃满这个红利。跑复杂任务时，根本不用担心模型忘掉之前的指令。当上下文快溢出时，TUI 会自动进行智能压缩；你也可以随时用 /compact 手动触发。

这套压缩策略相当巧妙，它充分考虑了 DeepSeek 的前缀缓存机制——尽量保住前面稳定的部分，让缓存能够持续命中。毕竟，未命中的 token 价格可是命中的 10 倍。项目界面上有逐轮费用显示，所以跑长会话时可以多留意一下，免得账单让人心跳加速。

TUI 还有一个叫 RLM 的设计，思路非常“DeepSeek”——既然模型的性价比高到可以拿来堆量，那工具就顺势把这个特性用起来。

在 RLM 模式中，一个主模型会指挥最多 16 个 V4 Flash 子任务同时并行，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甩给它，整体成本能削下来不少。

模型接入的切换也做了专门处理。除了 DeepSeek 官方 API，它还支持 NVIDIA NIM、Fireworks 和自托管的 SGLang 几条路径。

操作模式则分三档：

• Plan 模式是只读探索，模型会先为你勾勒一份分解计划；
• Agent 模式是默认档，每一步工具调用都得等你点头确认；
• YOLO 模式顾名思义，全自动放行，不想被打断的时候开启即可。会话可以保存并恢复，工作区有独立的 Git 快照兜底，支持按轮次回滚而不会弄乱你原仓库，翻了车也不慌。

安装也极其简单。Linux、macOS 和 Windows 系统都有预编译好的二进制文件，一条 npm install -g deepseek-tui 命令就能搞定。

值得一提的是，作者贴心地为国内用户准备了完整的中文版 README 文档和专门的配置路径。它不仅支持 TUNA Cargo 镜像，release 包还可以托管到阿里云 OSS 或腾讯云 COS。

项目在 1 月 19 日创建，做到现在不到四个月，已经迭代到了 v0.8.8，发布了 37 个版本，节奏相当快。

从更新记录来看，脉络很清晰。早期版本主要在搭骨架——实现工具调用、会话管理、基础的 Git 快照，一切以先让 Agent 跑起来为最高优先级。v0.7.x 阶段开始往细节里钻，比如通过 v0.7.6 增加了多语言界面支持，中文本地化的 TUI 提示、帮助文本和状态栏就是这时加进来的，这也是特意为国内用户铺的路。v0.8.x 是近期的主旋律，火力集中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坑；
• v0.8.6/v0.8.7 增加了一批交互功能，比如遭遇限流或服务器报错时显示倒计时重试横幅、输入历史搜索、运行中的消息队列可视化；
• v0.8.8 在此基础上做了一轮收口，同时补全了 Linux ARM64 的预编译二进制。

整体来看，这个迭代路径功能更新很密集，但每个版本几乎都有它要解决的明确痛点。

“爱科学的音乐家”，用跨界的钥匙打开 AI

其实 Hunter 一直是 DeepSeek 的铁杆粉。自打 V4 出来以后，他就没少发推文花式称赞。

他对中国的大模型似乎情有独钟，还参与过小米的百万亿 Token 创造者激励计划。

然而，Hunter Bown 最初的人生剧本，其实是一位乐队指挥。

他先在北得克萨斯州大学修读音乐教育，毕业后继续深造，拿下了南方卫理公会大学（SMU）的音乐教育硕士。

硕士毕业后，Hunter 如愿以偿地执棒了三年。

之后，他的人生轨迹来了个大转弯。他先是在得克萨斯大学达拉斯分校拿下了 MBA，随后又回到母校 SMU，进入法学院专攻专利法。

至于写代码这件事，那更是“半路出家”。

但这个“半路”并非是彻底的转向，更像几条看似无关的支流最终汇入一江春水。他在学习声乐科学时，接触到一个叫“缺失基音”的概念——人耳能神奇地从泛音里重构出一个物理上并不存在的音高。后来他猛然发现，这和信息论简直严丝合缝：你不需要把所有的信息都明确摆出来，系统本身就会去“脑补”。

这份来自音乐的直觉，成了他理解 AI 系统的一把独特钥匙。

去年，他创立了自己的工作室，起名 Shannon Labs，定位宏大——“AGI 时代的下一个贝尔实验室”。DeepSeek-TUI 在他那里，不过是众多研究项目中的一个。他的 GitHub 上有 65 个公开仓库，涵盖了像面向 NVIDIA Nemotron 的同款终端 Agent NeMoCode，以及 MLX kernel 工具包等等。

Shannon Labs 旗下的项目跨度更是大到离谱。

• Hegelion 是一个辩证推理引擎，循着“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，直接跨界到了太空声学。

他还自建了三套软件架构（SCU、Driftlock、Hegelion）和一个硬件方案（Driftlock Choir）。在他眼里，把这些拼图合在一起，是在为未来的 AGI 时代铺路。

能把这么多方向串起来，和他的家族渊源也密切相关。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，业余时间却热爱自制蜡筒，跑到卡内基音乐厅去录音。

Hunter 在专利法课上突然意识到，自己正在走一条与曾祖父交汇的路——把音乐人的感知方式注入技术研究，去发现那些“因为研究者没有这种背景而被忽视的想法”。

他在个人网站上将自己与曾祖父做了个对比：“他是科学家，热爱音乐；我是音乐家，热爱科学。”

One More Thing

在 DeepSeek-TUI 的贡献者列表中，我们还能看见一些熟悉的身影。这其中赫然包括了 Claude、Gemini、Qwen 等一系列 AI 模型，以及 Cursor 和 GitHub Copilot 这样的编程工具。

详细的提交记录更是说明了这一点：绝大多数代码由 Hunter 亲自敲下，还有 150 多次 commit 是 Claude 完成的，间或有一些真人贡献者提交了少量代码。

一位半路出家的程序员，用 AI 辅助编程给 AI 写辅助编程框架——你看，这工作流不就完美闭环了？

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

当下，像这样由个人开发者发起的优质 开源实战 项目正源源不断地在 云栈社区 被开发者们挖掘和热议，如果你也对前沿工具与极客文化着迷，不妨多来社区里转转，总有让你眼前一亮的宝藏项目。